基于形状特征的硅藻显微图像自动识别

硅藻是一类广泛分布于各类生境的单细胞生物,在许多领域具有广泛的应用,如水质监测、环境调查、石油勘探等,而这些应用都离不开对硅藻的种类鉴定.根据硅藻显微图像的形状特点,提出了对其进行预处理、分割、形状特征提取和分类的自动识别方法.采用了基于累积直方图的双轮廓叠加法的图像分割方法,可以有效抑制光照强度不一致、不平衡的影响,并充分利用显微镜下硅藻图像的轮廓特点,获得较好分割效果.同时对硅藻图像提取几何描述全局特征及形状签名特征,最后采用了基于误差反向传播算法的多层前馈网络(BP网络)进行分类.实验表明,该方法对11种浮游硅藻(包括12类轮廓)的自动识别率达到96.6%.     

决策树算法在医学图像数据挖掘中的应用

目的研究决策树算法在医学图像数据挖掘中的应用。方法利用决策树算法对乳腺癌图像数据进行分类，提出了一个基于决策树算法的医学图像分类器。结果实现了ID3和C4．5算法对图像数据的分类，获得了分类的实验结果。结论该模型系统达到了较高的分类准确率，证明数据挖掘在辅助医疗诊断中有着广泛的应用前景。     

融合图像外特征的岩屑岩性深度学习识别方法

岩屑的岩性识别是地质工作中的一项重要内容。为解决传统人工鉴别岩性的低效问题和传统机器识别的低可靠性问题,提出一种融合图像特征与图像外特征的岩性识别方法。首先采集岩屑的高分辨率图像,使用Xception特征提取器对图像特征进行提取并降维为一维向量,提高模型抽象特征敏感性并防止网络退化问题。同时量化岩屑的物理化学特征如：与盐酸反应程度、含矿物纯度、元素分析结果、硬度等,构建图像外特征向量。融合图像特征向量与图像外特征向量为总特征向量,构建神经网络与分类器进行训练,产生岩性识别模型。该模型相较于仅图像训练模型,在高质量岩屑图像数据集上提高3.45个百分点,在低质量岩屑图像数据集上提高20.92个百分点。该模型结合了传统录井与机器学习的优势,为建立可靠岩性剖面与实现数字化岩屑录井提供了更为高效的方法。     

基于分形维数和小波域特征的计算机生成图像检测算法

针对自然图像与计算机生成图像在统计特征上存在的差异, 提出一种基于分形维数和小波域特征的计算机生成图像盲鉴别算法, 该算法基于统计特征对图像进行真伪识别. 在使用支持向量机作为分类器的情况下, 对800张标准图像进行实验的结果表明, 该算法对计算机生成图像检测准确率达96.5%, 明显提高了计算机生成图像的识别精度, 为数字图像的真实性提供了保证.     

支持向量机在大类别数分类中的应用

研究支持向量机在大类别数分类中的应用;结合二叉决策树的基本思想提出一种基于支持向量机（support vector machine,SVM)的大类别数分类解决方法,即SVM决策树方法,对不同背景下可选用的SVM决策树的结构进行了讨论,分析了SVM决策树的特点,并对其识别错误率进行数学进行,结果表明该方法可降低平均分类错误率,对实际应用中的多类分类问题提供新的途径。     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

足球比赛中的音频信息提取与自动分类

按照MEPG-7的音频特征规范,设计了帧层次和段层次上的音频特征提取算法.在深入分析足球比赛中各类音频信息的不同特点的基础上,通过有针对性地选取特征,构造特征向量,设计并实现了一种基于决策树的层次化分类算法.该算法可以自动将足球比赛中的音频信息分为噪音、解说员语音、哨音、欢呼声和带背景音的解说员语音等5个类别.实验表明:该算法提取的特征有效,分类效果良好.     

低倍率镜检图像无标记红白细胞识别方法研究

针对低倍率镜检图像无标记红白细胞对比度低、边缘模糊、结构不清晰、内部纹理特征不明显等特点,提出一种改进的低维特征向量识别算法。该算法通过彩色图像空间分离、逻辑或运算和形态学处理完成初步分割,针对粘连细胞,采用基于迭代腐蚀的标记分水岭方法再次分割,通过多种方法互补完成红白细胞的分割。根据红白细胞在形态、快速傅里叶变化(fast Fourier transform,FFT)以及Canny边缘检测图像的差别,提取周长、面积、FFT后的圆形度、连通域数、像素和和闭合比值6个相关特征组成特征向量用于训练支持向量机分类器。实验结果表明,在低倍率镜检图像无标记红白细胞准确分割前提下,基于6个相关特征的低维特征向量识别可以显著提高识别率,而且识别效果相对稳定,不易受红白细胞异型情况影响。     

