基于多聚类中心和PCNN的医学图像融合算法

提出一种基于K-means Clustering和脉冲耦合神经网络(PCNN)的图像融合的方法,首先,以多特征信息为聚类方式利用K-means Clustering分割提取源图像的对应特征点,通过归类合并建立多模医学图像的特征点集合,根据特征点分布将图像划分为纹理区域和非纹理区域,纹理区域对应系数输入PCNN得到点火映射图,根据点火次数选择融合系数,非纹理区域的系数通过双通道PCNN进行融合。实验结果表明,该算法能够精确划分图像纹理区域,进而利用PCNN和双通道PCNN在图像不同区域系数选择各自的优势,融合图像纹理清晰,质量改善。     

一种基于小波变换的文字检测与提取方法

视频中包含的文字信息与视频的语义内容有很强的相关性,将视频中的文字信息提取出来进行分析处理可以有效地理解电视视频语义,从而实现对视频内容的安全监控。针对文字检测提出一种基于小波变换、角点特征图像和统计特征的有效方法,并运用基于彩色空间的文字提取方法获取二值图像,更有利于后面OCR的文字识别。     

人脸识别算法在OMAP-L138平台上的研究与实现

针对人脸识别技术在嵌入式门禁系统中的应用,提出了以OMAP-L138微处理器为核心的嵌入式系统,该系统能够很好地保证实时性和可靠性。通过Adaboost人脸检测算法,以及基于Gabor的人脸识别算法实现了嵌入式门禁系统。相应的实验结果表明,该算法在嵌入式平台得到了优化,嵌入式系统的高可靠性和实时性问题得以解决。     

局部线性嵌入算法和相关反馈的医学图像检索

为了提高医学图像检索的正确率,提出一种局部线性嵌入算法和相关反馈相融合的医学图像检索方法(LLE-MF)。首先根据方块编码的思想提取颜色分量的信息熵,并利用邻域灰度共生矩阵提取纹理特征;然后采用局部线性嵌入算法对颜色和纹理特征进行组合、降维处理,并采用欧式距离相似度量模型对图像初步进行检索,最后采用最小二乘支持向量机对初步检索结果进行相关反馈,并进行仿真测试。结果表明,相对于其他医学检索算法,LLE-MF不仅提高了医学图像的检索准确率,而且提高了医学图像的检索效率,可以准确地找到用户所需的图像。     

基于极限学习机的遥感影像阴影检测

为提高阴影检测精度,采用基于极限学习机的遥感影像阴影检测方法,将纹理特征的能量、熵、对比度和逆差距4个指数作为输入特征向量训练学习机模型,实现阴影区域的检测。实验结果表明,当纹理窗口大小为4×4,步长为1时,能够将阴影区域较好地检测出来。该方法能够克服阈值法的地物错检问题以及反复选取阈值的缺点,并解决了神经网络及支持向量机多参数选取困难的问题,有效地提高了阴影区域检测速度和精度,具有较好的鲁棒性和泛化性能,综合性能优于阈值法、神经网络和支持向量机。     

基于支持向量机的多源冲击地压预测算法

考虑到单一变量描述系统信息的局限性,利用多源混沌监测时间序列来评价和预测冲击危险性,提高冲击地压预测精度。由于冲击地压监测时间序列具有混沌特性,经重构得到的状态向量能更好反映开采过程中煤岩体结构变化,本文以此作为预测模型的输入变量。考虑到状态向量的特征间存在冗余性和互补性,提出了基于特征聚类的随机子空间集成学习算法,并详细说明了该算法中特征聚类、特征子集的形成、个体学习器的训练等环节的实现。最后以25110工作面地压监控数据为例进行了验证。结果表明相对于使用单一监测变量作为输入的预测方法,本文方法精度明显提高。     

视频流中基于特征匹配的人体肘关节跟踪算法研究

对视频流中运动员肘关节进行检测和跟踪。本文主要对肘关节的跟踪算法做了详细的研究,利用光流特征匹配算法完成了对肘关节特征点的跟踪。胳膊肘运动幅度不是很大时,该算法能有一个很好的跟踪效果,并且给出了运动员从拉满弓到箭出靶这段时间内肘关节的运动曲线。得到视频中射箭运动员在箭射出的瞬间,运动员肘关节运动轨迹和运动速度。     

脑部CT图像的三维重建及纹理特征研究

本文提出了一种使用灰度共生矩阵提取三维重建后的脑部图像的三维纹理特征的方法。分别对10组正常脑部CT图像与10组脑瘤患者的脑部CT图像进行了去噪和增强的预处理,并进行了三维重建,随后使用了灰度共生矩阵的方法对重建出的模型进行了纹理特征的提取。计算26个方向的能量、熵、惯性矩和相关性,并进行统计分析。结果证明,此方案提取的特征值在统计分析中存在差异,并且正常大脑与患病大脑的特征值形成了对比,对脑室内肿瘤的诊断具有重要价值。     

基于统计学习优化SIFT的面部遮挡人脸识别

针对传统的人脸识别算法受面部遮挡的影响导致很难兼顾鲁棒性和保持原始图像核心信息的问题,本文提出了一种基于统计学习优化尺度不变特征变换的面部遮挡人脸识别算法。首先,利用SIFT将所有给定训练图像用一组局部特征描述符表示出来;然后,通过执行统计学习获得正常脸部图像SIFT特征的概率分布函数,利用获得的概率分布函数在新观察到的测试图像中检测异常SIFT特征;最后,计算测试图像与训练图像之间的相似度,并利用K近邻分类器完成人脸识别。在AR人脸数据库上的实验验证了本文算法的有效性及可靠性,实验结果表明,相比其它几种较为先进的人脸识别算法,本文算法取得了更强的识别鲁棒性。     

局部归一化融合EW-Gabor特征的光照变化人脸识别

针对光照变化人脸识别问题,提出了一种基于局部归一化融合熵加权Gabor特征方法。首先,计算类熵加权向量;然后,对图像进行局部归一化,并且计算输入图像的Borda计数,从而消除低值Gabor jet比较矩阵;最后,利用投票得分策略和k近邻分类器完成人脸识别。在扩展YaleB和AR人脸数据库上进行实验评估,在AR上的识别率可接近100%,相比其它几种较新的局部特征方法,本文方法取得了更高的识别精度,并且在一定程度上减少了计算开销。