数字X光医学影像压缩技术

针对数字X光影像仪(CR)影像的特点以及CR成像与成像板(IP)密切关系,提出一种基于图像阈值分割,并对分割的不同区域采用不同压缩方法的数字X光(CR)医学影像压缩技术.首先分割出暗背景区,进行中值滤波,然后行程编码,再根据IP板与X光曝光剂量的关系,将感兴趣区12bit像素降低量化级别降低为9.3bit来降低数据量,并采用嵌入式小波变换方法实现近无损压缩.实验结果表明,在高压缩比条件下,感兴趣区仍具有较高的峰值信噪比(PSNR),保征了感兴趣区的图像质量,具有良好的视觉效果.     

基于多尺度Retinex的数字X光图像增强方法研究

提出了基于多尺度Retinex(MSR)方法的医学数字X光图像增强处理方法,论述了该算法的原理及实现方法。在3种标准偏差下,求得高斯滤波系数;然后使用3种不同的高斯滤波系数对X光图像进行卷积操作,将3种标准偏差尺度下得到的结果进行加权平均;最后将输出灰度值进行增益映射,得到可用于显示的结果。试验结果表明:MSR算法既可实现低对比的数字X光图像增强,又能实现图像的动态范围压缩,可显著提高暗区数字X光图像的信息。将该方法与几种常用图像增强方法进行了分析比较,表明MSR算法使得X光图像具有更好的灰度分布,能够显著提高暗区图像的信息量,其增强后的信息熵是常规增强方法的2倍,表现出了优良的性能。该方法克服了目前常规的数字X光图像增强方法的不足,能够满足医生临床诊断的要求。     

一种基于多重分形新特征的图像分割算法

提出了一种新的基于容度的多重分形图象分析方法.在特征提取方面利用了基于Choquet容度的不同度量标准.从不同的角度提取信息,最大限度地利用了图像中的纹理信息,能将不同类型的纹理有效地区分开.同时结合模糊神经网络提出了一种基于自适应模糊聚类方法的图像纹理分类新算法,不仅克服了经典算法的不足,而且能自动确定网络结构.通过对实际图像的分割试验,证实了该方法的有效性.     

利用多分辨率直方图特征分类数字X光乳腺图像

提出了一种结合多分辨率直方图特征表示与核学习算法的数字X光乳腺图像的分类方法。该方法不依赖特征选择步骤,而是基于感兴趣区(ROI)的高维多分辨率直方图特征,通过从训练实例中学习,同时检测多种异常的ROI。对该方法进行接收器工作特性(ROC)分析,敏感性约为89%,ROC曲线下面积(AUC)接近0.91。与以前所提出的检测方法相比,该方法不需要针对特定类型病变选择特征表示,因此可以同时检测多种类型的病变,简化了检测过程,提高了检测效率,而且分类性能也达到或超过了以前方法的平均分类性能。结果表明,利用多分辨率直方图特征表示能够很好地区分乳腺图像中正常和异常区域,同时也显示了借助核学习算法消除或限制分类任务中特征选择步骤的可能性。     

超声乳腺肿瘤图像中种子点的自动定位研究

利用种子区域增长对超声乳腺肿瘤图像进行分割是一种常用的计算机辅助诊断方法。为实现种子点的自动快速定位,满足实时在线分割图像的需求,根据超声乳腺肿瘤图像的结构特征,综合图像的灰度因素和空间因素,提出了一种基于迭代四叉树分解的算法。该算法将满足特定阈值的图像分裂转化为寻找种子区域,以实现种子点的自动定位。对105幅超声乳腺肿瘤图像进行了实验验证,结果表明,该算法准确率能够达到94.28%,平均耗时2.97 s,不但满足了种子点的自动定位于图像肿瘤内部,而且需要调整的参数少,其定位效率要高于人工选择。     

FCG—1型光纤几何参数测量仪

利用反射和透射光照明正置金相显微镜对光纤截面进行放大,由摄像机接收放大后的图象。利用对图象的自动扫描,阈值电平比较和电子细分技术获取图象的边缘信息,利用计算机处理数据,进行曲线拟合,得到所需的各种几何参数。     

基于区域生长法的自适应图像分割的网眼织物瑕疵检测

为了解决网眼织物在织造过程中的实时检测问题,提出了一种基于频域滤波和区域生长法的瑕疵区域自适应分割方法。通过分析傅里叶变换后的功率谱获得网眼织物纱线分布特征后,通过设计滤波器自动滤除了与织物纹理背景相关的频率成分以削弱织物自身纱线分布结构对瑕疵检测精度的干扰。利用滤波后图像的灰度分布特点自适应地求取了分割参数,并使用区域生长法实现了对瑕疵区域的自动分割。利用对获得的二值图像进行形态学运算,得到了最终的瑕疵区域分割图像。实验结果表明,该算法能较准确地对瑕疵进行定位,瑕疵区域分割精度较高,自适应性和抗干扰能力较强,可以满足工业检测的要求。     

