一种基于数学形态学的遥感图象边缘检测算法

为有效提取边缘密度大的遥感图象中的边缘信息,该文提出了一种利用灰度形态变换原理进行检测的有效算法,首先利用开-闭形态滤波器降低输入图象的噪声,然后将二值图象的边缘提取算法推广到灰度图象中加以应用。实验结果证明,此方法优于灰度形态梯度法,同时也优于Canny算子。     

用细胞神经网络提取二值与灰度图象边缘

边缘是图象的重要特征,采用细胞神经网络提取图象边缘时,网络参数的选择是一个重要问题。为了能够有效地提取图象边缘,基于高通滤波模板,选择了细胞神经网络的一组简单易行的参数,首先将其用于检测二值图象边缘,再在此基础上,通过综合灰度值各位面边缘检测的结果提取出灰度图象的边缘。与传统边缘提取方法Sobel和Log方法的比较可见,该方法是有效的,并且由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此使其在图象实时处理中具有更大的潜力。     

基于小波域扩谱的无损数据隐藏

该文提出一种基于小波域扩谱的无损数据隐藏方法。该方法根据扩谱原理把数据嵌入到图象整数小波变换后的高频子带系数中;通过嵌入伪信息的方式,解决了在提取信息时无法判断在哪些系数上嵌入了水印信息的问题;另外,为防止小波反变换时图象灰度溢出问题,使用了直方图调整技术。实验结果表明,该方法能嵌入大容量的数据信息,同时保持很好的视觉效果,在图象认证及伪装通讯等领域具有广泛用途。     

自然图象单像素灰度值的统计特性研究

本文针对自然图象中单像素灰度值的统计规律进行实验和分析，发现对数正态分布可以对之进行粗略、简单的建模。此外，本文还给出了判断所给定的数据序列是否为统计自相似数据的有效判断方法，并在此基础上断定自然图象具有明显的自相似特性，从而得到针对单像素灰度值且较对数正态分布更精确的建模。最后，本文还给出了对自相似参数日进行估计的两种有效策略。     

一种航空照片中的小目标识别方法

提出了一种能够从具有复杂背景的航空照片中识别出小目标的模式识别方法。此方法先对图象进行二值化，其中二值化所需的门限值是通过对图象的灰度直方图进行形态滤波并结合小波变换而得到的，然后从二值图象中提取出各非零区域，接下来对原始图象中与这些区域位置对应的灰度区域进行第二次门限化，最后对各小二值图象块进行平移、尺度和旋转不变性变换，求出每个变换图象块的ｎ阶几何矩做为其不变性特征输入ＢＰ网完成各目标的识别。     

奇异值方法用于汽车车型识别

图象灰度矩阵奇异值是图象的代数特征 ,已有文献把奇异值方法用于图象识别 ,针对常用的图象识别方法不能对外形区别不大的汽车及受到干扰的汽车进行识别的问题 ,把图象矩阵奇异值方法用到汽车车型识别的研究中 .由于光照强度的影响 ,使处于同一场景的图象往往具有不同的灰度 ,且将影响奇异值方法的使用 ,所以引入了灰度一致因子来校正图象灰度 .并用该方法对一些汽车图象进行了实验分析 ,取得了比较好的结果 .最后 ,对这一方法进行了一些定性与定量分析 ,并提出了理论上需进一步探讨的问题 .     

基于模糊C均值聚类和统计特性的医学图象检索

本文提出了一种基于灰度、形状和纹理特征的医学图象检索方法.图象被模糊C均值聚类算法预先分割成互相不重叠的子图象,然后对这些子图象分别提取特征,从而获得整幅图象的特征向量.分割后的各子图象和均方差特征描述了原图象的灰度分布情况,二值化后的7个不变矩和7个纹理特征描述了图象的形状和纹理信息.实验结果表明,该算法能够比较有效地应用于基于内容的医学图象检索中,在查全率和查准率上都优于实验中其他两种方法.     

