基于Otsu阈值法与形态学自适应修正的舌像分割方法

为了从原始舌图像中精确分割出舌体以实现中医舌诊的客观化,提出了一种基于Otsu阈值法与形态学自适应修正的舌像分割方法。该方法提取原始舌像的RGB色彩空间与HSV色彩空间中G、B、V通道的信息,运用Otsu阈值法对舌像进行二值化,基于先验知识对目标区域进行聚类,采用形态学运算方法,利用舌体当量直径自适应选取结构元素的大小,对聚类结果进行开启运算修正得到舌像分割结果。基于200幅不同形态、不同舌色类别原始舌像的实验结果表明,该方法能稳定精确地分割出舌体,与传统的Otsu方法及灰度投影-Otsu方法相比,准确率有了很大的提升。     

人体舌苔的光谱学研究

传统的基于中医（TCM）的舌色客观化方法,对采集环境、照明条件的要求非常严格,不利于数据的采集,也会失去大量信息．提出基于光谱的舌诊客观化方法,并对各个谱线进行归一化以克服光源的影响,更准确、客观地反映舌的组织成分和结构的信息,更加细致地区分舌象,为舌诊度量化提出一条新思路．在临床上以淡红舌薄白苔和黄腐苔为例,运用光谱法获得表面反射光谱数据,将提取特征值、微分光谱以及曲线形态参数等数学方法应用到数据处理中,初步建立舌象的归一化光谱曲线与舌象之间的联系,为光谱法舌诊提供了观察角度和比较参数,为更深入地研究中医症候提供了借鉴．     

基于光谱特征和纹理特征协同学习的高光谱图像数据分类

高光谱遥感图像中包含有大量的高维数据,传统的有监督学习算法在对这些数据进行分类时要求获取足够多的有标记样本用于分类器的训练.然而,对高光谱图像中大量的复杂地物像元所属类别进行准确标注通常需要耗费极大的人力.在本文中,我们提出了一种基于半监督学习的光谱和纹理特征协同学习(STF-CT)--法,利用协同学习机制将高光谱图像光谱特征和空间纹理特征这两种不同的特征结合起来,用于小训练样本集下的高光谱图像数据分类问题.STF-CT算法充分利用了高光谱图像的光谱和纹理特征这两个独立视图,构建起一种有效的半监督分类方法,用于提升分类器在小训练样本集情况下的分类精度.实验结果表明该算法在小训练样本集下的高光谱地物分类问题上具有很好的效果.     

基于光谱角匹配和加权自相关约束能量最小化 算法的水面目标探测方法

为实现对高光谱图像海面舰艇目标进行有效探测,通过对传统的目标探测算法进行改进,解决了加权自相关约束能量最小化算法(Constrained Energy Minimization, CEM)对于大目标地物提取效果不佳的问题.对高光谱图像做降维和端元提取处理,并利用提取的端元进行光谱角匹配(Spectral Angle Mapping, SAM)分类来确定两个重要的分类:舰船类和海水类;从所有像元中减去舰船类像元作为背景像元,通过基于纯背景像元加权自相关矩阵的SAM-CEM算法计算探测结果;通过分类图像来获得只包含海水和舰船的灰度图像,并进行二值化和数学形态学处理,寻找范围最大的白色区域为海水区域;通过对目标探测图像进行二值化,利用舰船目标在海水中的特点,去除不在海水区域内的虚警目标,从而确定最终的舰船目标.实验结果表明:该算法能够更好地增强目标信号而抑制背景信号,从而避免了加权自相关CEM算法中目标信号作为背景信号参与运算而对探测结果的影响,在对海面舰艇的目标探测中取得了令人满意的结果.     

基于3D-CSC的核磁共振脑组织图像分割方法

为了实现核磁共振脑组织图像的快速自动识别,同时克服灰度不均匀性和噪声影响,本文提出一种改进的基于3D Cell Structure Code(3D-CSC)技术的三维核磁共振脑组织图像的全自动分割方法.首先通过3D Kuwahara滤波器过滤图像中的噪声,利用基于图像灰度和空间信息的非参数偏场纠正方法抑制灰度不均匀性,然后利用多级并行的区域增长技术—3D Cell Structure Code(3D-CSC),对图像进行快速自动分割,并通过直方图分析方法实现了不同脑组织的分类,进而利用数学形态学运算进行后处理,提高了脑组织识别的准确度.通过在8个真实T1-加权MR图像和10组模拟T1-加权MR图像上的实验,验证了该方法的有效性.     

