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。     

一个用于彩色肺癌细胞图像的分割算法

彩色图像的分割是图像处理中的一个难题。该文对HE（Hematoxylin and Eosin)染色的彩色肺癌细胞图像的分割问题进行了研究。在大量实验的基础上,提出了如何利用有效的彩色特征进行分割的算法。该算法首先利用有关的彩色特征将细胞从背景中准确地分割出来;在此基础上,再将细胞分离为细胞核及细胞浆2部分,以便进一步的分析处理。该算法简单准确,完全可以满足实用需要。     

彩色切片细胞的识别与计数研究

采用基于彩色的图像处理方法，对边界模糊，颜色不均匀并有彩色连带组织的细胞切片实现了分割和计数，提出了一种新的细胞计数方法，其计数准确性极高，对颗粒状目标，尤其是对医学图像中的彩色切片细胞的计数具有重大意义。     

智能机器人中基于知识学习的图像理解系统

图像理解系统是智能机器人做出正确决策或完成一些控制系统的主要环节,也是计算机视觉研究的一个重要分支,如何构建一个合理完善的图像理解系统已成为当今智能机器人研究领域的热点问题。图像理解系统所研究的问题是:为了完成某一任务,需要从图像中获取哪些信息,以及如何利用这些信息获得必要的解释。图像理解的研究要涉及或包含研究获取图像的方法、装置和具体应用的实现。该论文主要论述了智能机器人中基于知识学习的图像理解系统的基本框架结构以及图像理解中框架知识的表示、推理和学习,对智能机器人中图像理解系统的一些关键技术进行了探索性的研究,最后对智能机器人图像理解系统的应用前景做了概括性的总结。     

基于深度卷积神经网络的模糊字迹图像识别方法

在传统的模糊字迹图像识别过程中,忽略了字迹变化尺度对图像的影响,导致识别准确度低识别能力差的问题,提出基于深度卷积神经网络的模糊字迹图像识别方法.通过图像的退化模型,对模糊字迹图像稀疏性特征进行分解,构建模糊字迹图像的多源特征参数检测模型,结合边缘轮廓特征提取方法实现对模糊字迹图像的边界信息采样分析;采用多维参数模拟和模糊度增强处理,结合匹配滤波检测器对图像的多级尺度分解和细节特征进行提取,对提取的模糊字迹图像细节特征进行融合和优化检测,采用深度卷积神经网络训练方法进行模糊字迹图像修复处理,实现模糊字迹图像的识别.仿真结果表明,采用该方法进行模糊字迹图像识别的准确性较高,检测能力较强,提高了模糊字迹图像修复和辨识能力.     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法.该方法首先对彩色摄影机采集的交警手势图像进行预处理,包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法.试验结果表明,该方法能够实现对交警手势准确的识别.     

MICAD中的采区模糊专家系统设计与开发

MICAD(采矿智能CAD)的采区模糊专家系统是以AutoCAD作为二次开发平台，并以SQL Server作为后台工程数据库服务器。该系统运用面向对象的思想对采区知识进行层次式对象类划分，其模糊专家系统的知识表示采用规则产生式知识表示，引进了模糊匹配和加权模糊推理，实现了较为理想的非精确推理。     

基于模糊诊断模型的DICOMSR关系数据库构建与XML表示

随着医学图像系统应用的深入,用户对系统功能提出了更深层次的需求:由医学图像的组织管理上升到医学图像的智能检索.为了满足智能化医学图像检索需要,提出了一个含不确定信息的SR关系数据库表示模型,模型基于模糊理论,可以很好地表示医学图像诊断语言中的不确定信息.在此基础上,介绍了含不确定信息的SR关系数据库到XML的映射转换方法,实现了SR信息的XML表示.该模型和其XML表示法为下一步的基于语义的医学图像智能化检索方法的研究奠定了基础.     

模糊聚类方法在细胞图像分析中的应用

针对红细胞彩色显微图像的特点，利用表色系统转化可以实现降维、滤除噪声处理，演化模糊聚类准则函数，在确定有效性度量方式、算法实现图像分析后可以抽取相关图像层，对细胞图像处理有着积极意义．     

一种嵌入式车牌识别系统的设计与实现

智能交通系统(ITS)已成为当前交通管理发展的主要方向,而汽车牌照识别(VLPR)技术则是智能交通系统的核心。研究了基于DSP的车牌识别系统的设计与实现。该系统主要通过摄像头采集汽车车牌图像,经过DSP核心处理器对图像进行处理,识别出车牌号,并通过LCD显示。经过调试运行,该系统实现了车牌识别的功能,可运用于工程实践。