掌纹ROI分割算法的研究与实现

掌纹感兴趣区(ROI)分割是掌纹识别的关键步骤,目前掌纹分割方法主要存在定位点不易确定和同类图像ROI提取偏移度较大等问题,为改善这些问题,提出一种新的ROI分割算法。首先确定手掌图像中的两个指谷点;然后利用手掌轮廓特定区域边界点拟合直线,以该直线为基准,以固定角度的方式建立直角坐标系,利用指谷点找到掌纹信息丰富的区域,确定掌纹的ROI,最后提取特征矢量进行匹配识别。实验结果表明,该算法分割掌纹ROI的准确度高、速度快,对同类图像分割的偏移度更小,掌纹ROI的提取率达98.2%,掌纹正确识别率提高了3%左右,为基于掌纹的身份认证系统的实现提供了理论和实验依据。     

一种基于低对比度图像的车辆检测算法

提出一种基于低对比度图像的车辆检测算法。对图像分割算法得到的感兴趣区域(ROI)进行预处理,利用Haar小波特征提取算法提取ROI的图像边缘及纹理特征,利用支持向量机对ROI进行车辆检测。实验结果表明,该方法对车辆检测率达到90.6%,误报率为3.8%。通过再学习还可以进一步提高算法的识别性能。     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

肺结节计算机辅助检测与定位系统*

为了实现肺结节的智能识别,开发了肺结节计算机辅助检测与定位系统（SCADP）。该系统包括肺实质分割、候选肺结节分割、肺结节特征选择与提取、肺结节分类、图像配准与融合、结节三维重建与定位和勾画病灶等功能模块。其中,采用活动轮廓模型的分割方法实现候选肺结节分割,采用基于规则与专家系统的决策方法实现肺结节分类;采用自由变形法实现图像配准。基于小波变换的融合方法,以区域标准差与区域能量相结合的融合规则实现多模图像的融合;基于改进的Shear-Warp算法快速实现体绘制。实验证明,该肺结节计算机辅助检测与定位系统满足肺结节计算机辅助诊断要求。     

应用规则的肺结节识别系统

为了检测胸部CT图像中的肺结节,提出一种基于应用规则的自动识别肺结节的系统。在识别系统中通过自动阈值法和轮廓跟踪法分割肺实质;采用OTSU算法分割肺实质中的感兴趣区域,对感兴趣区域的特征进行提取;选择对肺结节和血管区别度较大的特征。根据选取的这些特征设定识别肺结节的规则来确定肺结节的候选区域。实验结果表明,该系统对直径1 cm以上的结节具有较好的识别性能。     

基于CANNY算法的道路交通标线识别方法

现如今在智能交通领域,车道线及交通标志的识别已经发展得较为成熟,但缺乏对于交通道路中标线识别的研究。为了解决道路交通标线识别中标线分类复杂以及精确程度不高等问题,提出了一种基于CANNY算法的道路交通标线识别方法。针对视频中道路交通标线的提取及其识别,提出通过结合阈值分割提取颜色特征及使用CANNY算法检测标线边缘特征等信息,定位出标线所在原始图像的位置,并将ROI定位区域标定分割,得到初步的检测区域,将ROI定位区域标定分割后结合SURF算法提取出图中的特征点,最后基于快速近似最近邻搜索匹配方法对标线进行识别。实验发现,此方法剔除了后期检测时冗余的特征点,减少了处理时传输量,加快了识别速度,对现实场景中车道线的识别效果良好。     

基于局部灰度最大和改进Mahalanobis距离分类的肺结节检测算法

CT图像中肺结节检测一直是肺癌CAD系统的关键和难点。提出了一种孤立性肺结节自动检测算法,首先对原始CT图像进行有效、准确的肺实质分割;采用寻找局部灰度最大值方法对ROI进行初始分割;再对分割出的各ROI进行特征提取,利用SVM方法对每个特征进行定量描述,根据SVM单特征分类准确率对Mahalanobis距离进行加权改进,最后采用基于改进的Mahalanobis距离进行肺结节分类。实验结果表明,该算法可以较好地提取出CT图像中的孤立性肺结节,具有较高的灵敏度和较低的漏诊率,可以为医生诊断早期肺癌病灶提供帮助信息。     

