一种基于神经网络的扇贝图像识别方法

为了满足计算机视觉辅助下应用机器人进行扇贝自动分拣的实时性和鲁棒性要求,提出了一种基于神经网络的扇贝识别和分级方法。首先对图像进行灰度化处理,并用canny算子检测目标边界,然后用8-连通邻域追踪算法提取目标边界像素坐标,最后计算目标边界到中心点的平均距离及其绝对平均误差,并作为特征信息训练BP神经网络,实现对扇贝图像识别和分类。实验结果表明,该方法可以快速实现扇贝的自动识别和分级工作。     

基于改进的蚁群算法的测试数据自动生成方法

本文设计了测试数据自动生成模型,提出一种基于改进的蚁群算法的测试数据自动生成方法。该方法在传统蚁群算法的概率算子中引入相似度影响因子,增加了算法的全局搜索能力。通过三角形判别问题,对改进的算法与传统蚁群算法对比分析。实验结果表明,该算法相较传统蚁群算法具有搜索效率高、全局搜索能力强的特点,在测试数据自动生成问题中具有较强的可行性。     

基于图像处理技术的岩体裂隙定量识别方法研究

传统的岩体裂隙特征提取方法较难及时准确地对裂隙特征进行提取,现有数字化处理方式缺乏系统性。笔者提出一种基于图像处理技术的岩体裂隙定量识别与表征方法,在小波分析基础上建立了自动阈值分割算法,对图像裂隙区域进行分割处理。在对图像进行裂隙区域分割处理后,采用区域生长法计算裂隙面积。采用边界跟踪算法提取边缘轮廓,并利用Zhang-Suen细化算法计算裂隙骨架。在此基础上利用动量法拟合骨架切线,并计算切线的法向向量,利用三角函数转化来计算裂隙倾角,结合DDA画线算法对裂隙宽度信息进行提取并计算裂隙宽度。研究结果表明：基于小波分析建立的自动阈值分割算法,在对裂隙区域的分割效果、阈值选取及计算速度上均优于传统的Otsu算法。在裂隙特征值的提取计算上,该方法不仅保证了骨架的平滑度,而且提高骨架的拟合程度,相比于传统方法,该方法计算更加简单,计算量更小。     

基于图像特征的遥感影像水体自动提取方案研究

为了提高生产效率,文章基于视觉特征和图像识别技术,提出一种适合高分辨率遥感影像的自动提取水体的方案,阐述算法关键技术,引入感知器神经网络模型进行综合决策,选取影像验证结果,结果表明该方法能够有效提取水体区域,具有很强的适应性。     

基于聚类分析的双面文档半自动拼接

针对双面规格碎片,提出了一种基于聚类分析的半自动拼接方法。根据碎片边缘的文字特征,构造碎片的相似性判别函数,进行最大相似性判别并聚类分析,找到同一行的碎片排列,最终实现了文档的横向、纵向拼接,在MATLAB下的实验表明该算法效率高,相对人工干预少。     

基于SIFT特征的消防侦察图像自动拼接算法

提出了一种基于尺度不变特征变换（SIFT）特征的消防侦察图像自动拼接算法,并介绍了该算法的具体工作原理。该算法首先通过消防侦察机器人采集火场图像,利用SIFT变换捕获图像中的特征点,然后通过有效匹配和变换矩阵的有效估计,并对重叠区域实施加权融合,实现图像拼接。仿真结果表明,该算法具有良好的拼接效果,为消防侦察提供更加全面和可靠的图像信息,有利于后方指挥中心的合理决策。     

大型古建筑维护中残缺区域视觉施工测量优化

在大型古建筑物测量的过程中,由于残缺区域边界纹理特征分布极为复杂,造成残缺区域特征在图像重构的过程精确度降低,导致难以进行准确测量。提出一种基于边界特征自动提取算法的大型古建筑残缺区域施工测量方法。根据残缺区域边界的曲率计算结果,结合种子格栅选取和自动区域生长等方法将大型古建筑残缺区域的关键数据点从背景中进行有效分离,根据多边形细分和离散光顺相关原理对大型古建筑残缺区域的边界进行重构,提高了大型古建筑测量的准确度。试验结果表明,利用边界特征自动提取算法能够有效将大型古建筑残缺区域进行重构,极大地提高了大型古建筑测量的准确度。     

改进的FCM算法在医学图像分割中的应用

模糊C均值（FCM）算法是一种非监督聚类算法,该算法在图像分割中得到了广泛的应用。但是FCM算法有一定的缺陷,比如没有充分利用图像的空间信息、聚类数目无法自动确定、计算量大等问题。本文通过对直方图进行分析,采用峰点检测技术,自动确定聚类数目和各类的峰值,提出了一种适用医学图像分割的改进FCM算法,实验表明,该方法是一种具有自动分类能力的速度更快的模糊聚类图像分割算法。     

多尺度分解算法与融合规则优化组合的双模态红外图像融合

针对现有双模态红外图像多尺度分解算法与融合规则的组合关系不能随着图像特征的不同而改变的问题,提出基于不同图像特征的多尺度分解算法与融合规则优化组合的融合方法。首先分析比较了7种常用多尺度分解算法对图像结构、边缘、纹理特征的提取效果;其次利用8种典型的融合规则对上述特征进行融合,并分析融合效果;最后提出了选择优化组合的融合效果分作为依据,构建了不同组合融合效果分数图,利用该分数图得出对于单特征与双特征融合的优化组合算法。实验结果表明,该优化组合方法对于不同图像特征的融合效果具有明显提升。     

孤立性肺结节诊断模型的特征选择算法

孤立性肺结节诊断模型中未得到充分解决的一个关键问题就是如何选择合适的特征子集。为了构建一个良好的诊断预测模型,提高肺结节良恶性诊断的效率以及准确率,提出了一种基于联合互信息的混合模型特征子集选择算法。该算法综合过滤式和包裹式特征选择模型各自的优势,首先使用过滤式方法得到与诊断有高相关度的候选特征子集,然后通过包裹式方法对候选特征子集进行特征间冗余分析,最后得到最优特征子集。实验表明,该算法与基于其他互信息的过滤式、混合模型特征选择方法相比,不仅在特征子集数目上,而且在良恶性诊断的敏感性、特异性和平均分类准确率上,均具有很好的性能效果。