基于决策树判别的高温目标遥感识别方法

通常,高温目标与常温地物间光谱特征差异显著;但研究发现,Landsat8 OLI遥感影像中彩钢屋顶像元却与高温目标(林火)的光谱特征颇为相似,使用以往高温目标识别方法识别效果不佳。为实现高温目标的精确识别,引入决策树判别法;根据不同地物类型的相似程度构建决策树模型,针对各分支结点的相似地物类型,按定量指标分别进行特征波段筛选,确定反映地物间本质区别的判别函数,并经分类统计确定判别阈值。研究表明,所构建的决策树能够准确划分地物类型,在实现同一般常温地物有效区分的同时,能有针对性地区分高温目标与彩钢屋顶建筑,高温目标识别精度为97. 67%。     

基于LTCP特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法在对图像纹理特征进行鉴别时精度较差的问题, 提出一种基于长期控制计划(LTCP)特征的计算机生成图像鉴别算法. 首先将彩色图像变换到颜色模型中, 对图像进行下采样, 获得较高尺度的纹理信息; 然后采用基于LTCP特征和共生矩阵的计算机生成图像盲鉴别算法, 对不同尺度的纹理图像LTCP特征及相邻像素一致性共生矩阵特征进行采集; 最后通过判别分类器对LTCP特征及相邻像素一致性共生矩阵特征实施分类预测, 根据分类预测结果实现计算机生成图像的鉴别. 实验结果证明, 该算法在计算机上生成的图像特征维度较低, 鉴别率和精度较高, 能实现计算机生成图像的准确鉴别.     

物联网终端智能识别系统设计与实现

终端智能识别是物联网应用的关键技术,是物联网安全体系构建的基础。针对物联网终端智能识别问题,建立了一种以设备指纹为动态特征标识的物联网终端智能识别实验系统。该系统由终端检测模块、模型训练模块以及智能识别模块构成,其中,终端检测模块利用Nmap工具扫描并自动采集设备指纹;模型训练模块分别利用决策树、逻辑回归与朴素贝叶斯等机器学习算法训练分类器;智能识别模块接收识别任务并调用前2模块完成设备指纹采集与分类识别处理。实验结果表明,决策树分类器在整体数据集上的平均识别率为98.1%,对于是否是物联网设备的判断识别率为98.7%,对于具体设备类型的识别率为98.2%,均保持较高识别水准,且优于其余2种算法识别器。因此,采用设备指纹与决策树算法结合识别物联网设备是可行的。     

基于深度学习网络的电气设备图像分类

为了对变电站中智能巡检系统采集到的海量图片进行快速分析和识别,提出一种深度学习和支持向量机(support vector machine, SVM)相结合的图像分类模型。首先,运用旋转、翻折等方法对采集到的原始数据进行扩充。然后,合并扩展图像集,并在相同类型的条件下将其随机划分为训练集和测试集。基于实际图像改进卷积神经网络(convolutional neural network, CNN),并提取训练集的图像特征。最后,通过使用训练集图片的深度特征来训练SVM分类器,并且在测试集图片上实现分类测试。利用巡检机器人采集到的8 000张图片对模型精度进行实验验证,结果表明,该模型具有较强的分类性能。     

稠油泡沫驱和三元复合驱微观驱油机理对比研究

为了研究稠油泡沫驱和三元复合驱的微观驱油机理,利用微观仿真玻璃刻蚀模型进行了驱油实验,通过图像采集系统将驱替过程的图像转化为计算机的数值信号,然后采用图像分析技术进行对比研究.结果表明,泡沫驱对稠油的微观驱油机理有乳化作用、贾敏效应和泡沫的挤压剪切作用,而三元复合驱主要还是通过聚合物对管壁剩余油、盲端剩余油的拉、拽作用达到剥离稠油的目的.泡沫驱和三元复合驱相比,泡沫驱具有贾敏效应,能够对水流大通道进行有效封堵,从而提高了驱替剂的波及系数.三元复合驱虽然对稠油也具有较强的乳化作用,但是未观察到乳化捕集作用从而引起波及系数的提高.由于波及系数的提高对于开发稠油油藏极为有利,因此泡沫驱对提高稠油油藏采收率具有很大的优势.     