一种基于颜色特征的感兴趣目标提取方法

针对现有的感兴趣区域(ROI)提取方法边缘不清晰、区域不完整等问题,提出一种ROI提取方法.首先采用颜色局部特征的信息量大小衡量兴趣度的大小,然后融合颜色特征信息量图获得图像的显著图(SM),再进行阈值分割,得到显著值大的区域,即ROI.实验结果表明,该方法能有效地提取出感兴趣的对象,SM中目标区域的显著值均匀、边缘清晰;与人工标记的ROI比较,该方法召回率为79.71％,精度为78.53％,优于已有的ROI提取方法.     

X线平片的骨折识别

给出了一种识别人体X线平片中骨折现象的方法。根据X线平片的特点,提出了一种结合高阶统计矩校验分割结果的局部阈值化方法分割骨骼影像。对分割后的图像采用数学形态学分别提取目标的边界与掩盖骨折区域的骨架。通过叠加目标边界图与掩盖图中提取的骨架图,得出骨折区域的精确位置,从而识别出X线平片中的骨折现象。     

基于局部灰度最大和改进Mahalanobis

CT图像中肺结节检测一直是肺癌CAD系统的关键和难点。提出了一种孤立性肺结节自动检测算法,首先对原始CT图像进行有效、准确的肺实质分割;采用寻找局部灰度最大值方法对ROI进行初始分割;再对分割出的各ROI进行特征提取,利用SVM方法对每个特征进行定量描述,根据SVM单特征分类准确率对Mahalanobis距离进行加权改进,最后采用基于改进的Mahalanobis距离进行肺结节分类。实验结果表明,该算法可以较好地提取出CT图像中的孤立性肺结节,具有较高的灵敏度和较低的漏诊率,可以为医生诊断早期肺癌病灶提供帮助信息。     

遥感图像中机场目标的识别方法

机场识别作为模式识别领域的问题之一,在军事上有着重要的应用前景。它包括判断机场是否存在和机场定位两个方面。结合已有的方法,提出了一种新的机场识别的解决方案。该方案先使用阈值分割方法进行图像分割,然后利用像素标记法提取出最大连通区域,作为疑是机场区域(ROI);用Canny算子进行图像的边缘提取,提出了一种改进的Hough变换,能够从边缘图像中准确地提取出直线段,并最终实现机场跑道的定位。     

一种基于区域分割的地面飞机目标识别方法

针对遥感图像处理中的目标检测问题,根据具体应用要求,采用改进的图像分割方法对地面机场中的某些大型飞机进行型号识别.分析感兴趣的飞机参数,并在先验信息的基础上确定感兴趣区域(ROI),在待检区域和ROI匹配的基础上提取飞机目标,通过比较结构信息和不变矩信息实现地面飞机目标的检测与识别.实验结果表明,该方法的查全率为88.15％,查准率为80.67％,能达到预期目标.     

梯度幅度法提取探地雷达图像ROI

探地雷达图像中双曲型回波特征是识别地下管线的重要依据。根据探地雷达图像具有子波频率信息的特殊性,提出了一种基于梯度幅度的ROI(感兴趣区域)自动提取新方法。通过优化梯度幅度图的微分取值方式,使梯度幅度图中的双曲型特征更为突出;以直方图方式分析灰度信息分布,并自动求取阈值,以该阈值对梯度幅度图进行二值化处理;在此基础上,采用连通区域算法对特征区域进行扩充分割,并根据区域面积剔除杂波区域,从而提取出探地雷达图像中双曲型回波的ROI区域。该方法计算速度快、准确度高,易于在实际探测中实现。     

一种基于SIFT特征及决策函数的人脸识别方法

根据图像SIFT特征的尺度不变特性,提出根据人脸"三庭五眼"特征进行图像ROI区域提取,然后基于SIFT特征和决策函数的人脸识别的匹配策略对人脸ROI区域进行特征匹配得出最佳识别结果,方法在自建人脸库和ORL人脸库进行了对比实验,实验结果表明,方法具有较高的识别准确率和鲁棒性.     

