多细胞粘连的形状识别方法

多细胞粘连识别是图像识别领域的瓶颈问题,为此,提出一种多细胞粘连的形状识别方法。通过改进的阈值分割和八方向边界描述法对细胞进行定位,基于多边形夹角法分离各个粘连细胞,解决了多细胞粘连的形状识别问题。实验结果表明,该方法适用于多细胞复杂粘连情况下的细胞分离和各个细胞的形状识别,系统粘连分离精度为95.3%,形状识别精度达到97.6%,每个细胞识别时间为0.03 s。     

基于多边形拟合的细胞图像特征提取算法

细胞图像自动检验与识别是现在生物医学工程领域的一个热点问题.在细胞图像识别中传统应用目标的形状特征提取算法存在不足.为了提高图像提取精度,在分析边界直线拟合基础上提出了一种改进的细胞图像特征提取算法,建立基于平滑后边界拟合多边形的曲率向量、边长向量,分析定义了基于拟合多边形的拐点数、端点数,曲率均值、曲率方差、长轴、短轴、长短轴比、对称率、平行度等形状特征描述子.改进算法应用于蕞本形状与显微镜细胞图像中目标形状的特征提取,计算机仿真表明算法得到的形状描述子可以有效区分基本形状,并具有位移不变,并保证细胞图像提取的精度.     

基于机器视觉的图像识别方法研究

本文介绍了一种采用Blob算法实现图像识别的方法,在此基础上提出识别规定形状物体的方法,利用不变矩、图形的面积和周长的比值来识别物体的形状,从而从多个规则物体中识别出规定形状的物体,同时利用该算法还能够给出所识别物体的位置信息。实验结果表明,该图像识别算法能够满足实际要求,物体识别准确率达到100%。     

FPGA平台实现基于遗传算法的图像识别的研究

利用模板匹配方法,采用基于遗传算法的图像识别技术,完成了对图像目标识别的算法验证。在此基础上进行了基于该算法的图像识别系统的FPGA实现,并在相关验证平台进行了硬件仿真与时序分析。实验结果表明,所设计的图像识别电路具有较高的识别精度和较快的识别速度。     

基于形状特征的叶片图像识别算法比较研究

植物是生命的主要形态之一,其种类已达40多万种,对其进行分类识别在生物多样性保护,生态农业,生物安全中有着重要的意义。不同的种类的植物一般有着不同的叶片形状,因此叶片的形状特征在植物分类中扮演着重要的角色。作为计算机视觉的一个重要应用的植物叶片图像识别,近些年来受到了学者们的关注,产生了大量的研究成果。但由于植物种类巨大,叶片图像存在的类内差异大、类间差异小和叶片的自遮挡等问题等诸多问题,使得叶片图像的识别仍然是目前计算机视觉应用研究的一个热点。对近些年来的基于形状特征的叶片图像识别算法进行了综述和比较,对现有的算法进行了分类,对目前各类最先进的识别算法进行了分析和比较。此外,还介绍了常用的叶片图像测试集和性能评估方法,并将各类算法进行了实验结果的比较研究。研究工作既为现有的植物叶片识别算法的实际应用提供了指导,又为今后进一步研究新的高性能的识别算法提出了努力的方向。     

一种用于地震断层图像识别的SPD-UNet模型

断层是控制油气田形成和分布的主要因素,断层检测和识别对于油气勘探具有重要作用。基于Attention-UNet神经网络模型,构建一种面向地震断层图像识别的SPD-UNet模型。引入空洞卷积,在保证卷积核感受野大小且不损失原始图像分辨率的情况下,增强SPD-UNet模型的断层图像特征提取能力。将金字塔结构的空洞卷积组合成SPD模块,解决空洞卷积的局部信息丢失问题,提高断层信息关联性及图像识别精度。实验结果表明,SPD-UNet模型对于地震断层图像的识别精度优于SegNet与ResUNet模型,并且识别结果与实际标注的地震断层形状及位置更接近。     

基于注意力胶囊网络的高分辨率掌纹图像识别

目前,高分辨率掌纹图像识别存在细节特征点匹配法算法复杂,人工提取特征困难等问题。由于卷积神经网路的标量神经元无法获得特征之间的位置关系,应用于高分辨率掌纹图像识别效果并不理想。本文提出了一种基于改进的胶囊网络的高分辨率掌纹图像识别算法,通过去掉重构网络来换取模型体量的精简和运算速度的提升,在有限的精度损失下大大降低了算法复杂度。同时采用超深度小卷积神经网路来优化特征提取部分,为路由算法提供更优质的胶囊。由于路由算法对掌纹特征的方位比较敏感,在主胶囊层前面加入通道注意力机制以增加重要特征的权重,进一步提高识别能力。实验证明,本文改进后的胶囊网络对高分辨率掌纹图像的识别准确率可达到88.13%,识别精度和运算速度均优于基础胶囊网络方法。     

基于D-LLE算法的多特征植物叶片图像识别方法

为了提高植物叶片图像识别的准确率,提出一种基于差异性值监督局部线性嵌入（D-LLE）算法的多特征植物叶片图像识别方法。该方法提取叶片的颜色、形状和纹理作为叶片多特征,在加权局部线性嵌入（WLLE）算法中引入样本的差异性值构成差异性值监督LLE算法（D-LLE）对叶片高维特征进行降维,在低维空间采用最近邻分类器实现叶片的识别。该方法所用的叶片多特征比单一特征像素值更能描述叶片图像,同时差异性值能够充分挖掘样本的类别信息。基于实拍的叶片图像数据库的实验结果表明,该方法有效提高了叶片的识别精度。     

基于单张人脸图像三维形状模型重建

在人脸图像识别优化的研究中,针对由单张人脸图像重建三维模型时对人脸图像姿态存在要求的问题,为了提高识别精度,提出基于单张人脸图像姿态预估计和主成分分析(PCA)的形状模型重建算法.首先由三维姿态估计方法得到人脸姿态,并建立人脸形状模型样本库,然后通过选取的特征点,利用主成分分析进行三维人脸形状模型的重构,最后利用径向基函数(RBF)变换和特征点坐标精确调整三维人脸形状模型,并进行仿真.仿真结果表明,重构的三维人脸形状模型效果良好,提高了精度,对有旋转姿态的人脸图像和特征点定位误差也有很好的鲁棒性.     