一种用于高光谱图像分类的空谱协同编码方法

针对现有基于协同表示的分类算法对于高光谱遥感图像的空间光谱信息利用不充分而造成较低分类精度的问题,该文提出一种空谱协同编码方法用于高光谱图像分类。算法首先利用空间光谱信息对图像进行加权滤波。随后,对于协同编码模型,将空间光谱信息转化为空间光谱权重以对模型进行正则约束。在Indian Pines和University of Pavia真实数据集上的实验结果表明提出的算法能分别获得98.82%和99.09%的总体精度。实验证明了所提出的算法对高光谱遥感图像进行分类的有效性。     

基于显微高光谱成像的人血细胞研究

使用自行研制的推帚式显微高光谱成像系统采集了正常,白血病人血液涂片的显微高光谱图像数据.通过对正常、白血病人血液显微高光谱数据进行处理,获得了人血液的单波段图像,并提取了部分血液细胞的典型透射率光谱曲线.分析这些曲线发现,病变细胞透射率普遍高于正常细胞,特别是在541.3 nm附近透射率高出了50%左右.通过对血液涂片的图像和光谱特征进行分析表明,经过一定的改进,可以将显微高光谱成像系统作为一种新的检测手段,辅助医学研究人员对人血液进行分析.     

抛光金属弧状面瑕疵实时检测

提出了一种基于机器视觉对抛光金属弧状面进行实时快速检测的方法.在离线情况下,对不同光强下的样本工件进行学习分析,构造图像的背景亮度分量与灰度水平的关系函数,提取样本工件反射分量的统计特征.在线检测时,先分析图像的灰度水平,并计算图像所对应的亮度分量;然后从图像中提取出灰度均匀的反射分量,最后对反射分量进行阈值分割并做出决策判断.实验表明,本文提出的方法能通过一次学习,适应变化的采集环境,系统具有较高的鲁棒性;检测一帧图像平均时间为40 ms,准确率达98％以上,具有较高的实时性和准确性.     

基于机器视觉的神经网络在茶叶鉴别中的应用

名优茶(芽茶、一芽一叶、一芽两叶)在外观检测分类中,主要依靠人为的主观判断,这样既耗时又难以给出客观的评价标准。针对这个问题,提出一种基于机器视觉的分类方法,首先对原始图像进行剪裁、预处理,然后利用灰度共生矩阵和Tamura方法提取茶鲜叶图像的十二种纹理特征(粗糙度、对比度、方向度、平滑度、一致性等),并采用主成分分析方法建立更加有效精简的特征库,最后根据图像的特征利用BP神经网络对茶叶进行分类,仿真实验能够达到理想的效果。     

基于离散度和EBFNN的指纹分类方法

针对指纹图像中的较大平移和旋转,提出了一种基于离散度和EBFNN的指纹分类方法.首先,对指纹图像进行离散小波变换获得特征空间.然后,对特征空间进行搜索得到不同维数下的优化特征组合,通过研究这些优化特征组合的散度值随维数的变化趋势,最终确定特征向量的构成.最后,以此特征向量训练EBFNN,完成指纹纹型分类,并在FVC2000和FVC2002-DB1上作了测试.实验结果表明,当隐层节点为11时 ,总的纹型辨识正确率可达91.45%,而且对指纹图像中的平移和旋转具有良好的鲁棒性,具有一定的实用价值.     

Automated tongue segmentation in hyperspectral images for medicine

Automatic tongue area segmentation is crucial for computer aided tongue diagnosis, but traditional intensity-based segmentation methods that make use of monochromatic images cannot provide accurate and robust results. We propose a novel tongue segmentation method that uses hyperspectral images and the support vector machine. This method combines spatial and spectral information to analyze the medical tongue image and can provide much better tongue segmentation results. The promising experimental results and quantitative evaluations demonstrate that our method can provide much better performance than the traditional method.     

舌体水份含量测量仪的研制

在中医理论里,舌体的水份含量是舌诊的重要参考依据。现有的测量方法在可重复性和测量精度上 都不够理想。为此,提出了一种基于质传递速率方法的新型舌体水份含量测量仪,采用数字式温湿度传感器, 详细阐明了检测原理、软硬件设计与实现方法。该测量仪有小型便携、操作简便、低功耗等优点,并通过实验 证明比现有测量方法具有更好的性能,测量值标准偏差为２畅９％,能快速准确地反映舌体干湿润燥程度。     

基于爆破源的大坝隐患探测新技术

采用无损检测技术对大坝进行隐患探测的方法,是目前国际上的新兴检测技术。文章介绍了基于爆 破源的大坝隐患探测新技术的测试原理、系统组成、实施步骤及关键技术。     

A Bayesian Nonparametric Model for Temperature-Emissivity Separation of Long-Wave Hyperspectral Images

Long-wave infrared (LWIR) hyperspectral imagers (HSI) image a scene by collecting high-resolution spectra at each pixel. The data are similar to a camera image but have a large number of narrow spectral bands rather than the familiar broad three bands of red-green-blue in a traditional digital camera. Materials in LWIR are emissive (rather than reflective) and have unique spectra that can be used for material detection and identification. The measured spectra are a convolution of the material spectra (emissivity), the black body temperature (Planck curve), other interacting environmental spectral sources, and measurement error. One approach to material identification is temperature-emissivity separation (TES), which separates or deconvolves the material spectra from the temperature curve. To accomplish this task, we develop a unique flexible model which combines the mathematical model of the physical processes within a Bayesian nonparametric framework. In addition to offering interpretable estimates of model parameters, this model is able to identify material emissivity spectra and cluster pixels into appropriate material groups. We demonstrate our method using both a synthetic and measured dataset. The online supplementary material contains an appendix of the details of the sampling algorithm.     

