基于最低冗余度策略的医学图像可视化技术研究

提出了医学图像快速体绘制的一种基于最低冗余度策略的可视化技术VLR(visualization with the least redundancy)算法.利用卷积实现多输入到单输出映射特性,仅对兴趣体素以及对其产生影响的体素进行数据处理,极大地降低了数据处理冗余度;同时,通过有效利用缓冲区,避免数据重复运算,节省了内存和运算时间.实验表明,该算法在医学图像可视化方面是非常有效的.     

基于深度学习的遥感图像目标检测技术研究进展

目标检测是遥感图像信息提取领域中的研究热点之一,具有广泛的应用前景。近些年来,深度学习在计算机视觉领域的发展为海量遥感图像信息提取提供了强大的技术支撑,使得遥感图像目标检测的精确度和效率均得到了很大提升。然而,由于遥感图像目标具有多尺度、多种旋转角度、场景复杂等特点,在高质量标记样本有限的情况下,深度学习在遥感图像目标检测应用中仍面临巨大挑战。从尺度不变性、旋转不变性、复杂背景干扰、样本量少和多波段数据检测5个角度出发,总结了近几年基于深度学习的遥感图像目标检测方法。此外,对典型遥感图像目标的检测难点和方法进行分析和总结,并对公开的遥感图像目标检测数据集进行概述。最后阐述了遥感图像目标检测研究的未来趋势。     

基于DVB-S的视频实时监测处理方法

针对视频节日监测采集到的活动与静止的视频场景变化,采用GoP数据量波动率对场景变换进行粗判,并利用I帧和直方图帧差方法进行细判的联合检测算法,能较好检测场景变换,实现视频数据自动监控记录,大大节省了存储空间和工作量.     

2D Image based sieving for particle aggregate gradation

Acquiring the size gradation for particle aggregates is a common practice in the granule related industry, and mechanical sieving or screening has been the normal method. Among many drawbacks of this conventional means, the major ones are time-consuming, labor-intensive, and being unable to provide real-time feedback for process control. In this letter, an optical sieving approach is introduced. The two-dimensional images are used to develop methods for inferring particle volume and sieving behavior for gradation purposes. And a combination of deterministic and probabilistic methods is described to predict the sieving behaviors of the particles and to construct the gradation curves for the aggregate sample. Comparison of the optical sieving with standard mechanical sieving shows good correlation.     

用改进的随机Hough变换检测胸水图像中的细胞

针对胸水细胞显微图像的特点提出一种改进的随机Hough变换(MRHT,modified randomized hough transform)检测圆和椭圆的算法.该算法分为两步:利用椭圆的几何性质,确定可能的椭圆中心的位置;在限定区域内,通过多次3点随机抽样,计算椭圆除中心坐标外的其他3个参数.研究表明,该算法可以同时检测多个圆和椭圆,可以从胸水细胞显微图像的复杂背景中较为准确地提取圆形和椭圆形细胞.实验结果表明,该算法有较高的检测效率,检测精度和较强的鲁棒性.     

Deep learning of rock microscopic images for intelligent lithology identification: Neural network comparison and selection

An intelligent lithology identification method is proposed based on deep learning of the rock microscopic images. Based on the characteristics of rock images in the dataset, we used Xception, Mobile Net＿v2,Inception＿Res Net＿v2, Inception＿v3, Densenet121, Res Net101＿v2, and Res Net-101 to develop microscopic image classification models, and then the network structures of seven different convolutional neural networks(CNNs) were compared. It shows that the multi-layer representation of rock feature...     

基于迁移学习与特征融合的眼底图像分类

针对大量眼底图片难以收集和标注、有经验的眼科医生地区分配不均匀等,导致眼底疾病患者检查准确度低、花费时间较长等问题,本文基于迁移学习提出一种图像分类方法:首先修改EfficientNet-B0和EfficientNet-B7模型并进行参数微调,将微调后的模型作为特征提取器用于提取眼底图像的特征,再对提取的特征进行特征融...     

基于MD-CBAM的多样性裂缝图像修复方法

大多数现有的桥梁裂缝图像修复方法为单一目标修复,无法根据孔洞周边的有效信息生成多种合理的填充内容且修复结果存在结构扭曲和纹理模糊的问题。本文提出了一种基于掩膜距离卷积块注意力模块(mask distance convolutional block attention module, MD-CBAM)的多样性裂缝图像修复网络,该方法主要由多样性结构生成器与纹理生成器组成。提出区域结构注意力以降低遮挡区域像素与有效像素的差异性,根据掩膜特征对注意力分数进行平均池化处理,提高模型对遮挡区域的推断能力。设计MD-CBAM模块用以在纹理生成阶段合成高质量的特征,该模块利用特征之间的距离信息与语义信息,有效增强了模型填充大孔洞的能力。实验结果表明,本文方法修复的图像具有更为明确的结构和更加合理的纹理,在各掩膜比例下峰值信噪比(peak signal-to-noise ratio,PSNR)和FID(Fréchet inception distance)均达到最优,其中PSNR在掩膜比例为[0.4,0.5)时增加了0.22—2.38 dB且结构相似度(structural similarity,SS...     

视觉传感器与激光测距雷达空间对准方法

利用激光测距雷达与视觉传感器进行数据融合,可以解决因光线问题造成的可见光图像缺失、虚警率高的问题.而两者的空间对准又是数据融合的前提.针对地面自主移动平台上安装的可见光视觉传感器与激光测距雷达的特性,将激光测距雷达数据转化为图像,利用标定模板提供的空间约束求解,对可见光与激光距离图像的空间对准问题进行求解.最后,验证实验结果并进行误差分析.实验结果表明,该方法能够有效地对可见光与激光距离图像进行空间对准,实现可见光图像与激光测距雷达数据的关联.     

基于参数优化支持向量机的火焰图像识别

图像型火灾探测的主要问题是关于火焰和干扰物的识别。通过提取火灾图像特征,利用支持向量机来进行识别。为提高火灾准确预报率,用参数优化后的支持向量机来预报。提出一种混沌粒子群算法对支持向量机进行参数优化。实验表明,改进的粒子群算法比传统方法的火灾准确预报率有大幅提高,可以进一步降低火灾探测系统的误报。