双态形状重构及其在前列腺超声图像分割中的应用

前列腺超声图像在临床中的准确分割对于后续诊断具有重要的影响,而当前已有研究结论无法精确分割各个部分。提出了一种基于点分布模型和流形学习的双态形状重构的方法,并对前列腺超声图像进行分割：通过随机森林指示隐态表达进行目标初定位;改进边界算子以改善粗分割准确性;使用显态表达与噪声部分相邻的部分灰度显著点来进行插值计算,从而恢复整体形状。该分割方式不仅减少了数据计算量,还增加了分割可靠性。实验表明,该方法的DSC指标为97.38%,mIoU指标为95.24%,精度强于当前热门分割神经网络。     

基于卷缩轮信息的虹膜识别

本文利用图像纹理元的灰度模式及统计特征完成卷缩轮的分割，并在卷缩轮分割的基础上实现对虹膜的识别；同时，运用该方法进行了实验，实验效果很好。     

一种改进的虹膜定位算法

在以往虹膜定位的基础上提出一种改进的虹膜定位算法,主要体现在虹膜的粗定位上,运用Daugman提出的虹膜定位算法能更有效地定位虹膜.实验表明,具有更好的定位效果.     

基于μC/OS-Ⅱ的无线固话主任务模块的开发

将ARM处理器和μC/OS-Ⅱ应用到无线固话的开发中,阐述了无线固话的主任务模块的开发.此外,讨论了基于μC/OS-Ⅱ实时多任务系统的任务程序开发的一般思路和方法,对其他的多任务系统的开发也具有一定的借鉴意义.     

用于3维重建的立体图像校正

传统的图像校正方法通过最小化匹配点间的距离作为目标函数引导图像校正,但往往会导致被校正图像出现较大的失真变形,不仅无法为3维(3D)重建提供信息,反而会带来额外的误差.为此提出一种无需相机标定的图像校正方法,有效地保留图像因拍摄方位不同带来的视差,为3D重建提供所需的重要信息.方法首先利用立体图像的对极匹配原理,推导出将2幅图像极线对齐到同一方向的变换,然后在此基础上引入使得图像纵横比保持不变的剪切变换过程,有效地减小校正图像的几何变形.实验表明,该方法是一种鲁棒的图像校正方法.     

虹膜区域中的眼皮定位

为更有效、更准确地进行虹膜识别,在虹膜定位的基础上,提出一种抛物线积分-差分算子用来对眼皮进行定位.定位的结果可以用于虹膜不可用区域的计算,为虹膜图像质量评价和后续的虹膜识别打下良好的基础.实验证明该方法的有效性和可行性.     

基于卷缩轮编码的虹膜识别

摘要利用图像纹理元的灰度模式及统计特征完成虹膜图像的卷缩轮分割,并在卷缩轮分割的基础上实现对虹膜的识别;实验结果表明,该方法具有很好的识别效果。     

YOLOv3与顶点偏移估计相结合的车牌定位

深层卷积神经网络(deep convolutional neural networks,DCNN)因其能够自动学习图像有效特征,被广泛应用于视觉目标检测.为克服DCNN目标检测算法大多因采用矩形检测框,而无法有效地应对非约束环境下倾斜性车牌的准确定位问题.提出一种可同时输出矩形目标检测框与关键点的车牌定位解决方案,并具...     

交通道路行驶车辆车标识别算法

为解决交通道路行驶车辆车标识别中存在的目标小、噪声大、种类多的问题,提出了一种基于深度学习的目标检测算法与基于形态学模板匹配算法相结合的方法,并设计了一种高准确度且能应对新类型车标的识别系统.首先,采用通过K-Means++重新聚类锚框值,并引入残差网络的YOLOv4进行车标的一步定位;其次,通过对标准车标图像进行预处...     

基于解的空间约束的超声前列腺图像分割算法

超声前列腺图像分割是一项极具挑战的任务，目前传统检测算子面对灰度对比不显著的部位难以去辨别，神经网络则忽视了超声图像信噪比低的影响且消耗大量算力。为解决以上问题提出一种高效的基于解的空间约束的超声前列腺图像分割算法，将分割问题转化为求边界点问题，首先对法向量算子改进，改善其检测能力；然后使用降噪自编码器根据形状约束克服噪声优化解的空间；最后引入迭代算子将解的范围限制在极小的区域实现精准分割。实验表明，模型交并比型(IoU)达94.4%,DSC值约97.05%,精度高于当前热门的神经网络算法，且更轻量化。