基于K-L变换的手部软组织损伤红外热像图处理研究

近年来,红外热像技术为人体关节的检测提供了一种新的方法.随着该技术不断成熟和图像处理算法的不断改进,使得红外热像图的分析得到了提高.经过拍摄大量的红外热像图,并且对其预处理后,采用K-L变换降低样本的维数,并且生成特征空间,将待识别的红外热像图投影到这个低维特征空间.然后计算出与待测样本最近的训练样本,最终找到手部软组织受损部位.     

基于颜色和方向特征区域对比度的显著性检测模型

视觉显著性检测是很多计算机视觉任务的重要步骤,提出了一种基于颜色、方向特征和空间位置关系相结合的区域对比显著性检测算法.首先用基于图论的算法将图像分割成若干区域,结合区域间颜色特征和空间对比度计算出颜色显著图.同时采用基于纹理特征的算法分割图像,通过方向特征和空间对比度得到方向显著图.最后将二者结合得到最终显著图.在国际现有公开测试集上进行仿真实验,并与其它显著性检测方法进行对比,检测结果更加准确、合理,证明此算法切实可行.     

基于随机谱聚类的图像分割算法

图像分割就是把感兴趣的区域从背景中分割、提取出来,为了使分割出来的图像特征信息完整,根据图像的灰度值和空间距离构造了一种相似度函数,得到基于图的灰度值的相似度矩阵,将图像分割转化为图论最小割问题,然后运用谱聚类算法进行分割.针对谱聚类算法运行所需的内存空间和运算量大的特点,提出一种考虑概率因素的随机抽样谱聚类算法.在具体实施时,为了减少背景噪声对分割结果的影响,对图像进行了滤波预处理.结果表明,算法稳定性好,相对现有算法,分割效果得到改善.     

基于Kernel Discriminant Canonical Correlation(KDCC)的多观测样本分类算法

针对多观测样本分类问题,提出一种基于Kernel Discriminant CanonicalCorrelation(KDCC)来实现多观测样本分类的模型.该算法首先把原空间样本非线性的投影到高维特征空间,通过KPCA得到核子空间,然后在高维特征空间定义一个使类内核子空间的相关性最大,同时使类间核子空间的相关性最小的KDCC矩阵,通过迭代法训练出最优的KDCC矩阵,把每个核子空间投影到KDCC矩阵上得到转换核子空间,采用典型相关性作为转换核子空间之间的相似性度量,并采用最近邻准则作为多观测样本的分类决策,从而实现多观测样本的分类.在三个数据库上进行了一系列实验,实验结果表明提出的方法对于多观测样本分类具有可行性和有效性.     

基于贝叶斯分层混合模型的大脑FMRI图像分割

功能性磁共振成像(FMRI)是通过探索神经元活动的生物特性来揭示大脑功能的空间和时间信息的神经影像技术,自问世以来迅速应用于医学和脑神经科学的研究。本文针对目前大脑FMRI图像分割方法必须事先给定分割数目的问题,将完备数据似然方法、分层先验和可识别先验引入混合模型,建立一种对先验弱依赖的贝叶斯分层混合模型,采用可逆跳马尔可夫链蒙特卡罗算法对模型参数进行估计,实现在可变维参数空间的跳跃式抽样。对人类大脑FMRI图像的实例分析中,抽样得到的组织成分数与图像强度特征相一致,抽样分割结果图与原始图像相吻合。数据分析结果说明,贝叶斯分层混合模型方法能较好地体现FMRI图像的实际特征,实现大脑FMRI图像的自动分割     

基于数学方法的不完全投影数据估计

主要对不完全投影图像恢复问题中不完全投影数据进行了研究.对于投影数据不完全时,运用线性插值法和样条插值法在角度缺失的地方进行数据估计.最后通过仿真实验,将得到的估计投影图像与原始投影图像进行比较并分析.实验结果表明:在恢复投影图像的过程当中,采用线性插值误差更小,恢复的投影图像的精度更高,并且恢复速度快.     

基于投影寻踪和最优分割的企业信用评级模型

提出一种基于投影寻踪和最优分割的企业信用评级模型。该模型运用投影寻踪对样本企业进行信用综合评分,将信用综合得分由大到小排序,生成有序样品序列;利用最优分割法对有序样品进行聚类,得出明确的聚类结果;将最优分割点对应的信用综合得分作为划分信用等级的阈值,从而实现对样本企业的信用评级。应用实例证明了该模型的可行性和有效性。     

基于非线性变换的PCP-C模型及其在地下水动态分类中的应用

为了克服目前地下水动态分类方法中存在的不能揭示分类指标空间到类型空间的非线性映射关系、方法复杂、计算量大等缺陷,可采用基于非线性变换的主成分投影(PCP)-聚类(C)模型,对地下水动态进行分类.方法首先对分类指标数据进行对数中心化变换,然后应用主成分投影法将变换后的多维指标向量映射到最优一维向量空间,并根据各样本指标在一维向量空间的投影值进行聚类分析,由此得到地下水动态分类结果.地下水动态分类结果表明,建议方法概念清晰,结构简单,计算简便,分类结果可信,是一种有效的地下水动态分类方法.     

基于元胞自动机模型的图像分割算法

针对图像处理中的图像分割任务,我们提出了一个基于模糊元胞自动机模型的图像分割算法.将元胞自动机原理中的演化规则换为模糊规则建立模糊元胞自动机模型,使图像中灰度水平介于目标和背景之间的像素得以更好地归类,从而得到较好的图像分割结果.     