单片机上图象数据压缩

单片机控制ＣＣＤ图象的采集系统中，为压缩３２级灰度图象数据，将其分成五个比特平面，然后对每个比特平面分别用传真机上使用的一维修正哈夫曼码编码。此方法利用了图象邻近点的相关性，有效地压缩了数据。     

遥感地形图象的灰度与分形分析

为了能够更加充分、准确地在遥感地形图象中利用分形信息,需要将其与其他特征配合使用。文章通过从视觉成像的角度,深入地剖析物体不同区域的形状和位置对成像灰度的影响,进而将有关结论与图象分形指数数据相结合,应用于基于图象内容的遥感图象的区域(标识)分割,取得了令人满意的效果,从中检查出分形数据中对应于图象深灰度区无意义的数值部分,从而保证了分形数据的可靠性,同时也说明了结合灰度或其它信息于分形图象应用的图象分析方式是十分必要的。     

基于形状的二维灰度图象插值

内插是三维重建中的一个重要步骤 .一般传统的插值算法大体可分为灰度插值和基于对象形状的插值两种 .其中直接的灰度插值对二值及灰度图象均适用 ,但结果在多数情况下并不准确 ;而基于形状的插值 ,早期仅适用于二值图象 .近来 ,人们将两者较好地结合起来 ,使得基于形状的插值同样适用于灰度图象 .为了克服直接灰度插值易造成较严重的轮廓模糊问题及为克服 Chuang等人提出用基于形状的插值方法求得的对应点易产生偏差的问题 ,提出了一种新的基于形状的二维灰度图象插值算法 .该算法首先采用数学形态学的方法分别对两幅源图象进行膨胀和腐蚀 ,用于确定插值图象的轮廓 ;然后对轮廓内的点 ,分别找出其在两幅源图象上的对应点 ,再通过灰度的线性插值来求得此点的灰度 ,进而得到最终的插值图象 .实验结果表明 ,此算法得到的插值结果是令人满意的 .     

Robust adaptive spot segmentation of DNA microarray images

The rapid advancement of DNA chip (microarray) technology has revolutionalized genetic research in bioscience. However, the enormous amount of data produced from a microarray image makes automatic computer analysis indispensable. An important first step in analyzing microarray image is the accurate determination of the DNA spots in the image. We report here a novel spot segmentation method for DNA microarray images. The algorithm makes use of adaptive thresholding and statistical intensity modeling to: (i) generate the grid structure automatically, where each subregion in the grid contains only one spot, and (ii) to segment the spot, if any, within each subregion. The algorithm is fully automatic, robust, and can aid in the high throughput computer analysis of microarray data.     

基于细胞神经网络的生物芯片图像实时处理

运用CNN设计了一套生物芯片样点识别算法。算法实现的目标:改善已有方法的缺陷,达到良好的图像质量增强效果;将CNN输出的模拟信号图像转化为样点数据信息,使得后续的信息分析成为可能。最后利用实际CNN芯片参数估算了整套算法的运算时间,结果显示其速度达到实时处理的标准。     

Robust segmentation and analysis of DNA microarray spots using an adaptative split and merge algorithm

Microarray images push to their limits classical analysis methods, since gene spots are often poorly contrasted, ill defined and of irregular shapes. These characteristics hinder a robust quantification of corresponding values for red and green intensities as well as their R/G ratio. New approaches are thus needed to ensure accurate data extraction from these images. Herein we present an automatic non-supervised algorithm for a fast and accurate spot data extraction from DNA microarrays. The method is based on a split and merge algorithm, relying on a Delaunay triangulation process, allowing an incremental partition of the image into homogeneous polygons. Geometric properties of triangles as well as homogeneity criteria are defined according to the specificities of microarray image signals. The method is first assessed on simulated data, and then compared with GenePix and Jaguar Softwares. Results in segmentation and quantification are superior to those obtained from a number of standard techniques for spot extraction.     

