检测肺结节的3维自适应模板匹配

目的 针对传统模板匹配方法检测肺结节存在的问题,提出一种用于CT图像中检测肺结节的3维自适应模板匹配算法。方法 首先,从CT序列图像中分割出3维肺实质,采用Canny算子等方法从分割出的3维肺实质中提取3维感兴趣区域作为候选肺结节;然后,确定每个3维感兴趣区域的主方向和中心层,并以此中心层作为信息层,沿主方向对信息层进行3维扩展生成3维模板;最后,对自适应模板和候选结节的3维归一化互相关(NCC)相关系数进行计算,将相似性高于设定阈值的区域标记为肺结节。结果 采用66个临床CT病例对本文方法进行了肺结节检测实验,结果显示本文方法对肺结节检测的敏感率为95.29%,假阳性为12.90%。结论 本文方法对检测肺结节具有较高的敏感率和准确率,可在临床上有效辅助放射科医生对肺结节进行检测,从而提高放射科医生检测肺结节的准确性和工作效率。     

基于自适应模板匹配的红外弱小目标检测

提出了一种红外弱小目标识别的新方法。从实际应用出发,考虑复杂的背景和大量的干扰噪声,找到了一种适合红外弱小目标识别的图像相似性度量方法。为提高此方法的稳定性,提出一种有效的自适应模板修正方案,并结合遗传算法提高匹配的速度。给出了算法实现的全过程,用实地拍摄的红外空中弱小目标图像进行了实验验证,得到了令人满意的结果。     

一种改进的自适应模板匹配法

本文提出了一种基于数据流修正的自适应模板匹配定位方法.该方法首先在图像预处理的基础上,进行模板匹配.从而定位待识别目标;然后采用数据流修正的自适应方法.根据待识别目标的大小来改变模板尺寸.避免了设置固定模板的缺陷:最后,对模板匹配算法进行优化,使模板匹配的效率得到提高.采用该方法对车牌图像的定位进行实验,实现了车牌的准确定位且处理速度快,能满足系统实时性和自适应性的要求.     

一种改进的模板匹配算法

近几年来，数字图像处理在印刷质量自动检测系统中的应用得到了飞速的发展，寻找一种快速简单，自适应强，检测精度高的算法已引起了许多研究者的关注，文中在印刷质量检测过程中所用到的传统模板匹配的基础上提出了一种改进的新算法，在新算法中较详细的介绍了如何将多幅模板图像的特征综合为一个标准模板，如何随实时图像的不断变化对标准模板进行调整的自学习方法等，并通过实验证明新算法具有自适应性强和检测精度高等特点。     

一种基于肤色模型和模板匹配的人脸检测算法

近年来,随着人机识别技术的日益发展,人脸检测问题越来越受到重视,而人脸检测技术的关键在于准确率和检测速度.为了有效提高人脸检测的效率,提出了一种基于肤色分割和模板匹配算法的人脸检测方法.首先,建立颜色模型,利用颜色信息对图像进行粗检测,得到粗检测结果,然后,采用模板匹配技术确定人脸.该算法克服了单用模板匹配法的时间延迟,提高了检测精度和速度.     

一种基于特征提取和模板匹配的人脸检测算法

提出了一种基于特征提取和模板匹配的人脸检测算法。在粗检部分，利用脸部特征获得候选脸；在细检部分，利用模板匹配对候选脸进行确认，得到最后结果。经实验证明，算法可以克服光照、姿势、表情、胡须、眼镜等干扰，并允许有局部遮挡，具有较强的鲁棒性。     

一种快速的模板匹配算法

针对传统的模板匹配算法通常效率较低、计算速度较慢的问题,提出了一种快速的模板匹配方法。该算法一开始取较少的点参与模板匹配,逐步增加参与匹配的点的数目。通过相关系数的比较来决定下一步增加匹配点继续匹配,或者放弃在该位置的匹配,移动模板到新的位置进行新的匹配。计算相关系数时,每次增加参与匹配的点后,首先只对新增的点进行计算,然后与原有的相关系数进行组合,得到新的相关系数。这样就大大减少了算法的计算量。此外,该算法在匹配的过程中所使用的点总是均匀覆盖模板,从而保证了算法的准确度。该算法速度快,准确程度高,能够满足实时性的要求。     

模板匹配的自适应搜索法

本文对于模板匹配中的失配度量作了统计分析,确定了失配度量剖面曲线在正确配准点附近的变化上限,提出了模板匹配的自适应搜索法,导出了所需的阈值公式.对于实际图象的匹配实验结果,证实了方法的正确性和搜索的快速性,为某些在线应用提供了快速的匹配方法.     

