零件图像识别特征的研究

图像的识别分类总是以被识别物体的某些特征为基础.因此,零件图像识别特征的选取与提取是零件图像识别分类的关键技术,本文对零件图像的几何特征和形状特征进行了研究.设计了零件图像处理程序,提取了区域面积、边界周长、轮廓个数,圆形度参数、区域重心坐标、区域的外接矩形参数6个直观易测的零件图像特征参数.实验结果表明,本文提出的方法是有效的,为下一步零件图像的识别分类奠定了基础.     

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。     

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D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

缺损图像的特征模板匹配方法

基于二值图像的边缘拐点特征，建立其特征模板，在此基础上讨论了缺损二值图像的匹配过程。所采用的特征模板匹配方法将图像局部特征和它们的尺度大小联系起来，使识别过程更为合理，对１７个缺损飞机图像仿真实验结果表明，这一方法取得了很好的分类效果。     

基于颜色特征的图像提取算法的研究

在图像分类识别、检索等应用中,颜色作为一种重要的图像视觉信息已得到了广泛的应用,文章探讨研究了当今主要的几种颜色特征提取算法：颜色直方图法、全局累加直方图法、局部累加直方图法和颜色参量的统计特征法,并分析比较了这几类算法的特点,试图为以颜色为特征的图像分类识别应用提供思路。     

基于高分辨率SAR的目标识别技术研究

本文以高分辨率SAR在舰船目标识别方面的应用为研究对象,论文首先分析了SAR成像的特点,提出一种基于Radon变换和直方图分析等方法改善舰船目标几何特征提取的性能,在此基础上,结合SAR图像舰船目标分类自身存在的问题和特点,引入稀疏表示理论,提出一种基于特征字典的稀疏表示分类算法,将其应用于Terra SAR-X SAR图像中三类典型舰船目标分类识别,验证了稀疏表示分类对SAR图像舰船目标分类识别的有效性。     

磨粒图像的纹理分析及识别

以磨粒显微图像分析为应用背景，引入方向测度对磨粒图像表面纹理特征进行描述．该方法对磨粒图像各方向的灰度变化规律进行统计分析，提取了8个纹理特征．然后以提取的纹理特征为输入矢量，利用径向基函数神经网络对磨粒纹理进行分类识别．应用实例表明，方向测度综合反映了磨粒纹理的方向性和粗糙性，可用于磨粒纹理特征的描述；所建立的基于神经网络的磨粒纹理分类模型学习速度快，识别率较高．     

基于遗传算法的蔬菜缺素叶片图像特征选择研究

在基于计算机视觉技术的无土栽培蔬菜营养元素缺乏智能识别研究中，如何选择缺素叶片分类能力强的特征项组合是识别诊断面临的关键问题，利用遗传算法对提取的缺素叶片图像众多颜色和纹理特征项进行优化选择，以达到诊断识别用的信息最优，实验表明，经过优化的特征组合明显优于人工选择的特征组合分类能力。     

基于主元分析的入耳图像识别方法

人耳图像的自动识别是一种新的生物特征识别技术．将主元分析法（PCA）应用于人耳图像识别，分别应用BP神经网络和最近邻域法进行分类识别，给出了具体的网络设计与性能比较分析．实验结果表明，应用PCA方法提取人耳图像特征，选择合适的分类器和网络结构，可以取得满意的识别效果．     

局部匹配的人脸识别方法

从人类认知方式出发,提出了一种基于统计学习的局部匹配人脸识别方法。该方法将人脸图像划分成若干小块,各个子块中包含不同的人脸形状特征,而不同的子块则描述了人脸主要部件之间的相对位置关系,然后根据各个子块鉴别能力的差异,将每个子块看成一弱分类器,利用Adaboost学习算法组成一个强分类器,提高最终的分类效果。实验结果表明该方法可以有效提高人脸的识别准确率并对人脸的表情和光照具有较好的鲁棒性。     

一种基于融合的词袋模型和大裕度最近邻分类算法的图像识别方法

图像分类作为图像处理和计算机视觉的重要组成部分,能够快速准确地对数字图像进行分析和管理.对基于bag of word(BOW)模型的分类问题进行了研究,针对图像理解中的图像相似度之间的关系,提出了一种最大间隔最近邻居分类算法,通过对成对约束的度量学习算法,在优化目标中增加原空间数据分类的约束,学习到了一个可以反映当前样本数据的距离函数,并且在k-Nearest Neighbor(KNN)分类器上使用该学习到的距离函数来构建分类器,并在多个国际标准图像数据集上进行实验,结果表明:该算法相比传统的基于欧式距离的算法具备更高的正确率.     

