排序方式: 共有66条查询结果,搜索用时 15 毫秒
1.
物体形状特征的准确提取往往受到图像获取、目标分割等过程中各种因素的影响,因而需要构造一种鲁棒的形状表现来保有其本质特征。揭示弹性二次曲线(EQW)模型中能量权重因子和样条重叠度因子与形状几何特性间的关系,提出一种自适应保持几何特征的EQW形状表现模型,并将该模型与交互式Live Wire算法相结合,应用至图像分割中,对于各种模态图像中的目标进行分割实验。直观上,本文方法能够在去除噪声同时较好地保持目标形状的显著特征;量化结果方面,交互式分割误差保持在较小稳定范围内,引入EQW模型带来的时间开销亦在可接受范围内。 相似文献
2.
统计形状模型(SSM)是有效的图像处理与分析方法。为了建立模型,需要从形状样本集中提取出具有对应关系的轮廓采样点集合,这是决定模型性能的关键。传统的手动标定这些点集来确保对应关系枯燥耗时且带有主观性,更难以向高维拓展。对形状建立逐层的多尺度参数表示,基于最小描述长度(MDL),在粗尺度上建立反映点对应程度的目标函数并最小化,提出首先确保粗尺度上具有最优意义的点对应,同时在精尺度上使用最便捷的弧长参数函数来确定特征点,完成感兴趣目标的快速统计形状建模,进而统计分析以验证模型性能,为后续图像分割或定量分析打下基础。实验对肌肉骨骼核磁共振成像(MRI)中椎骨、椎间盘以及半月板等具有临床意义的结构建立了统计形状模型,验证了本文方法与手动取点相比具有客观可重复性且更加简洁,与单一尺度下的MDL方法相比时间效率更高。基于此模型的图像分割与基于手动建模的分割相比,误差相当或有所降低。 相似文献
3.
4.
基于三维人脸成像系统的复数域人脸识别方法 总被引:1,自引:1,他引:1
三维人脸识别是模式识别和人工智能领域的研究热点。提出了一种利用人脸图像的二维灰度信息和三维深度信息进行人脸识别的算法。首先利用相关型图像传感器构成三维实时人脸成像系统,并将获得的三维人脸物理数据用复数形式表达。再将特征脸(Eigenface)方法和Fisherface方法拓展到复数域,提出了复数域特征脸方法和复数域Fisherface方法。改进的复数域人脸识别方法在三维实时成像系统的人脸数据库中进行的人脸识别实验表明,复数域的三维人脸识别方法明显优于传统的人脸识别方法。 相似文献
5.
本文提出一种基于稀疏表达残差的非参数化运动目标检测算法,在假设前景变化相对静态背景可以视为稀疏残差的基础上,采用视频前n帧初始化稀疏表达字典;利用字典对后续视频帧进行重构,提取每帧的重构残差;结合基于光照强度的全局阈值矩阵,将残差图像二值化,提取图像前景;利用前景区域和边缘点关系剔除ghost区域;采用增量PCA(Principal Component Analysis)算法和保守更新的思想对背景模型进行更新.在changedetection.net提供的shadow数据集上实验表明,采用全局更新和残差计算的方法,可以有效的解决由于自然场景光线变化导致的阴影变化,并且对自然场景中背景的小幅度抖动和相机抖动等问题也具有一定的抵抗能力. 相似文献
6.
为了克服图像识别中光照,姿态等变化带来的识别困难,同时提高稀疏表示图像识别的鲁棒性,本文提出了一种基于Gabor特征和字典学习的高斯混合稀疏表示图像识别算法.高斯混合稀疏表示是基于最大似然估计准则,将稀疏保真度表示为余项的最大似然函数,最终识别问题转化为求解加权范数的优化逼近问题.本文算法首先提取图像的Gabor特征;然后对Gabor特征集进行字典学习,由于在学习过程中引入了Fisher准则作为约束,学习得到具有类别标签的新字典;最后使用高斯混合稀疏表示识别方法进行分类识别.在3个公开数据库(人脸数据库AR库和FERET库以及USPS手写数字库)上的实验结果验证了该算法的有效性和鲁棒性. 相似文献
7.
人脸识别是生物特征识别技术最友好的身份识别方式,而三维人脸识别由于可解决二维人脸识别中存在的光照、姿态等局限,成为人脸识别的研究热点,但其特征维数过高是该领域的瓶颈,而维数约减是解决这一问题的关键.流形学习是一类非线性维数约减算法,LOGMAP是一种基于黎曼法坐标的流形学习算法,该算法可以在保持度量信息不变的情况下,把... 相似文献
8.
在工程材料的应用中,弹性模量是重要的性能参数,找到特定弹性性能的材料是新材料合成领域的热点问题,如何快速且准确的预测弹性在工程上具有重要意义.通过实际实验测量大量材料的弹性性能并不现实.因此,通过计算机模拟筛选材料数据,选出候选材料,再通过实际实验进行验证,是一种理想的新材料发现方法.目前材料性能预测的主要计算方法是基于第一性原理的高通量计算,这类方法效率低下,难以高效地完成大批量的材料筛选任务.而基于材料统计学的机器学习预测方法,可通过大数据挖掘,快速预测材料性能,成为一种有可能替代高通量计算的方案.本文将特征选择方法和机器学习模型进行组合,从中选择最有效的弹性模量预测组合方案,并设计交互界面对输入特征和材料弹性性能的关系进行可视化分析.实验表明Pearson/RFE和GBDT的组合模型性能最好,同时通过可视化分析发现每原子能量、熔点、密度等特征对于预测结果的影响较大.这些重要的特征可以从特征–目标关系中初步预测弹性模量的范围,目标属性值也可反过来估计材料的重要特征.这些研究成果可应用于探究弹性的影响因素、预测大批量材料性能和可视化分析指导材料合成. 相似文献
9.
10.
前列腺MR图像的自动分割已被广泛应用于前列腺癌的诊断和治疗过程中,然而,由于前列腺的形状变化显著且与相邻组织的对比度低,传统的分割方法仍存在精度低、速度慢等缺点.生成对抗网络GAN在计算机视觉任务中展示出了优越的性能,因此提出了一种使用对抗学习的概念来训练分割网络的方法,实现前列腺MR图像端到端的自动分割.模型框架主要由分割网络和判别网络构成,分割网络生成分割预测图,判别网络判断输入来自真实标签还是分割预测.同时,在分割网络中集成了感受野模块RFB来获取和融合深度特征的多尺度信息,提高特征的识别率和鲁棒性,以提升网络的分割性能.在PROMISE12数据集上的验证结果显示,该模型的DSC和HD分别为89.56% 和7.65 mm. 相似文献