江苏省沿海滩涂生物特征库的构建与检索

针对江苏省沿海滩涂生物特征库的构建与检索进行讨论,该系统主要实现了如下的功能:基于关键字文本的图像检索;基于分类目录的图像检索;基于图像内容特征的图像检索;实现了用户的登录身份验证;实现了无限级目录树的构建;实现了图像的上传功能。该系统采用Struts、Hibernate、Spring3大框架的集成构建MVC结构的系统框架,采用颜色直方图等算法实现图像内容特征的提取,采用Jquery和XML实现无限级目录树的构建,最终实现了江苏省沿海滩涂生物特征库的构建与检索。     

基于机器微视觉的微结构平面运动测试技术

为了对MEMS的微结构平面运动特性参数进行提取和分析，基于机器微视觉构建MEMS动态测试系统，提出模糊图像合成技术．在连续光照明下获取微结构运动图像，利用光学检测方法增强模糊特征带，引入亚像素定位技术提取特征结构边缘，最终获得微结构的平面运动特性参数．实验结果表明，该系统测量误差小于100nm，具有较好的测量重复性精度，与现有系统相比，该系统测量原理简单，实现方便，且能满足微结构的测试需求．     

基于多尺度线性检测的视网膜血管分割

提出一种自动、高效的视网膜血管网络分割算法。该算法基于对视网膜图像的多尺度线性检测,线性组合各个尺度下的图像响应获取血管特征图像。通过形态学top-hat变换和线性滤波器消除图像噪声和视盘对线性检测的影响,并且增强血管(包含细小血管)的对比度,提高线性检测对细小血管的敏感度,从而提取出更加精确的血管树细节。利用DRIVE和STARE数据库的视网膜图像进行算法性能评估。实验结果显示该方法能够获得很高的分割准确度,几乎为手工分割的结果。同时该方法简单、快速,对噪声具有鲁棒性,适合用于眼科检查的计算机辅助治疗系统。     

基于SIFT特征点匹配的印刷品图像检测方法

提出了一种印刷品图像在线检测方法．首先，利用在图像特征点提取领域中运用最为广泛的SIFT（Scale Invariant Feature Transform）算法提取图像稳定特征点，生成特征向量描述符；然后根据向量最近邻（NN）和次近邻（SCN）的距离之比，对匹配点进行初步筛选；最后运用Mestimators法估计特征点对间的几何约束模型，利用该模型进一步精选特征点，确定真正的匹配点对个数，将精选后得到的特征点数与初步筛选得到的特征点数的比值作为判断印刷品是否合格的标准．实验结果表明：该方法能够准确地提取出图像特征点，并通过精选特征点能够在很大程度上改善误匹配问题，从而快速有效地检测出错误的印刷品，得到了良好的检测效果．     

超声成像测井中图像“链条效应”的识别与修复研究

通过对超声成像测井过程中因测井仪器下放遇阻和上提遇卡而导致抖动，造成采样图像出现“链条效应”特征的详细分析，设计出针对此类病态图像的自动识别与修复算法；分别应用于典型实验数据与实际测井资料处理中，并进行效果比对_该算法为进一步改善成像资料图像质量提供了有效的解决方案．     

冠状动脉造影图像序列中血管运动特征的提取

采用基于特征的光流法，由单面冠状动脉造影图像序列估计二维血管的运动。从连续的两帧图像中提取出动脉主要分支的中心线，沿中心线采用光流法计算出血管以及相关心外膜的运动参数，通过分析整个冠状动脉树的运动，得到对心脏运动的定量估计。该算法是全自动的，不需要操作者的参与，实验结果证明了该算法的可行性。     

单电流注入的三维MREIT快速重建及实验

磁共振电阻抗成像（MREIT）是将磁共振成像（MRI）与传统电阻抗成像（EIT）技术相结合的一种电导率成像技术,通过提供成像体精确的几何信息与成像体内部的磁通密度值,改善了电阻抗成像的病态性,使得电导率图像的分辨率显著提高．针对MREIT系统的快速成像问题,在分析磁共振电阻抗成像的数学模型和正逆问题的基础上,提出利用单次电流的磁通密度分量即可进行电导率图像重建的方法,缩短了测量时间,并降低了电极间的电磁干扰;将灵敏度矩阵法扩展到三维MREIT,采用半解析法计算灵敏度矩阵,使得图像重建速度得到提高;并通过仿真与仿体实验验证了该方法的有效性．结果表明获得的电导率分布图像具有较高的分辨率和图像质量,测量与重建时间的缩短为MREIT的临床应用奠定了基础．     