基于经验与灰度共生矩阵的花蛤辨识方法

为提高花蛤挑拣的效率,加快水产产业自动化生产步伐,提出一种基于经验和灰度共生矩阵的花蛤筛选方法。本方法属于无接触式辨识,在对工业相机采集到的图像进行预处理的基础上,截取并旋转单个目标图像,规范图像性质,采用统计学和灰度共生矩阵方法,提取花蛤或石头的纹理和形状等相关特征,运用支持向量机进行分类训练和测试。实验结果表明,本文所提出的方法可实现位置精准确定,选取的特征能较好地表示花蛤或石头,分类器算法高效简单,最终花蛤筛选识别率可达99%,可满足工业需求。     

一种改进的决策树分类方法在土地利用信息提取中的应用

选择昆明市作为研究区,以2011年LandsatTM影像为基础数据,通过分析研究区地形特征,提出把研究区进行分区并分别确定高程、坡度决策规则的改进型决策树分类方法,并结合分析的光谱特征规律,在决策分类中引进了比值型指数、NDVI值,构建基于光谱特征和地学辅助知识的决策树信息提取模型,最后对传统计算机自动监督分类方法与决策树信息提取模型方法解译的昆明市土地利用数据的精度进行评价。研究结果表明：基于改进的决策树分类方法进行遥感信息提取的昆明市土地利用数据的Kappa指数比传统监督分类方法提高了0．234,分类精度提高了17．03％;从各种地类类型的测试样本点平均正确率来看,改进的决策树分类方法比传统监督分类方法提高了21％,大大提高了LandsatTM遥感数据分类的精确度和可靠性。     

Rough集在乳腺癌辅助诊断中的应用

目的研究Rough集在乳腺癌辅助诊断中的应用。方法采用基于Rough集的属性约简算法,利用决策树算法对乳腺癌图像数据进行分类,辅助医疗诊断。结果实现了基于Rough集的属性约简算法,对乳腺癌数据进行处理,获得了分类的实验结果。结论该模型系统达到了较高的分类准确率,证明Rough集在辅助医疗诊断中有着广泛的应用前景。     

基于形状特征分划分的树状区域匹配图像检索

提出了一种依据形状特征划分的树状区域匹配的图像检索算法,其思想是首先基于形状特征将图像发为若干给定浓度的树状关系区域,再结合所划分区域的结构关系及其颜色特征进行匹配检索。通过2个检索粗过滤条件,显著提高了检索响应速度,应用此算法,图像中对象的几何变换（移动、旋转、比例缩放）不会影响到查询结果,实验测试的结果表明,与一般的颜色直方图匹配算法相比,该算法大大提高了检索效率。     

基于最小二乘孪生支持向量机的图像拼接检测

图像篡改最基础的手段便是拼接,为了恢复人们对数字图像的信任,图像拼接检测变得非常重要.论文提出一种基于最小二乘孪生支持向量机的图像拼接检测算法,算法对待测图像进行对偶数复小波变换以获取不同的子带图像,对子带图像提取其马尔科夫状态转移概率矩阵,将该概率矩阵作为拼接特征向量送入最小二乘孪生支持向量机训练以获取预测模型,最后根据该模型来判断待测图像是否经过拼接.在哥伦比亚大学无压缩图像拼接检测评估库和哥伦比亚大学图像拼接检测评估库上分别进行实验,与传统算法做对比,实验结果充分证明论文所提算法具有更高的拼接检测准确率.     

显微图像分析技术在赤潮生物识别中的应用

为克服人工识别赤潮生物种类和数量时的困难，基于图像分析法对赤潮生物图像进行自动分析，针对赤潮生物显微图像的特点。研究图像的预处理、分割、特征提取和分类的处理过程，结合理论分析和实验结果。与其他自动分割方法进行比较，证明采用类别方差法可以有效进行赤潮生物图像的自动阈值分割，解决了赤湖生物显微图像自动分割的难题，采用形态学的方法，解决相连赤潮生物的分割问题，对获得的轮廓和灰度特征进行选择，作为分类器的测试和学习数据使用，建立分类树结构，采用树状判别机制实现几类赤潮生物的识别分类。实验结果表明，与人工识别相比，其识别正确率大于90％。     

基于Gabor特征与支持向量机的字符识别系统研究

利用计算机进行字符自动识别与录入的技术对机器翻译、数据挖掘、人工智能等都有着重要的理论意义和实用价值,基于数字图像处理技术的字符识别是其中的一个重要发展方向。文章重点研究了字符特征提取和匹配识别这两个影响字符识别效果的因素,根据中文字符笔画的方向特点,选择了对图像方向特征敏感的Gabor变换作为特征提取方式,在获取字符的特征向量后,先利用最小距离分类器进行预分类,再利用最小距离分类中产生的候选样本集训练SVM分类器,识别时只需利用候选集分类器依次判决,降低了训练和识别工作量,同时提高了识别效率。实验表明,系统对网站导航字符平均识别率达94%以上,具有一定的理论意义和实用价值。