一种基于压缩域模板匹配的快速人脸检测算法

人脸的检测是人脸信息处理领域中的一项关键技术,在自动人脸识别系统、基于内容的图像检索、视觉监测、场景检测、新一代人机交互技术等领域具有广阔的应用前景.通过在压缩域利用DC系数重构图像,提出了改进的链码模板和通过训练产生角度模板来对候选区域进行搜索匹配和检测.实验结果显示,本方法在检测人脸的过程中速度快,漏检率较低,非常适合实时性要求高的人脸检测系统.     

一种基于圆周划分的模板匹配算法

本文提出了一种基于圆周划分的模板匹配算法，与传统模板匹配算法相比，本算法具有速度较快、有一定的旋转不变性、抗干扰性好的特点。     

适于人脸检测的模板匹配快速算法

为提高人脸检测中模板匹配的速度,在积分图像基础上,提出和应用平方积分图像,实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法,结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换,以及灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤,大大提高了模板匹配速度。人脸检测实验证明了这种算法的有效性。     

融合光流检测与模板匹配的目标跟踪算法

针对传统的目标跟踪算法需要人工选择目标且不能较好地处理目标的尺度变化问题,提出融合光流检测与模板匹配的目标跟踪算法。首先通过结合光流信息与图像分割结果从视频中自动地检测和提取运动目标,实现基于检测的跟踪;当检测跟踪结果不可靠时,再利用模板匹配定位目标位置,实现基于匹配的跟踪;最后,通过自动更新模板,使得跟踪框能够自适应目标的尺度变化。实验结果表明该算法能够在自适应目标尺度变化的同时获得较为稳定的跟踪结果。与其他三种算法相比,所提方法在目标的自动检测提取与尺度自适应方面具有优势。     

基于自适应投影的指纹模板生成算法

针对现有指纹模板生成算法存在的准确性较低、安全性较差的问题,提出一种基于自适应投影的指纹模板生成算法。该算法将有效细节点对之间的距离垂直投影到自适应圆上,并对投影后的向量进行量化得到比特串。此外,为增强数据的安全性及隐私性,采用异或和随机索引置乱变换对比特串进行处理,最终生成指纹模板。在数据库FVC2002 DB1和DB2中的实验结果表明,该算法相较于对比算法,具有较高的准确性和安全性。     

A novel rotation/scale invariant template matching algorithm using weighted adaptive lifting scheme transform

This paper presents a novel algorithm for detecting user-selected objects in given test images based on a new adaptive lifting scheme transform. Given an object as a template, we first select a set of coefficients as object features in the wavelet transform domain and then build an adaptive transform based on the selected features. The goal of the new adaptive transform is to vanish the selected features in the transform domain. After applying both non-adaptive and adaptive transforms to a given test image, the corresponding transform domain coefficients are compared for detecting the object of interest. In addition, the proposed detection algorithm is combined with the proper log-polar mapping model in the parametric template space to attain rotation/scale invariance property. Finally, we have verified the properties of our proposed algorithm with experimental results.     

