基于序列图像的虹膜特征提取与分类

根据单一虹膜图像进行虹膜识别时,存在被干扰影响而改变的特征,而从单一图像中无法判断这些特征的有效性.因此,根据这些特征难以对虹膜做出正确分类.针对这个问题,提出了基于序列图像的虹膜识别方法.从多个图像提取的二值相位特征,经过特征配准将虹膜特征投影,获得低维的子空间特征,用子空间上的特征作为该虹膜的特征,将其与数据库中的特征进行比对,从而进行虹膜识别.与基于单一图像的虹膜分类方法相比,该方法的虹膜分类性能明显得到改善.     

光学遥感影像土地利用分类方法综述

土地是实现经济社会高质量发展的基础性资源,光学遥感影像以时间、空间、光谱等特有的优势为土地利用变化的发现、识别、分析提供了很好的支持,利用光学遥感技术提取土地利用变化信息已经成为重要的研究领域。论文以近年来土地利用分类相关文献为基础,分别从数据源、处理流程、处理精度、计算效率等角度对土地利用分类应用较为广泛的目视解译、监督分类、非监督分类、深度学习等四类方法进行了分析和总结。最后展望了光学遥感影像土地利用分类方法的发展方向     

基于时变特性的多层脑网络拓扑属性分析及脑疾病分类

多层脑功能网络已经广泛应用于疾病的诊断。现有研究大多利用动态功能连接的改变诊断疾病,极少探索多层网络拓扑属性对疾病分类的影响。目前主要通过计算所有单层网络拓扑属性的均值或标准差来表征多层网络拓扑属性,但这忽略了有代表性的特定属性值及拓扑属性整体分布情况的影响。因此,提出基于统计指标的多视角多层脑网络拓扑属性计算方法,综合表示网络的拓扑结构。具体来说,在现有方法的基础上,引入极差、相对极差、离散系数计算多层网络拓扑属性,并用于疾病的分类。结果显示,无论是自闭症还是阿尔兹海默症的诊断,基于相对极差、离散系数视角的分类准确率均显著高于传统方法。这表明,本研究所提出的方法有效提高了疾病的分类效果且具有较好的可扩展性。同时,多视角融合特征获得最好的分类结果。因此,从多个角度表征多层脑网络的拓扑特征,有利于更好地识别精神疾病,从而在临床诊断中具有重要的应用价值。     

基于PHOW的舰船图像实时分类检测方法

针对传统舰船分类检测方法实时性差、容易受到物理噪声干扰等问题,采用基于塔式关键词直方图和支持向量机的检测方法对不同类别水面舰船图像进行实时分类检测。通过对不同类别的舰船图像进行分类实验,进一步综合确定适合的塔式关键词描述子参数及支持向量机核函数参数,实验结果表明,舰船分类检测准确率较已有检测方法有所提高。基于塔式关键词直方图和支持向量机的检测方法能够实现可靠、实时的舰船图像分类检测。     

基于卷积神经网络的高光谱图像谱-空联合分类

随着深度学习的发展,卷积神经网络在各种视觉任务中都具有优越的性能;特别是在二维图像分类上,更是获得了很高的分类精度。针对于高光谱图像分类问题,设计了一种新的卷积运算;利用高光谱图像谱-空联合信息建立三维卷积神经网络对其进行分类;并针对高光谱图像样本不均匀性,在网络输出不同类别加入不同的权重加以训练。通过对两个公开高光谱图像数据集的测试,相对于传统方法,能够得到更高的分类精度,表明卷积神经网络对高光谱图像具有更强的特征表达能力。     

基于内容的医学图像分类研究

基于内容的医学图像分类是一个复杂的非线性问题,分类器的性能主要取决于提取的特征和模式识别算法。讨论了医学图像基本特征提取方法和多特征融合技术的发展,以及常用的模式分类算法。最后指出了支持向量机在医学图像分类中应用时需要解决的问题。     

