断口显微图像信息的描述方法与系统实现

本文提出了断口显微图像信息的层次关系描述法，描述了运用这种信息关系建立的断口图像信息处理系统的基本原理及系统所采用的主要算法，包括断口显微图像视觉模式识别，分类，典型特征图像的预先处理等一系列算法。     

基于光电显微技术的猪肉新鲜度智能检测

通过对猪肉变质过程中生物化学机理分析,研究了猪肉脂肪组织细胞结构在氧化腐败过程中形态的特异变化.利用图像处理技术提取细胞组织特征信息,进行了聚类和分类判决,为猪肉新鲜度检测提供了一种新的辨识方法.     

地震剖面分割的模式识别方法

在初步了解，地质解释人员人工解释的方法，经验和前人所做的计算机解释系统的基础上，以地震地层学的理论知识为背景，利用模式识别和图象分析，提出了在计算机上对迭后地震剖面进行自动分割的一种新方案。     

金属断口图像的非线性模式识别方法

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性·     

基于图像特征的智能肺癌识别

提出一种基于图像特征进行计算机辅助医学诊断的智能算法。该算法使用神经网络技术有效地从彩色细胞切片图像中识别出肺癌细胞。首先，通过图像预处理和图像分割技术提取出切片图像中细胞的形状和颜色特征。接着，将这些图像特征输入训练好的肺癌分类识别神经网络，智能地识别出肺癌细胞。     

基于Multi—Agent的图像检索技术的研究

针对当前图像特征提取方法中,算法运行速度较慢以及远程图像的信息交换中带宽的限制,设计了一种基于Multi—agent技术的图像特征提取方法,重点讨论了该方法实现的关键技术,包括纹理特征、颜色特征和形状特征的提取算法。模拟实验表明,该方法所提取的特征内容丰富,占用网络的带宽较少,采用的算法运算速度提高明显,而三种基于内容的图像的特征能满足不同类型图像的识别和检索。     

基于纹理的图像检索算法

基于图像内容的检索CBIR(content-based image retrieval)是近年来的一个研究热点。它能够帮助人们在庞大的数字图像库中准确、快速地找出需要的资料。从图像的纹理特征入手,以彩色纹理图像作为研究对象,提出了一种新的基于纹理的图像检索算法。算法以小波分析作为预处理,合理分析、设计了特征向量的构成,并根据这些特征进行相似度计算,从而得出分类结果。在实验中对100幅图像进行检索,检索结果的正确率为75%。为了进一步验证算法的鲁棒性,对35种纹理及其旋转180°的图像共70幅图像进行检索,正确识别率为64%。实验说明本算法具有较高的识别率,并具有一定的鲁棒性。与其它算法相比,本算法在具有较高识别率的同时,能反映近似纹理的聚类性,且本算法不要求图像的尺寸完全相同。     

改进的基于图像能量中心的模式识别

提出一种改进的光学模式识别技术．这种技术在基于光学图像能量中心的保结构变换方法基础上加以改进，设计一种图像差异变换方法，使得系统不仅能满足图像位置、方向、尺寸和强度四重不变识别，而且可以识别保结构变换法中的中心不变量相同的图像．     

标准正面人脸图象的特征提取

人脸的识别技术（ＦＲＴ）是当前模式识别领域的一个热点课题,人脸特征的自动提取是人脸自动识别过程中至关重要的一步,文中采用基于人脸几何特征的方法,设计一个初步的自动人脸特征提取系统,首先通过改进后的边缘检测和阈值技术在头肩型图象中找到头部轮廓,再利用“三停五眼”的标准进一步确定五官大概的位置,最后提取出７个有效的特征点,本系统建了一个包含５０个人脸图象的数据库,实验结果表明这种方法可以有效地获取头部轮廓一人脸特征点。     

图像视频检索的研究和应用

目前使用较广泛的视频检索系统是基于文本方式的。使用字或自由文本描述视频数据库中的视频，采用文本匹配检索．基于内容的视频检索利用了视频本身的很多特征，提供了更可靠更有效的视频检索方式．介绍了利用VB和Access建立的街道视频数据库，提供2个城区街道浏览、查询、检索等功能，并给出了核心代码．     

小波神经网络在人脸识别中的应用

人脸识别是一个涉及生理学、心理学、图像处理、计算机视觉、模式识别和数学等多个学科的前沿课题。小波神经网络是在小波分析研究获得突破的基础上提出的一种前馈性网络,避免了BP网络等结构设计上的盲目性,网络训练过程从根本上避免了局部最优等非线性优化问题,有较强的函数学习能力和推广能力。基于小波神经网络,文中提出了一种新的人脸识别算法。该算法利用小波多分辨特性和神经网络的鲁棒性和记忆性,同时结合了加速网络收敛速度的小波神经网络步长调整算法。实验证明该算法有高的检测率和有效性。     