Use of thresholding algorithms in the processing of raindrop imagery

Several thresholding algorithms are applied to the analysis of drop images, and their performance is compared. Images were obtained by use of a digital camera setup in which drops were illuminated from behind, resulting in an image of the drop silhouette. Each algorithm was evaluated based on the accuracy of the drop diameter obtained from the thresholded image and on the size of the depth of field. Because of the difficulty associated with creating drops that have a known diameter, solid spheres composed of a glass with an index of refraction close to that of water were used in computing the depth of field and in determining the accuracy of measured diameter. The application of this study is to the automatic measurement of raindrops and images were obtained during several storms. With each thresholding algorithm this raindrop imagery was used to compute the probability density function of drop diameter, and the rain rate. The performance of each thresholding algorithm was quantified by comparison of these measurements with simultaneous measurements obtained by use of a Joss-Waldvogel disdrometer.     

反向条纹投影技术及其在数字地球仪中的应用

本文提出一种基于反向条纹投影原理的数字地球仪.在数字地球仪中,显示屏是一个球面的漫反射屏,通过投影的方法可以实现数字地球仪任意方向的旋转显示.首先通过投影正弦条纹到球面显示屏上,从观察数字地球仪的方向用CCD相机获取变形条纹图像,通过相移算法,建立投影器和摄像机像素之间的几何传递关系.基于地球三维图形信息数据库,根据期望图像为投影器产生投影图像.本文建立了地球三维信息提取模型,可快速获取从任意角度观察地球的图形信息.实验使用一半径为25 cm的漫反射球体作为显示屏,将计算得到反向地图投影其上,得到相当好的实验结果.     

一种用于印刷图像防伪的水印算法设计与实现

阐述了基于DCT变换域的数字水印理论和算法,并根据相关理论模型,提出了一种在离散傅里叶变换中实现的、可用于印刷品防伪的数字水印嵌入算法。研究表明与传统的LSB算法和Patchwork算法相比,该算法有较好的抗攻击能力。给出了系统的水印嵌入算法和水印提取流程设计的过程。实践证明,基于DCT变换域的数字水印算法能确保水印的不可见性,并保持较好的鲁棒性,实现了印刷图像载体数字版权的保护,并可检测出用此算法嵌入印刷图像中的不可见标记。最后通过实验验证了此算法的可行性、可靠性和有效性,为印刷品版权保护提供参考和借鉴。     

基于SST时频图纹理特征的供输弹系统故障诊断

对于供输弹系统早期故障中信号成分复杂,故障征兆难以识别的问题,提出了基于同步压缩变换(SST)时频图纹理特征的故障诊断方法。使用EEMD方法对供输弹系统振动信号进行预处理,对分解的分量进行相关系数运算,选取与原始信号相关系数大的前4层分量对信号进行重构,达到了一定的降噪效果;接着利用供输弹系统不同状态的信号通过同步压缩变换时频分析,得到反映不同运行状态的二维时频图像,并进行灰度化处理;利用灰度共生矩阵法与灰度梯度共生矩阵,对其进行纹理特征的提取,为与传统方法做对比,提取了信号经EEMD分解后,与原始信号相关系数大的前4层分量的能量百分比作为特征;使用基于核的模糊C均值聚类,对供输弹系统三种不同状态振动信号的图像纹理特征和能量百分比特征进行分类识别,并与模糊C均值聚类进行对比。实验结果表明,该方法能有效地对自动供输弹系统早期故障进行识别,且识别正确率达91.21%。     

Semisupervised dimensionality reduction for hyperspectral images based on the combination of semisupervised learning and metric learning

This paper presents a semisupervised dimensionality reduction (DR) method based on the combination of semisupervised learning (SSL) and metric learning (ML) (CSSLML-DR) in order to overcome some existing limitations in HSIs analysis. Specifically, CSSML focuses on the difficulties of high dimensionality of hyperspectral images (HSIs) data, the insufficient number of labelled samples and inappropriate distance metric. CSSLML aims to learn a local metrics under which the similar samples are pushed as close as possible, and simultaneously, the different samples are pulled away as far as possible. CSSLML constructs two local-reweighted dynamic graphs in an iterative two-steps approach: L-step and V-step. In L-step, the local between-class and within-class graphs are updated. In V-step, the transformation matrix and the reduced space are updated. The algorithm is repeated until a stopping criterion is satisfied. Experimental results on two well-known hyperspectral image data sets demonstrate the superiority of CSSLML algorithm compared to some traditional DR methods.