基于图像配准的CT定位像床板影校正

针对计算机断层成像中床板非均匀性制约定位像质量给临床扫描带来的问题，提出基于图像配准的数字减影方法．该方法先通过仿射变换将空床板扫描图像投射到与待校正图像相同高度的平面上，再采用单向Sobel算子提取出两幅图像中的床板纵向特征并对齐，最终对经过块匹配精确配准的两幅图像进行数字减影，消除待校正定位像中的床板影．仿真试验证明了该方法的有效性．     

基于图像配准的焊区高动态范围成像信息融合

针对集装箱波纹板等高速熔化极活性气体保护焊中熔池及其前区相连焊缝区域照度分布梯度较大,普通工业相机难以对其稳定、完整成像,进而在焊接过程中引导焊枪运动,在双靶面成像系统的基础上,进一步提出一种基于图像配准技术的熔池及其前区相连焊缝感兴趣特征精确、高效及鲁棒性成像信息融合方法.该方法先对获取的不同源图像进行预处理并分别提取感兴趣特征;然后,依据双靶面配准规则,将一成像靶面的成像特征映射到另一成像靶面的坐标系中;接着,基于数组运算对变换后的双靶面图像进行扩展,得到基准、图幅大小一致的图像;最后建立双靶面成像系统的并行融合算法,实现焊区非同源图像感兴趣信息的高效融合,为直视式焊缝跟踪过程中焊枪相对待装配焊缝中心线的实时偏离量的监测提供理论及技术支持.     

核磁共振成像系统梯度线圈的设计

系统地介绍了用于磁共振成像系统中具有轴向磁场的圆柱型表面梯度线圈的设计与优化．应用基本场理论，分析产生所需梯度分布场的无限长连续分布的柱面电流系统，并构造相应的线圈结构．通过对该线圈各项指标的综合优化，设计出用于ＬＭＷ－４００型常导磁体上的梯度线圈，实测与设计指标相当，满足成像需要     

LEO卫星IP网络组播路由算法

为了解决低轨(low earth orbit,LEO)卫星网络中需要快速高效组播路由协议的问题,提出一种新型LEO卫星IP网络组播路由算法。在分析建立LEO卫星网络拓扑模型的基础上,该算法利用LEO卫星网络的自身特点,采用分布式迭代的计算模式,生成基于源端的组播路由树,大幅度地降低了算法的计算复杂度。仿真结果表明:与传统的LEO卫星网络组播路由算法相比,该算法具有较低的计算复杂度,生成的组播路由树具有较小的开销。相比于传统MRA算法,该算法生成的组播树中源点到组播成员节点的平均延时大约为前者的90%。     

LEO卫星IP网络组播路由算法

为了解决低轨(lowearthorbit,LEO)卫星网络中需要快速高效组播路由协议的问题,提出了一种新型LEO卫星IP网络组播路由算法。在分析建立LEO卫星网络拓扑模型的基础上,该算法利用了LEO卫星网络的自身特点,采用分布式迭代的计算模式,生成基于源端的组播路由树,大幅度地降低了算法的计算复杂度。仿真结果表明,和传统的LEO卫星网络组播路由算法相比,该算法具有较低的计算复杂度,生成的组播路由树具有较小的开销。相比于传统MRA算法,该算法生成的组播树中源点到组播成员节点的平均延时大约为前者的90%。     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

交互式数据探索框架的特征自适应技术

交互式数据探索是一组多样的发现式应用程序的关键技术,着重于交互、探索和发现;在许多场景和领域中广泛应用.以海量的学术文献数据探索为背景,对交互式数据探索的特征自适应技术进行研究.首先,提出一种适用于面向学术文献数据探索的特征自适应交互式数据探索框架FA-IDE(feature-adaptive interactive data exploration),在每次迭代过程中动态地调整特征子集,以满足用户兴趣多样性的需求.其次,针对该框架,提出特征子集的均匀度BFS(balance of feature subsets)评价准则,并给出了基于BFS的序列前向特征选择算法.再次,针对相关样本发现问题,提出划分等级建立方法,根据决策树模型对用户兴趣区域划分后,提出基于相似度的结果集排序策略.实验结果表明,所提出方法可有效提高用户探索效率和最终结果的准确性.     