基于数学形态学的微阵列芯片荧光图像处理与分析

微阵列芯片技术由于其高通量分析的特点被广泛应用在生命科学领域,图像处理与分析是微阵列芯片技术中的一个重要环节.文中主要研究了基于数学形态学的微阵列芯片图像处理及数据提取方法,该方法采用形态学重构对图像投影产生的一维信号进行处理,进而完成对图像样点阵列的网格划分,运用自适应阈值分割算法对每个网格内的样点进行了图像分割,运用前景和背景校正的方法对样点的光密度值进行提取.结果显示,该算法具有简单、快速、易于实现,对样点形状没有限制而且精确度高等特点.     

A supervised data-driven approach for microarray spot quality classification

In this paper, the problem of classifying the quality of microarray data spots is addressed, using concepts derived from the supervised learning theory. The proposed method, after extracting spots from the microarray image, computes several features, which take into account shape, color and variability. The features are classified using support vector machines, a recent statistical classification technique that is being employed widely. The proposed method does not make any assumptions on the problem and does not require any a priori information. The proposed system has been tested in a real case, for several different parameters’ configurations. Experimental results show the effectiveness of the proposed approach, also in comparison with state-of-the-art methods.     

基于top-hat变换与形状特征的蛋白点检测

针对凝胶图像中蛋白质点检测存在弱蛋白质点漏检和重叠蛋白质点难分离的问题,提出了一种基于top-hat变换与形状特征的弱重叠蛋白质点检测算法。采用top-hat变换算法增强弱蛋白质点区域;采用标记控制分水岭法进行粗检测,提取蛋白质点的初始轮廓;根据蛋白质形状特征,自适应设定阈值提取蛋白质点形状标记,并利用提取的标记计算形状距离图;采用基于形状距离的分水岭方法,分离重叠蛋白质点。通过不同类型真实凝胶图像的蛋白质点检测实验,结果表明,该算法具有较高的检测精度和重叠蛋白质点分离率,而且对质量不好的凝胶图像也有较好的检测效果。     

DNA芯片图像的自适应提取

软件内嵌探针测试是在探针函数模板的框架内编写被测对象,并对被测对象进行面向对象软件的常规测试,在观察预期结果与实际结果是否一致的同时,还要察看探针函数输出的信息,以确定对象的状态是否正确。本论文研究的重点在于探针函数的构成、探针函数的实现及内嵌探针测试方法的应用研究,意在构筑一个基本的应用框架,提供一种实用的测试方法。     

Segmentation of DNA microarray images using an adaptive graph-based method

Microarray is a powerful tool for simultaneous study of the behaviour of thousands of genes through analysis of produced images. The correct segmentation of each `spot` of the microarray image is a critical step in the analysis of the results of an experiment. A graph-based method is proposed which automatically performs the segmentation. The performance of the algorithm is tested both on real and simulated images. The proposed algorithm successfully detected spots of different sizes and shapes under the presence of variable noise levels. The simulation results proved that the suggested approach has high segmentation accuracy.     

基于DNA编码与统计信息优化的图像加密算法

针对现有图像加密算法的相关性较高的问题,提出一种基于DNA编码与统计信息优化的图像加密算法。首先,采用DNA编码将图像的RGB三色通道分转化为DNA序列,并通过DNA运算对像素进行空间域的失真处理;然后,对图像进行扩散处理,并使用和声搜索算法搜索扩散阶段的最大熵;最终,对图像进行混沌置乱处理,通过和声搜索算法搜索该阶段的最小相关系数。仿真实验结果显示,本算法获得的熵与相关系数分别接近理想值8与0,同时获得了理想的安全性。     

一种基于模型的军用靶图序列弹孔检测算法

军用靶图上的弹孔,成象后可被认为是灰度背景上的一些斑点,这样,对这些弹孔的检测就归结为在图象中寻找单独或重叠点的问题,而这些点迹可被认为是只具有灰度特性,而没有纹理和其他内在细节的斑点,针对重叠弹孔识别较困难的问题,为了在计算量增加不大的情况下,确保子弹孔检测的可靠性,提出了一种基于模型的序列弹孔检测算法。该算法不仅可对灰度背景中的斑点进行描述和定位,而且可以适用于不同灰度、不同尺寸和背景斑点的检测,因此可将这一方法用于弹孔的识别,同时根据靶图的实际情况,还引入反馈的机制,因而取得了很好的检测效果。