小邻域方法对数据的分类

为了由数据特征实施对数据更好的查询、图像更好的分割,提出了一种小邻域分类(ε-NC)方法.ε-NC能找出最佳的分类数量,分类时间明显减少.引入相对熵损失来限制样本图像的失真,采用可变步长搜索方法提高最小采样率搜索过程的效率;给出模糊隶属度,形成分类的有效性判断函数,减少迭代次数.采用ε-NC分类方法,对图像分割的准确率高、速度快、抗噪能力强,它对图像目标分类的准确率比传统最好的分类方法的准确率平均提高了5.65%,搜索速度提高9-12倍.     

利用三角形及其九点圆的摄像机标定

提出基于三角形及其九点圆的摄像机标定方法.利用了三角形九点圆中其九个点的特殊性,并且利用透视投影变换保二次曲线不变性,得到其像点在像平面共椭圆,从而可以通过九点的映射关系将透视投影变换的非线性问题线性化.图像分割和角点提取的误差会直接影响标定的精度,在此三角形及其九点圆中的点特别是算法中的关键点三角形顶点和垂心都是三条直线的交点,减小图像分割与提取时造成的误差.DLT方法的不精确就源于图像分割和角点提取的误差,方法克服了DLT方法的不足.张的方法无法保证单应性矩阵的正交性,因此为了保证正交性和提高精度需要优化.与传统方法相比操作简单,应用九点圆定理,仿射变换的引入将透视投影非线性问题线性化,避免了参数之间的非线性方程求解,降低了参数求解的复杂性,因此其定标过程快捷,准确.模板的构造,减少了图像分割和交点提取误差,算法实现保证旋转矩阵的正交性.综合上述分析,理论上表明方法的有效性.同时实验表明,标定方法操作简单,不需要计算机视觉的专业知识,快速,精度高,鲁棒性好.     

广义正交分解定理与Tseng度量广义逆

本文将Banach空间中广义正交分解定理从线性子空间拓广至非线性集—太阳集,分别给出了一算子为度量投影算子和一度量投影算子为有界线性算子的充要条件;得到了判别Banach空间中子空间广义正交可补的充要条件;建立了王玉文和季大琴(2000年)新近引入的Banach空间中的线性算子的Tseng度量广义逆存在的特征刻划条件;这些工作本质地把王玉文等人的新近结果从自反空间拓广至非自反空间的情形.     

基于改进遗传算法的自动阈值图像分割方法

图像分割技术在图像分析和图像识别上具有重要意义.传统自适应遗传算法有可能使问题求解陷入局部最优解,而求得错误的图像分割阈值.为了得到最优的图像分割阈值,对交叉率和变异率公式进行了重构,使得交叉率和变异率在任何情况下都不为零.同时,以最大二维熵函数作为适应度函数,采用选择、交叉变异等遗传操作作搜索最优分割阈值.仿真实验表明,该方法可以有效地提高图像分割精度和计算速度.     

广义正交分解定理与Tseng度量广义逆

本文将Banach空间中广义正交分解定理从线性子空间拓广至非线性集太阳集,分别给出了一算子为度量投影算子和一度量投影算子为有界线性算子的充要条件;得到了判别Banach空间中子空间广义正交可补的充要条件;建立了王玉文和季大琴(2000年)新近引入的Banach空间中的线性算子的Tseng度量广义逆存在的特征刻划条件;这些工作本质地把王玉文等人的新近结果从自反空间拓广至非自反空间的情形.     

持续同调在图像分类和识别中的应用

运用持续同调和单纯复形同调群计算的方法对图像做定性分析.将彩色数字图像看作为5维欧氏空间的一个子空间,构造出这个空间在不同参数下的单纯复形;然后,通过计算单纯复形的同调得到相应的条形码,从而基于该条形码来获取图像的拓扑特征以及相应的几何结构信息;最后,探讨了将持续同调应用在图像的分类和识别工作中的可行性.     

基于混合单纯形算法的模糊均值图像分割

针对模糊C均值算法用于图像分割时对初始值敏感、容易陷入局部极值的问题,提出基于混合单纯形算法的模糊均值图像分割算法.算法利用Nelder-Mead单纯形算法计算量小、搜索速度快和粒子群算法自适应能力强、具有较好的全局搜索能力的特点,将混合单纯形算法的结果作为模糊C均值算法的输入,并将其用于图像分割.实验结果表明:基于混合单纯形算法的模糊均值图像分割算法在改善图像分割质量的同时,提高了算法的运行速度.     

平板几何迁移算子的特征值问题

研究L^p(1相似文献   

遗传模糊聚类算法在图像边缘检测中的应用

将一种改进的遗传模糊c-均值聚类(GFGA)算法应用到图像的边缘检测中.我们将灰度图像中的每一个像素点看成是一个数据样本,将该点的灰度值经过Robert算子、Sobel算子和Prewitt算子处理构成它的特性向量,形成具有三维特征的数据集,然后对这个数据集应用遗传模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.实验结果表明,这种混合算法能得到很好的边缘效果,并且得到的结果无需再细化处理,提高了边缘定位的精度.     

基于线性插值方法的ART重建算法研究

在断层成像的实际应用中,CT图像重建常用于重建欠采样及不完全数据的投影.在此,主要从不完全投影进行考虑:用线性插值法对不完全投影数据进行估计补全,再运用ART算法对补全后的投影图像进行重建.仿真实验表明,在投影数据缺失较少时,这种思路是可行的,且得到的重建效果也较好.     

车牌识别机器学习方法的数学建模与实现

首先,针对不同光照、复杂背景和投影失真的车牌图像建立基于Adaboost算法和改进Haar特征的车牌检测模型;然后,运用Radon变换进行车牌校正,并结合3次B样条小波变换和识别反馈模型对字符进行粗和精分割;最后,根据汉字和数字字母的不同结构特征,采用不同的算法提取特征,特别是针对车牌字符特点,训练汉字、字母和数字字母3种神经网络模型用于建立字符识别模型.实验结果表明该模型是实用的.