人脸图像有效鉴别特征抽取与识别

基于具有统计不相关性的最优鉴别变换,分析了小样本识别问题,提出了抽取人脸图像有效鉴别特征方法,在Ｏｌｉｖｅｔｔｉ Ｒｅｓｅａｒｃｈ Ｌａｂｏｒａｔｏｒｙ（ＯＲＬ）人脸图像库上得到了平均识别错误率为２．７５％的实验结果,这是目前在ＯＲＬ人脸图像数据库上所得到的最好的实验结果,并在南京理工大学ＮＵＳＴ６０３人脸图像库上得到平均识别错误率为０．９％,的实验结果,这些结果表明所提出的人脸图有效鉴别特征方法     

提取数字图像相对灰度特征的Robust估计及其快速算法

以玻璃饮料瓶清洁度的在线自动检验问题为背景，研究了应用计算机图像处理与 模式识别方法实现这一自动检验过程中的图像特征提取问题．文中提出了根据图像的 相对灰度检测方迹图像的思路，给出了描述相对灰度特征的参数和提取该参数的统计 估值方法．针对实际饮料瓶一致性差．图像复杂的特点，提出一种ｒｏｂｕｓｔ估计方法 来解决特征提取的可靠性问题．同时为了满足在线处理的实时性要求，文中在给出两 个有关数字图像相对灰度信号及其方差函数的定理的基础上，给出了一种实现ｒｏｂｕｓｔ 估计的快速算法，从而解决了特征提取中的可靠性与实时性之间的矛盾．文中方法已 在一套计算机图像处理系统上实现．结果完全满足实际要求．     

快速区域生长与特征提取算法

就灰度图像的分割与目标提取问题，提出了一种快速区域生长和特征提取算法．该算法以水平线段作为区域的基本单元，用堆栈的方法记忆可能存在的禾生长区域的方向。因而区域生长速度快，不需要占用额外的图像缓存区，同时能方便地给出图像的拓扑性质及一些有用的特征．包括图像中物体的个数，每个物体的面积、内孔数、边界长、各阶矩及极点等特征。     

一种有监督的模糊模式识别模型

给出了一种有监督的两类模式识别模型，该模型允许选取模糊特征，其学习或训练方法是模拟人们认识事物的过程实现的，它是Ｃｏｒａ－３模式识别方法的一种拓广。因此可作为较复杂的智能系统或专家系统的识别模型．     

基于车辆牌照识别系统字符的特征提取方法研究

对车辆牌照识别系统中分割下来的牌照字符特征提取环节涉及的新算法、新技术进行了深入探讨,主要研究用提取图象变换系数、图象统计矩和方向特征量的方法提取字符的分类特征,针对实验结果进行了分析。以上工作为车辆牌照识别系统的整体设计打下了一定的基础。     

基于3D梯度投影描述的微表情捕捉与识别

以3D梯度描述为依据,提出了一种基于3D梯度投影描述捕捉微表情关键帧的方法.首先,通过对视频流中面部特征区域的投影梯度方向直方图的直观描述来分析面部表情动作趋势,进而通过直方图的峰值区域捕捉微表情所在的关键帧;然后,运用多尺度多方向的Gabor滤波器组提取微表情特征区域的Gabor图谱,并引入局部二值模式进行特征降维;最后,通过基于梯度量级加权的最近邻算法进行微表情的识别与分类.实验结果表明:该方法摆脱了传统视频流表情分析系统对于动态图像序列进行逐帧检测识别的不足,较为有效地实现了图像序列中微表情关键帧的捕捉与识别,提高了系统的实时性与准确性,基本满足微表情对于系统强实时性的需求.     

基于特征提取算法下点细胞的识别侦测实现

为解决类似血液环境中点细胞的自动识别与侦测,提高点细胞的人工辨别和计数效率、避免人为统计误差,达到对点细胞信息状态的快速、自动、准确统计,设计了点细胞识别与匹配流程。通过分析点细胞背景图像场,对其图像进行相应切分、二值化、去燥等处理后,利用细节特征算子得到点细胞信息特征空间场。通过特征向量的决策选优改善传统的搜索计算方法,避免了大量信息冗余查询;采用空间决策性能函数优化搜索,减少了特征提取计算量,提高了点细胞识别准确性与状态定位。该方法可逐步应用在医院等领域进行液体环境中的细胞识别、计数、运动轨迹追踪等。     

玻璃瓶底污物的实时检验图像识别方法

玻璃瓶底残留污物的实时自动检，其难点在于瓶底图像复杂多变，耍设法把由瓶底本身凸凹结构或标记等形成的暗影与真正污物区分开。针对实际生产的需要，捉出一种玻璃瓶底实时自动检验的计算机图像识别方法。主要包括分区选择多级自适应特正门限，通过区域生长方法提取污物特征参数，判决分类。此方法有效地解决了实时性与准确性要求的矛盾，并已在模拟验瓶系统上用软件实现。实验与测试结果表明，在检测直径为 ２ｍｍ不透明污物的最小溶限下，正确识别率为 ９６．４％，漏检率０．４％，误检率３．２％．能满足实际生产中每秒检验１０个瓶于的需要。