基于类别相关近邻子空间的最大似然稀疏表示鲁棒图像识别算法

为了构建一个快速鲁棒的图像识别算法, 提出基于类别相关近邻子空间的最大似然稀疏表示图像识别算法. 考虑到每个测试样本的不同分布特性及训练样本选择的类别代表性原则, 不再将所有训练样本作为稀疏表示的字典, 而是基于距离相近准则选择合适子空间, 从每个类别中选取自适应数量的局部近邻构成新的字典, 在减少训练样本的同时保留了稀疏表示原有的子空间结构. 然后基于最大似然稀疏表示识别方法, 将稀疏表示的保真度表示为余项的最大似然函数, 并将识别问题转化为加权的稀疏优化问题. 在公用人脸与数字识别数据库上的实验证明该算法的合理性, 提高识别速度的同时保证了识别精度和算法的鲁棒性, 特别是对于遮挡与干扰图像具有较好的适应性.     

Extracting statistics indicators from tables of basic structure

The problem of extracting statistical data from a table of a basic structure is considered. The problem of extracting statistical indicators is formally stated. The method for extracting statistical data that analyzes the content of table cells is described. Algorithms for cell type recognition, table structure restoration, and a fuzzy search of the content of text cells are proposed.     

Pattern recognition processing in underwater acoustics

Pattern recognition application to underwater acoustics is a relatively less explored area, even considering some reports which may not be available in the public domain. In this paper three problem areas of pattern recognition processing in underwater acoustics are reported. The first problem is three-dimensional target motion analysis. A reference map is generated and partitioned into a number of cells corresponding to possible target locations. The pattern matching idea is then used to estimate the target range, velocity and bearing. The second problem is concerned with multipath ranging. An image processing technique is used to extract the significant tracks from the correlograms to provide a continuous estimate of time delay or range under a multipath environment. The third problem deals with submarine transient signals. A spectral analysis is made to determine spectral features for detection and event classification. The use of entropy distance measure for waveform segmentation is then examined. Major computer results are presented along with a discussion of unresolved issues for each problem area.     

Classification of atypical cells in the automatic cytoscreening for cervical cancer

One of the pattern recognition problems that is of importance in automated cytology is the detection of abnormal cells that may be present in a sample taken from a person. This work describes the problem and some possible solutions within the context of the detection of pre-cancer abnormalities in samples that have been prepared as Pap smears for observation under light microscopy.A cell classification system must be capable of using information concerning the existence of various subclasses of normal and abnormal cells. The classification of multi-modal data can be modeled using the Bayesian decision model with knowledge of the various subclasses composing each of the classes being decided. Two decision rules are shown which are applicable to this problem, and are suitable for the classification required for automated detection of atypical cells in a cervical smear. Test results from a series of holdout experiments indicate that average correct recognition rates of about 85% can be achieved on the atypical cells, while maintaining an error rate of about 1% on the normal cells.     

Good recognition is non-metric

Recognition is the fundamental task of visual cognition, yet how to formalize the general recognition problem for computer vision remains an open issue. The problem is sometimes reduced to the simplest case of recognizing matching pairs, often structured to allow for metric constraints. However, visual recognition is broader than just pair-matching: what we learn and how we learn it has important implications for effective algorithms. In this review paper, we reconsider the assumption of recognition as a pair-matching test, and introduce a new formal definition that captures the broader context of the problem. Through a meta-analysis and an experimental assessment of the top algorithms on popular data sets, we gain a sense of how often metric properties are violated by recognition algorithms. By studying these violations, useful insights come to light: we make the case for local distances and systems that leverage outside information to solve the general recognition problem.     

基于深度学习的小样本声目标识别方法

声目标分类识别是声源识别领域的核心问题,然而,在应用深层神经网络进行声目标分类识别时,从少量样本中学习(样本复杂度较低)是一个具有挑战性的问题;针对此问题,提出了一种基于深度学习的小样本声目标识别方法,该方法将手工设计特征和对数梅尔声谱特征结合到一起,扩充了深度学习模型的可利用特征量,提高了声信号识别效率和精度;在实验验证中,该方法在测试集上实现了87.6%的识别精度;更进一步地,用较少量的训练样本对该方法和其它几种主流的深度学习模型的性能进行了比较验证,结果表明,该方法只需要更少量的数据即可实现同样的识别精度,在声源探测领域具有一定应用价值。     

基于双基点法的多传感器数据融合

针对具有多个特征指标的多传感器目标识别问题,提出一种基于双基点法的信息融合方法.该方法根据指标隶属度矩阵将多传感器目标识别问题转化为多目标决策问题.通过定义熵权和相对接近度,改进了传统的双基点法,从而给出目标识别算法.该方法利用熵权较好地避免了目标识别受主观因素的影响,特别适用于具有多个特征属性的多个目标的识别.仿真实例验证了所提出算法的有效性和可操作性.     

Character Skeleton as a Pen Trace Model for Recognition from Reconstructed Trace

Automation and Remote Control - The article studies the handwriting recognition problem and the reduction of the text recognition problem from a text image to the text recognition problem from the...