基于深度学习的膝关节MR图像自动分割方法

膝关节磁共振图像的自动分割具有重要的临床需求,图像中分割目标的大小不同为精准分割带来了挑战。基于深度学习,提出一种端到端的DRD U-Net。以残差模块作为基本模块,增加了对特征的复用能力。利用并行的扩张卷积模块获取不同的感受野,克服了U-Net模型单一感受野的局限性,提高了对不同大小目标的分割能力。设计多输出融合的深监督模块,直接利用不同层次的特征实现了信息互补,提高了分割区域的连贯性和准确性。在OAI-ZIB数据集上测试,平均分割表面距离为0.2 mm,均方根表面距离为0.43 mm,豪斯多夫距离为5.22 mm,平均戴斯系数(DSC)为93.05%,重叠误差为3.86%。相比于基线U-Net和其他现有模型,所提方法在膝关节股骨、胫骨、股骨软骨、胫骨软骨的分割方面都取得了更高的精度。     

三维白光数字图象频域分析法及其应用

提出一种测量三维位移的新方法--三维白光数字图象频域分析法.该方法结合双CCD(charge coupled device, 电荷耦合图象传感器)摄象机系统和白光数字图象频域分析法,具有全场、非接触、非破坏测量、不需相干光、测试系统简单等特点.使用两个摄象机从不同拍摄角度记录物体变形前后的灰度图象,将其数字化,并通过频域相关算法分析进行同名点匹配,利用标定得到的摄象机参数求出物体上各点变形前后的空间坐标,进一步求得三维位移.利用平移实验对该方法进行验证,比较实验结果和理论值,误差较小,验证该方法的有效性.     

血细胞数的图象检测方法研究

本文提出一套基于模板参数最大值的细胞图象计数方法,并与基于灰度级阈值分割的计数方法进行了比较。实验表明,前者在计数的重复性和准确性上均优于后者。该仪器的特点在于省却了一个载物台自动定位控制系统,使仪器成本大幅度降低。     

航空发动机叶片X射线数字图像分析的一种新方法

以某型号航空发动机叶片为研究对象，介绍并分析了基于分区域自适应中值滤波的X射线数字图像特征提取和基于曲面函数和阈值分割的X射线数字图像特征提取两种方法，提出了一种新型的数学形态学滤波与计算机视觉算法相结合的缺陷自动提取方法。试验结果表明，提出的方法可行，能有效减小缺陷的误判率。     

基于数字孪生技术的变电站设备自动控制系统

为避免因设备故障造成变电站运行风险，设计基于数字孪生技术的变电站设备自动控制系统。通过测控保护模块采集变电站运行过程中产生的各类数据，利用站内通信模块将采集的数据传输到数字孪生模块，该模块依据接收到的数据运用数字孪生技术创建数字孪生虚拟变电站模型，根据虚拟变电站模型通过PLC自动控制模块实现变电站设备电压无功、安装质量以及运行状态的自动控制。实验结果表明，该系统对单一设备和规模庞大、结构复杂的变电站均具有较理想的建模效果，能将变电站设备电压、功率因数和安装位置偏差控制在合理区间内，在不同干扰下均能实现对变电站设备精准控制。     

多尺度区域生长与去粘连模型的乳腺细胞分割

乳腺癌已经成为女性最常见的恶性肿瘤,组织切片显微图像的病理分析是诊断的主要手段,细胞的准确分割是病理分析的重要环节。该文提出了一种新的乳腺细胞显微图像的自动分割算法:首先结合小波分解和多尺度区域生长算法分离细胞和背景,实现对细胞的精确定位;然后采用改进的数学形态学对粘连细胞进行一次细分割;接着再采用基于曲率尺度空间(CSS)的角点检测分割算法对粘连细胞进行二次细分割;两次细分割方法构成了一个双策略去粘连模型,保证了去粘连的准确性和鲁棒性。将算法应用到22幅乳腺细胞显微图像上,可以对不同类型的乳腺细胞图像进行全自动分割,有较高的分割灵敏度(0.944±0.024)和特异度(0.937±0.038),且具有较好的普适性。     

