一种层次化的乳腺肿瘤分割方法

超声图像是乳腺癌辅助诊断常用的工具之一.肿瘤分割是乳腺超声图像分析的基础.乳腺超声图像中的灰度不同质性、纹理及形状的多变性等复杂特点使得肿瘤的精确分割较为困难.提出了一种层次化的分割框架.首先将局部灰度聚类假设引入活动轮廓模型作为底层分割模型,对图像进行初始分割;然后提出基于超像素和支持向量机(Support Vector Machine,SVM)的高层分割模型,对初始结果再进行高层分割.在高层分割过程中,首先使用简单线性迭代聚类(Simple Linear Interactive Cluster,SLIC)提取超像素,然后提取超像素的灰度、纹理和局部特征,最后使用SVM进行分类.高层分割模型是基于底层模型的分割结果学习获取的,能够检测到底层模型可能分割错误的区域,与底层模型具有较好的互补性.因此,提出的层次化分割框架具有较好的鲁棒性.在自建乳腺超声数据库上的实验结果证明了提出方法的有效性和鲁棒性.     

基于灰度不均匀矫正和SIFT的手指静脉识别方法

基于手指静脉的身份识别以其方便性和安全性奠定了其在生物特征识别中的优势地位.在手指静脉识别方法中,尺度不变性特征(Scale Invariant Feature Transform,SIFT)虽然普遍被认为效果不佳,但鉴于SIFT在自然图像中取得的良好效果,在分析了手指静脉图像的质量和结构特点之后,设计了一种基于灰度不均匀矫正和SIFT的手指静脉识别方法.首先,根据手指静脉图像对比度低、模糊等特点,利用灰度不均匀矫正增强图像细节;其次,考虑到在尺度不变性特征的匹配过程中,相似特征点的存在也会影响手指静脉识别的性能;第三,在匹配的过程中,还考虑了潜在的特征匹配点.基于灰度不均匀矫正和潜在特征匹配点的手指静脉识别方法取得了良好的识别效果,在香港理工大学手指静脉库(PolyU Finger Vein Database)上六折交叉验证的等错误率(Equal Error Rate,EER)从0.0358降低到了0.0006,表明了方法的有效性.     

建构主义视域下人工智能专业工程实践模式构建

为进一步提升人工智能专业工程实践环节的培养质量,以建构主义为指导,构建新型工程实践模式.模式通过强化实景实训促进“具体经历”,强化合作互动促进“反思性观察”,强化思维训练促进“抽象概念化”,强化合理评价促进“积极实践”,帮助学生积累经验,促进反思,形成知识体系和自我理论,在积极实践中达到知行合一,实现工程能力培养目标.