基于支持向量机的红细胞彩色图像分割

对红细胞进行精确的分割并统计各类参数在临床医学中有着重要的意义,但现有经典算法很难实现自动分割并获得较高准确率。红细胞的分割主要有两个难点：一是红细胞的目标提取;二是重叠红细胞的分割。本文首先利用SVM对原始图像进行红细胞提取,把原始细胞分割成红细胞和背景两类目标区域,然后对红细胞区域进行重叠分割（本文中使用改进距离标记的分水岭算法）,最终得到各个红细胞的统计数据。为获得最佳的分割效果,本文通过实验对核函数、支持向量类型及相关参数进行了详细的比较和分析。实验结果表明,该算法能有效、快捷、准确、全自动的实现     

一种全局主色和局部主色相结合的图像检索方法

提出一种基于全局主色和局部主色相结合的图像检索方法。对图像进行扇形分割。提取各扇区的主色,对全局主色和局部主色同时进行相似度匹配。不仅利用图像的颜色特征,也考虑颜色特征的空间分布。对该方法的检索效果和性能进行详细分析。实验结果表明该方法反映图像颜色的空间分布及局部细节,具有更好的检索效果。     

一种基于启发式搜索的论文元数据提取算法

随着大量的科研论文以电子文档的形式出现, 为了高效地检索这些科研文献资料,从中精确地抽取这些论文头部的元数据信息显得十分有必要.在条件随机场模型的基础上,提出了一种启发式搜索算法来对论文头部的元数据信息进行提取.该算法首先利用文本分块技术和特征提取规则来对文本进行预处理,然后结合条件随机场概率模型利用启发式搜索来进行元数据的提取.实验结果表明,在相同概率模型的基础上,该算法有着较好的性能,在精确度和召回率方面都有了明显的提高.     

蝶类昆虫识别算法的研究与分析

提出利用边缘检测及角点提取来识别蝶类昆虫的方法.通过用四种边缘检测算子对鳞翅目蝴蝶进行边缘检测并作比较分析,从中找出鳞翅目昆虫边缘检测的最佳边缘检测算子,然后对边缘检测后的图像进行了角点提取特征信息,通过实验能够得到蝶类图像的特征,为下一步蝶类识别奠定了基础.     

基于先验知识的月球车视觉系统特征提取方法

为了满足月面巡视探测器的自主导航要求。提出一种新的基于先验知识的特征点提取算法。首先,根据先验知识对原始图像进行预分割成危险区域和安全区域,然后在危险区域里面进行特征点的选取工作,对特征点用于以后的匹配和目标定位,进而用于视觉系统的导航工作。与传统算法相比,提取方法可以有效减少计算量,使选取特征点更加准确,提高后续匹配阶段的处理速度和匹配精度。在模拟试验场的双目视觉照片中,通过实验取得较好的效果。     

一种MPEG压缩域的运动对象快速提取算法

针对目前压缩域直接得到的运动矢量过于稀疏且不可靠,导致运动对象分割精度不高等问题,提出一种适合于MPEG视频流的压缩域运动对象提取算法。它先对MPEG码流进行熵解码得到的运动矢量场进行可靠性度量校正、置密和滤波处理,并采用基于块的区域增长算法得到每个对象的大致运动区域;然后解码属于运动区域的块,并把被还原的每个位置的像素值分布视为高斯分布,用统计的方法建立其高斯模型,通过阈值判断可靠地提取出最终具有像素精度运动对象。仿真实验表明,该算法可以有效地去除运动矢量噪声的影响,分割精度显著提高,并且具有较高的处理速度。对于QCIF 格式的视频码流, 每秒可以处理约50帧。     

基于二维小波变换的车牌边缘检测的研究

在Matlab环境下运用基于二维小波变换边缘检测方法提取车牌信息的边缘。实验证明这种方法对车牌边缘信息提取的效果比传统的边缘提取算子提取车牌信息边缘的效果要好,特别是对伪边缘和图片噪声的过滤作用比较明显。     

基于计算机视觉的鞘翅目害虫自动鉴定

鞘翅目害虫的鉴别工作是由数量有限的专业研究人员进行,大部分非专业人员因缺乏相关知识和技术培训,要快速鉴定害虫种属具有相当的难度,不利于害虫防治.为此提出利用计算机视觉技术对鞘翅目害虫进行自动识别.用不同的图像获取系统分别采集体长不同的鞘翅目害虫图像,然后通过数字图像分析技术,提取和计算害虫图像的几何形状特征参数.采用模糊模式识别算法建立害虫的模式库和隶属函数,然后根据模糊集理论的极小极大准则完成待识别害虫的归类.对29种鞘翅目害虫进行识别,识别正确率为86.2%.为鞘翅目害虫的快速鉴定提供了一个新的途径.     

类型学在古村镇及历史街区保护中的运用——以对重庆磁器口古镇的原型提取与分析为例

近代以来中国的经济与城市建设迅速腾飞,然而在过去的城市更新发展活动中,常常是以牺牲古村镇以及城市中历史地段的历史价值和文化价值作为代价。以重庆磁器口古镇为例,利用类型学的方法,对历史地段中残存的传统空间及其历史信息进行挖掘整理,保护其传统文化和地域特色,实现对历史地段的文化传承与保护性重构,进而探讨类型学在历史街区保护与更新中的作用及其应用步骤。     

自适应变分模式提取的轴承故障诊断方法

变分模式提取(variational mode extraction, VME)能够从复杂信号中提取特定的模式分量,但其在轴承故障诊断中的应用潜力受到初始中心频率和平衡参数的影响。因此,为了克服VME在轴承故障诊断应用中超参数的设置问题,深入探究VME模型中心频率迭代更新过程,发现中心频率收敛趋势现象并通过理论证明其存在性,由此提出中心频率定位策略,可自适应地确定目标中心频率。为了最大化匹配故障信息,构造基于故障特征幅值比的平衡参数优化策略,能够优化目标分量的带宽。以上中心频率定位策略和平衡参数优化策略,构成自适应变分模式提取的故障诊断方法,该方法能够在无需预设初始中心频率及平衡参数的情况下自适应提取故障相关分量。仿真和两个试验案例分析结果验证所提方法在轴承故障诊断领域相比于连续变分模式分解、经验模式分解和快速谱峭度方法更具有效性和优越性。