一种非刚性医学图像的点配准方法

提出了一种具有鲁棒性的进行非刚性医学图像点配准的新方法。为了更好地处理点配准中的冗余点问题，对冗余点进行了建模，在此基础上对点配准能量函数进行了改进。使用确定性退火优化算法对改进后的能量函数进行最优化从而得到配准的非刚性变换，避免了优化过程中出现的局部极小值解。该方法能有效地处理冗余点。抗噪声能力较强，可以很快地配准带有噪声且有冗余点的非刚性医学图像。使用薄板样条对三维腹部医学图像进行全局弹性配准，实验结果显示配准的精度可以达到亚像素精度。     

医学院校图书馆健康信息资源的分类

对事物进行分类是人们更好地认识事物的有效方法,要想更好地开发利用健康信息资源,首先要明确健康信息资源的类型。从健康信息用户人口特征、健康信息内容、健康信息服务方式、健康信息文献特征4个方面,对医学院校图书馆健康信息资源进行了分类。     

医学图象三维可视化方法的分类研究

文章提出了１种新的三维显示方法分类模型，首次将体表绘制方法独立出来，在新的分类模型下对现有的显示方法进行了综述，并深入探讨了不同显示方法之间的内在联系．     

时变特性的人脑超网络构建方法及其分类

脑网络已在神经成像领域内得到广泛的应用。近年来,高阶功能连接网络和超网络在脑疾病诊断方面取得了较大的进步。然而,两种网络均存在相应的问题:高阶功能连接网络虽然考虑了网络的时变特性,但并不能处理网络中的空间多元交互问题;而超网络虽然可以表征多个大脑区域之间的相互关系,但并未考虑网络的动态特性。为了解决以上问题,融合了高阶功能连接网络和超网络的特性,提出一种具有时变特性的脑功能超网络的构建方法。该方法在考虑到脑网络时间动态性的基础上,基于最小绝对值收敛和选择算子(least absolute shrinkage and selection operator, LASSO)方法进行脑功能超网络构建,并将该网络应用至脑疾病诊断中。该网络消除了上述两个网络的弊端,结果表明,该方法的分类准确率达到86.36%,显著高于之前所提出的方法,能有效提高抑郁症的分类表现,具有重要的理论意义和临床价值。     

基于听觉图像的音乐流派自动分类

音乐流派的自动分类是音乐信息检索系统的重要组成部分.将听觉图像引入音乐流派的分类研究中,用听觉图像模型模拟人耳耳蜗结构,基于音乐流派分类研究常用的GTZAN数据库,将一维音频信号转换为二维听觉图像,对音乐听觉图像进行尺度不变特征转换（SIFT）及空间金字塔匹配（SPM）,从局部到整体地提取图像的纹理特征,最后采用LibSVM中线性核函数的支持向量机对音乐流派进行分类.实验结果表明,与同样基于人耳耳蜗结构提出的美尔频率倒谱系数（MFCC）流派分类方法相比,基于听觉图像的流派分类正确率提高15%.     

静态DICOM医学图像与常规图像格式的相互转换

为了使得非医学数字成像与通讯(DICOM)标准的设备产生的图像也能与符合DICOM标准的图像存档与通讯系统(PACS)融合,需要两者之间进行文件格式的转换.通过深入了解DICOM医学图像与常规图像格式的特点,分别提取和构造二者文件信息,开发了一种在DICOM文件与非DICOM文件间进行格式转换的软件,该软件已成功应用在安徽省立医院等多家医院的PACS系统中.结果表明可以在实现DICOM医学图像与常规图像格式互换的同时,保证不丢失图像信息,可以基本满足实际需要.     

一种改进的医疗文本分类模型:LS-GRU

为了帮助低年资医生阅读胸部CT影像,并更加精确高效地为临床医生反馈影像报告结果,提出一种改进GRU深度学习框架LS-GRU,用来解决影像报告文本分类问题,即可以根据影像科医生描述,自动反馈给临床医生诊断建议.数据来源于呼吸科影像报告1168例,选择了两种描述相近的疾病(肺气肿和肺炎)进行分类,其中肺气肿患者报告大约652例,肺炎约516例.分别验证GRU、BiGRU及LSTM等模型,实验结果表明,LS-GRU模型分类更精确,且具有较高的鲁棒性.     