组卷积轻量级脑肿瘤分割网络

目的 脑肿瘤是一种严重威胁人类健康的疾病。利用计算机辅助诊断进行脑肿瘤分割对于患者的预后和治疗具有重要的临床意义。3D卷积神经网络因具有空间特征提取充分、分割效果好等优点,广泛应用于脑肿瘤分割领域。但由于其存在显存占用量巨大、对硬件资源要求较高等问题,通常需要在网络结构中做出折衷,以牺牲精度或训练速度的方式来适应给定的内存预算。基于以上问题,提出一种轻量级分割算法。方法 使用组卷积来代替常规卷积以显著降低显存占用,并通过多纤单元与通道混合单元增强各组间信息交流。为充分利用多显卡协同计算的优势,使用跨卡同步批量归一化以缓解3D卷积神经网络因批量值过小所导致的训练效果差等问题。最后提出一种加权混合损失函数,提高分割准确性的同时加快模型收敛速度。结果 使用脑肿瘤公开数据集BraTS2018进行测试,本文算法在肿瘤整体区、肿瘤核心区和肿瘤增强区的平均Dice值分别可达90.67%、85.06%和80.41%,参数量和计算量分别为3.2 M和20.51 G,与当前脑肿瘤分割最优算法相比,其精度分别仅相差0.01%、0.96%和1.32%,但在参数量和计算量方面分别降低至对比算法的1/12和1/73。结论 本文算法通过加权混合损失函数来提高稀疏类分类错误对模型的惩罚,有效平衡不同分割难度类别的训练强度,本文算法可在保持较高精度的同时显著降低计算消耗,为临床医师进行脑肿瘤分割提供有力参考。     

一种改进的基于模板匹配眼睛特征点定位算法

针对传统眼睛定位模板匹配算法精确度和速度上的不足,对算法进行了模板扩大和相似度模板筛选两种改进,同时在匹配速度上采取粗定位细定位提高匹配速度。将眼睛模板转化成眼眉模板后,避免了由于眉毛和部分眼睛相似造成的特征点错误定位。在传统的模板集选取上提出基于相关系数选取原则后,避免了人为因素对模板选取造成的误差,很大程度上去除了入选模板之间的冗余度,进一步提高了定位的精确度,且在定位精度保证的情况下,大大减少了定位时间。     

一种基于模板匹配的手指静脉识别算法

相对于指纹识别等传统生物特征识别手段,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。本文设计了具有自适应光源系统的手指静脉采集仪,能够自动获得亮度均匀的手指静脉图像;提出了一种基于模板匹配的手指静脉识别算法,采用基于多方向灰度谷底搜寻方法提取手指静脉特征,然后将从同一手指多个图像中提取的静脉特征合成模板,并通过门限阈值消除模板中的随机差异信息。实验结果表明,运用本研究提出的基于模板匹配的手指静脉识别算法能有效提高识别准确性,具有99.10%的识别准确率和1.03%的等错误率。     

MRI脑肿瘤图像分割的深度学习方法综述

磁共振成像（MRI）作为一种典型的非侵入式成像技术，可产生高质量的无损伤和无颅骨伪影的脑影像，为脑肿瘤的诊断和治疗提供更为全面的信息，是脑肿瘤诊疗的主要技术手段。MRI脑肿瘤自动分割利用计算机技术从多模态脑影像中自动将肿瘤区（坏死区、水肿区、非增强肿瘤区和增强肿瘤区）和正常组织区进行分割和标注，对于辅助脑肿瘤的诊疗具有重要作用。本文对MRI脑肿瘤图像分割的深度学习方法进行了总结与分析，给出了各类方法的基本思想、网络架构形式、代表性改进方案以及优缺点总结等，并给出了部分典型方法在BraTS（multimodal brain tumor segmentation）数据集上的性能表现与分析结果。通过对该领域研究方法进行综述，对现有基于深度学习的MRI脑肿瘤分割研究方法进行了梳理，作为新的发展方向，MRI脑肿瘤图像分割的深度学习方法较传统方法已取得明显的性能提升，已成为领域主流方法并持续展现出良好的发展前景，有助于进一步推动MRI脑肿瘤分割在临床诊疗上的应用。     

基于自适应模板的图像修复算法

当前基于纹理的图像修复算法中模板块的尺寸是固定的,这样,当模板块尺寸很小时,虽然修复的精度会提高,但是算法的时间复杂度会大幅增加;相反,当模板块尺寸很大时,虽然可以降低算法的时间复杂度,但会使算法的误修复率提升。针对以上问题,提出了基于自适应模板的图像修复算法,该算法能够根据当前模板块与尺寸扩大后模板块之间的灰度均值及方差的变化情况来自适应地扩大模板尺寸,同时,根据模板块与样本块之间的匹配情况自适应地缩小模板块。最后,将所提提出的算法用于实例验证,其结果表明所提算法不但可以有效地提高图像修复的精度,而且提高了图像修复的效率