铸造模样分割及其三轴数控铣削

针对铸造模样切削加工中的问题，提出了经济、有效的等高面分割／组合制造法。这一方法是三维实体设计技术、自动编程技术、数控切削技术的合理结合。通过实例分析了CAD过程中分割参数的确定，模块式组合结构的设计方法，分割件表面的特点及其高效的三轴CNC切削方法。     

基于数字成像技术的自动压接设备故障可视化在线检测方法

为提高自动压接设备故障检测的准确性,提出基于数字成像技术的自动压接设备故障可视化在线检测方法.根据导线压接质量关键工艺参数分析,结合图像处理技术进行自动压接设备的自动标定尺寸分析,采用 X 射线数字成像技术,构建自动压接设备故障可视化在线检测的视觉特征分析模型.通过接续管压接后的无损特征监测,制定耐张线夹及接续管压接后无损检测的判别依据,通过图像视觉特征点标定技术,进行耐张线夹及接续管压接失效点定位.根据脉冲 X 射线数字成像的特征检测,实现对架空导线及自动压接设备的可视化检测和定位.测试结果表明,采用该方法进行自动压接设备定位的准确性较高,平均为 ９６．７％ .     

基于改进YOLOv5的电子元器件实例分割算法（英文）

为解决电子元器件组装中不同类型电子元器件难以自动区分的问题,利用改进的YOLOv5网络对电子元器件进行了实例分割,实现了不同元器件的自动识别分类。首先,使用三通道直方图均衡化对图像进行预处理。其次,在不增加模型复杂度的前提下,使用SE-Net通道注意力模块增强网络的特征提取能力,压缩无用信息;利用GhostNet实现网络轻量化;采用BiFPN增强网络特征融合能力。实验得出,采用改进的YOLOv5方法对电子元器件实例分割,其mAP为96.7%,单图的检测时间平均为45.5 ms.试样结果表明,该实例分割方法优于同类方法,对提高电子元件的自动化检测水平具有实用意义。     

基于相位和GGVF的水平集乳腺超声图像分割

提出一种基于相位和广义梯度矢量流(generalized gradient vector flow,GGVF)的水平集分割方法,并用于乳腺超声图像的肿瘤分割。首先,在频域空间,用Cauchy核替代Log-Gabor作为正交滤波器对图像进行滤波,提取来自于单演信号的多尺度图像特征,引入相位一致的思想将多尺度特征结合起来进行边界检测;然后,在此基础上,利用相位一致梯度图定义了一个基于相位的速度停止项函数,同时改进了GGVF;最后,将得到的速度停止项和梯度矢量流融入到水平集演化方程中来控制曲线的演化,获得乳腺肿瘤的边界。实验结果表明,使用该分割方法可获得比现有方法更好的乳腺肿瘤分割结果。     

基于非单色背景下的人脸彩色图定位算法与实现技术

针对非单色背景下的人脸,本文提出了一种新的人脸定位算法.该算法包括两个部分:首先进行肤色分割,该文采用迭代算法计算cb、cr阚值,进行自动分割,可完整地分割出人脸部分;然后进行人脸定位,由于嘴唇具有较高的cr值,可去除嘴唇部分以消除嘴唇对其它图象部分的影响,利用水平、竖直灰度特性确定人眼坐标,将人脸图象规范化.实验结果证明了该算法的有效性.     

基于机器视觉的汽车换挡面板自动分类方法

针对报废汽车企业对不同型号汽车换挡面板自动分类的需求,提出了一种基于机器视觉的面板自动分类方法。该方法首先使用Blob分析对图像进行预处理,分割出图像中的换挡面板目标对象,接着提取被分割图像的11个形状特征作为特征向量,利用特征向量训练多层感知器(Multi-Layer Perceptron,MLP),最后使用完成训练的MLP神经网络模型对不同类型的汽车换挡面板进行分类预测。实验结果表明,该方法的分类准确率达到99%,每幅图像的分类时间小于100 ms,验证了该方法的有效性与高效性,能够作为报废汽车换挡面板自动分类的一种手段。     

结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割

针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题,提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解,得到多尺度多方向高频子带;通过对各方向子带的高频系数进行非线性增益处理,实现边缘增强和噪声抑制。对和声搜索算法的"调音"策略和参数设定方法进行了改进,对不同类型气泡图像自适应地获取谷底边界检测算法的最优参数,提取谷底并进行形态学的边缘完善处理。最后进行了分割实验,并与其它方法做了比较。结果表明,采用该方法对不同类型气泡进行分割时,平均检测效率(DER)和准确率(ACR)分别为91.2%和90.6%,较传统分割方法有较大提高。该方法无需手工调节参数,自适应能力强,精度高。