基于BKNNSVM算法的高分辨率遥感图像分类研究（英文）

为了解决局部支持向量机算法KNNSVM存在的分类时间过长不利于具有海量数据量的高分辨率遥感图像分类的不足,提高KNNSVM的算法表现,提出了改进的基于不确定性的BKNNSVM算法.该算法利用二项式分布的共轭先验分布Beta分布根据近邻的分布情况推导该未标记样本属于正类或负类的概率大小,从而计算每一个未标记样本在类属性上的不确定性大小.再通过设置不确定性阈值的大小,对不确定性低于阈值的未标记样本直接采用KNN进行分类,而对高于阈值的样本利用其近邻建立局部支持向量机分类器进行分类.对高分辨率图像分类的实验结果表明:合适的阈值能够有效降低原始KNNSVM算法的时间开销,同时能保持KNNSVM分类精度高的特点.     

LiDAR与航空影像的融合分类与精度分析

为了弥补单一数据源在地物分类时的不足,提出将机载激光扫描(LiDAR)数据与航空影像融合进行地物分类的思想,实现基于面向对象和单像元的复杂城区多级地物分类.将真彩色航空影像与机载激光扫描距离影像融合,采用光谱特征和空间特征将影像分割成若干同质区域;利用多源数据产生的各种信息建立分类规则并实现基于面向对象的地物分类,将植被信息和高差信息与分类结果叠加,实现基于单像元的分类结果纠正,然后再以对象内包含的建筑物直线段数量为约束条件对分类结果中的建筑物进行三级精化分类.实验表明该方法能够有效地自动分离建筑物、树木、草地和道路,其中建筑物的制图精度和用户精度分别是92.53%和95.79%,整个区域的分类精度为89.62%,该方法在复杂城区可行有效.     

医学影像后处理系统的研究

介绍了一种运用普通微机对医学影像进行后处理的系统，它不仅具有图象录入，冻红、增强、放大、变换、拼接、伪彩等功能，还可对图象进行定理量分析和测量，并可进行多幅图象的三维重组，在普通微机上实现了大数据量的快速运算，解决了三维重组的数学模型及算法问题。     

超声医学图像计算机辅助诊断系统的设计

设计一个基于非线性增强滤波方法和水平集方法的超声医学图像计算机辅助诊断系统,主要对图像进行降噪处理和分割,以改善超声医学图像质量,实现半自动化定量分析.     

贪心聚类算法及其在遥感图像分类和压缩中的应用

根据样本间的近似程度，提出了相关系数聚类概念。对遥感象素光谱曲线突变特性的多分辨率描述，准确地刻画了遥感对象内容。还以小波特征相关系数衡量象素间距离，并通过贪心搜索实现了冗余度最低的聚类中心。在比较准确的初始分类的基础上，结合K-means聚类可实现较高的无损压缩。最后，由TM多光谱图像和AVIRIS超谱图像的实验分析，验证了该聚类算法的灵活性、分类的有效性和较高的无损压缩效果。     

基MODIS影像对NDVI和EVI的分类研究

从MODIS影像中划出一块无云区域作为研究对象,求出该研究区的NDVI和EVI,运用K-均值分类法分别对2种植被指数进行非监督分类．通过对2种植被指数分类结果进行比较得出：2种植被指数的分类结果在总体上是一致的,但是在局部区域,NDVI对于水体的分辨能力优于EVI,而EVI对植被则有更强的分辨能力．2种植被指数分类结果精度评价总精度为70．00％,Kappa系数为0．585．     

基于近似骨架和混合蛙跳算法的K-means方法及其在眼底病历图像中的应用

为提高K-means算法全局搜索能力,提升聚类效果,提出一种基于近似骨架和混合蛙跳算法的K-means方法。该方法首先利用经典的混合蛙跳算法取代K-means算法中原有迭代公式,获得更优秀的聚类结果;然后对获得的聚类结果,使用基于近似骨架和混合蛙跳算法的K-means算法不寻找聚类中心,而是直接对簇的划分进行修改。UCI数据集实验结果表明,使用改进的聚类算法获得的聚类结果,较其他算法结果更为优秀。最后将改进后的聚类算法应用到医学眼底病历图像中,可以得到较好的血管切割效果。