基于深度学习的树种图像自动识别

【目的】为了探究深度学习方法用于林业树种图像智能识别的可行性,提出一种基于深度学习方法的自动识别树种新方法。在TensorFlow框架下,对卷积神经网络(CNN)模型进行改进,对7类树种图像进行自动识别研究。【方法】首先,在图像库建立时,为增加特征选择多样性,选择树木的树皮和树叶图像,保留自然背景;另外,考虑到同一树种在不同树龄条件下树皮图像存在差异,因此加入不同树龄的树皮图像,并用胸径指标来表示树龄大小。其次,对每类树种图像随机挑选100张作为测试集,剩余数据集全部作为训练集。通过反复试验比较不同CNN结构设置、卷积层数量、全连接层层数、学习率等对结果的影响。采用Adam算法代替传统的随机梯度下降(SGD)算法,对模型进行优化,用指数衰减法对学习率进行调节,在交叉熵函数中加入L2正则项对权重进行惩罚,并采用Dropout策略和ReLU激励函数,以避免训练过程中过拟合现象。最后,确定适合试验要求的13层CNN结构,同时比较深度学习方法和传统人工特征识别方法的差异,与已有的树种图像识别方法做对比。【结果】提出的13层树种图像识别模型,对训练集和测试集取得了理想的识别效果,识别率分别为96.78%、91.89%,在未参与训练的验证集上取得了96%的平均准确率。相对于已有的人工特征识别方法,所提出的方法识别效率和准确度更高。【结论】基于改进的卷积神经网络树种识别模型识别效果明显高于传统方法,说明所提出的方法能够应用于树种识别,可为林业树种图像自动识别提供一条新思路。     

基于力场的点云树木骨架提取方法

树木骨架是树木仿真及建模的基础,笔者根据树木的拓扑原理,直接利用地面激光雷达扫描获得的单木点云数据,提出了一种基于物理学中力场概念的点云数据树木骨架提取方法:首先对点云树木模型运用空间层次剖分的方法进行分层,根据点云的邻域关系建立基于树木特征点的简化表示,然后根据计算点的测地距离对树木特征点进行连接,再运用力场将位于树木表面的骨架连线压缩至树木内部,最后根据骨架夹角阈值对骨架进行顺滑得到最终的树木骨架。研究显示,将该方法分别应用在含笑树和樱花树的骨架提取中效果较好,相比同类算法效率较高。     

基于本体的需求模型演变影响分析

为实现需求演变过程管理,有效解决需求演变对系统的影响分析,通过构造定义本体来记录需求演变不同周期内的各类信息,并采用分层管理的策略,根据需求之间的依赖关系,构建了需求依赖分层树,展示需求之间的相互依赖关系,并引入代价分析方程来确定需求演变处理的优先级。这种基于本体的方法能够形成需求演变管理框架,实现对需求演变的自动管理以及对需求演变控制和需求追踪。     

冠状动脉树三维重建方法

为定量分析狭窄血管的长度和选取最佳造影角度，以指导冠心病的介入性治疗，研究了基于两幅冠脉造影图像重建三维冠状动脉树的两种理论方法，即根据透视成像原理推导三维坐标的“最小二乘解”及根据两条异面直线间公垂线的几何性质推导三维坐标的“几何解”，比较了这两种重建方法的目标函数，同时讨论了三维重建误差的两种评价方法3D重建误差和2D重建误差，最后利用两幅不同角度的单面冠脉造影图像成功实现了冠状动脉树的三维重建，重建误差统计证明了该三维重建方法的正确性。     

基于尺度空间约束的融合特征点匹配方法

本文提出一种多尺度特征匹配的空间约束机制,Combinative Feature based on Constraint in scale space(CFCS SIFT),该约束机制以SIFT特征点的尺度为基础,对多尺度空间中检测到的DOG特征点与Harris角点提供匹配空间约束,以提高正确匹配点对的数量.基于该约束机制,构造了一种融合DOG特征提取、Harris角点提取原理的SIFT描述符提取与匹配方法,该方法在多尺度空间中提取DOG特征点、Harris角点,并根据特征点的空间、坐标参数获取SIF T描述符.在将DOG特征点和Harris角点相融合并生成SIFT描述符的基础上,设定尺度阈值,根据尺度阈值对检测范围进行空间约束,在约束范围内查找特征点,采用BBF(Best Bin First)算法,并用欧氏距离作为度量函数进行特征点的匹配,最后用RANSAC对匹配点对进行筛选纠错.通过大量实验证明,该算法能够找到更多匹配点对,正确匹配点对相对于不具有空间约束的融合特征点匹配方法增加了15%左右.     

基于视觉显著性和特征点匹配增强的 运动目标跟踪框架

为了解决主流目标跟踪算法在目标遮挡、快速位移和光照变化等不利条件下易发生跟踪不稳定的问题,提出一种视觉显著性和特征点匹配增强的目标跟踪框架,当瞬时跟踪结果经判别达到SURF特征点匹配阈值时,触发跟踪增强机制,提取图像的时域、频域和空域显著性得到综合的显著图,然后执行邻近匹配策略搜索显著图各显著区域以找到目标最可能的存在区域.本文框架是在传统跟踪方法的基础上加入了独立的增强机制,因此并不局限于某一种特定跟踪方法,具有良好的可扩充性和通用性.实验结果表明,该框架能有效克服多种不利因素的带来的干扰,可实现复杂背景下目标的准确跟踪.