卫星遥感图像中机场的识别方法研究

机场识别作为模式识别领域的问题之一,本文结合一些已有的方法,提出了一种新的机场识别及跑道检测的解决方案.使用模糊学增强方法对遥感图像进行预处理,利用阈值分割方法进行图像分割,然后利用像素标记法提取出最大连通区域,最后通过ROI的算法,实现对机场区域的定位.     

基于背景差分法的运动目标分割

运动目标分割在基于视频的运动目标检测与识别研究中发挥着重要作用。以图像差分法为基础,实现了一种复杂背景下快速分割运动目标的方法。通过中值滤波对原始图像进行预处理;运用改进的Surendra算法快速提取并更新背景图像;利用数学形态学运算对差分二值图像进行处理,进行运动区域的初始检测;将RGB图像转换到HSI域中进行适当的阴影去除,完成运动目标分割。实验结果表明该方法能够较为有效地分割出感兴趣区域(ROI)内的运动目标。     

一种基于ROI区域生长的医学图像压缩方法

为了克服传统基于ROI的压缩方法提高不了含有狭长的不规则ROI图像的压缩比等缺点,提出一种基于ROI区域生长的医学图像压缩方法.该方法使用区域生长的方法,将医学图像的ROI分割提取后,对ROI和非感兴趣区域(RONI)采用无损和有损相结合的方法,较好地解决了医学图像的高压缩比和高质量的矛盾,缩短了压缩时间.同时该方法还提供了良好的人机交互方式,便于操作,并能够很好地适用于其他场合的压缩.     

HSI和区域生长结合的火灾图像分割方法

森林火灾图像分割是火灾特征和识别的重要前提,其分割结果将直接影响到火灾识别的准确率。针对常用的图像分割方法进行了分析,在此基础上提出了HSI模型和区域生长结合的森林火灾图像分割方法。该方法首先将原图像转换到HSI空间,提取图像中H、S、I分量;然后在原图像中选取种子,并对其H、S、I分量图像进行区域生长;最后对各分量区域生长后的图像进行合并,最终得出分割图像。并与常用分割方法仿真结果进行了比较,试验结果表明：该算法对森林火灾分割精度高、抗扰性好且应用范围广泛,对森林火灾分割、识别具有重要意义。     

基于自动定位分割的图书识别框架

提出一种基于自动定位分割的图书识别算法,主要包括对拍摄图像进行图书封面区域的自动定位、感兴趣区域(ROI)分割、标准形状矫正以及有效区域的特征提取与相似性匹配部分.自动定位分割部分根据图书封面的几何形状特点,通过基于霍夫变换的形状检测算法对自然场景下拍摄的图书封面图像进行有效区域定位,对ROI进行分割并根据逆仿射变换将其矫正到标准形状;然后对获取的有效图书封面区域进行基于改进的尺度不变特征变换(SIFT)的特征点检测和特征描述,并采用词包(BOW)方法对其进行特征量化和码本学习,从而将定位分割出的图书图像与数据库中图书源图像进行相似性匹配.实验结果表明,对包含一定复杂程度背景的图书图像进行准确的定位分割和矫正,在很大程度上影响着基于特征匹配的图书识别技术的精确度.     

基于细胞显微图像特征的ROI自动提取算法

为了在细胞显微图片中快速有效地自动提取细胞聚集的区域,提出了一种基于细胞显微图像特征的感兴趣区域(ROI)自动提取算法.该算法以图像的自动阈值分割为基础,利用图像膨胀后边缘的融合和重叠消亡原理,以图像特征的相似度为判别手段,最后用八邻域轮廓跟踪法取得轮廓线.对大量细胞显微图片的实验表明,该算法成功实现了对细胞显微图像的感兴趣区域沿边缘全自动快速提取.