基于子波变换的数字图像压缩算法

提出了两种以离散子波变换为基础的数字图像压缩算法，其一，原始图像在子抽样后，通过一次正交子波变换，分解成一幅低频子带图像和３个不同方向的高频子带图像。对变换后的各子带进行统计特性分析，并结合人类视觉机理采取了不同的压缩编码策略。在解码端通过子波逆变换及双线性内插算法，原始图像可被较好恢复。     

基于小波变换的矢量量化编码方法

提出了一种基于小波变换的图像压编码方法，充分利用图像分解后得得小波系数与原始图像的关系、各个子图像象素之间的相准确性、各子图像方向上的相关性以及与人眼视觉特征（HVS）的关系，做到充分利用图像的统计冗余与视觉冗余，为了得到高的压缩比和好的图像质量，精确保留对图像质量影响大的系数，而对图像质量影响小的系数进行粗略量化。同时，在对小波系数的组织和编码上，也做到了具有普遍适用性，结果表明，此方法计算简单、计算量小，编解码时间少，在压缩比较高的情况下获得了较好的图像质量。     

应用支持向量机处理岩土材料的细观图像

应用数字图像处理技术提取非均质岩土材料的细观特征是量化其细观结构的有效途径。为提高图像处理的质量和效率,在进行数字图像处理的阈值分割时,采用统计学习理论中的支持向量机分类方法。选取待原始图像的一个矩形区域作为训练样本图像,提取这些样本点的特征与训练目标一起组成训练样本集,通过对训练样本集的学习,生成SVM(support vector machine)分类机,利用SVM分类机提取原始图像中的特征图像。以花岗岩为例,利用该方法提取其细观结构,结果表明,合理选取训练样本和模型参数,可以提高图像处理的准确率和效率,得到最佳的处理结果。     

Shape classification based on singular value decomposition transform

In this paper, a new shape classification system based on singular value decomposition (SVD) transform using nearest neighbour classifier was proposed. The gray scale image of the shape object was converted into a black and white image. The squared Euclidean distance transform on binary image was applied to extract the boundary image of the shape. SVD transform features were extracted from the the boundary of the object shapes. In this paper, the proposed classification system based on SVD transform feature extraction method was compared with classifier based on moment invariants using nearest neighbour classifier. The experimental results showed the advantage of our proposed classification system.     

基于纹理和直方图特征相融合的镜头边界检测方法

镜头切换检测是视频检索研究领域中一项基本的、重要的技术,对于数字视频镜头突变切换的检测,一般有模板匹配法、直方图法等基本算法,但这些算法在实际检测中通常达不到较高的检测精度。因此,提出了一种特征融合的镜头边界检测方法。HSV色彩直方图进行镜头边界检测是一种常用、有效的方法,该文通过小波变换得到视频帧的纹理特征,并将其与色彩直方图特征相融合,采用滑动窗口技术对视频镜头进行检测。实验表明,该方法能够有效地检测镜头突变,对镜头的渐变也能有较好地检测。     

正六边形离散余弦变换图像编码

本文介绍一种六边形离散余弦变换(HDCT)图像编码方法,并将该方法应用于图像编码,对不同图像分别以不同的子图大小及各种编码速率进行模拟实验,给出了实验结果,并作了详尽的分析。     

基于改进ConvNeXt的COVID-19胸部图像分类

针对新型冠状病毒感染胸部 X-ray 图像分类任务数据集样本过少,现有的两阶段分类器和三阶段分类器模型对高纬度的图像特征提取效果差,模型训练慢等问题,提出一种基于 ConvNeXt 卷积神经网络改进的分类任务算法 ConvNeXt-AT。 ConvNeXt-AT 分类模型首先通过在 ConvNeXt Block 层添加混合域注意力机制 CBAM 来提高图像特征提取能力,不仅考虑了通道间的信息交互能力还考虑到了空间域上像素间的联系,得到 ConvNeXt-AT 模型;然后针对 X-ray 图片常见的泊松噪声使用全变差正则化方法对数据集进行降噪处理;最后在 COVID-19 公开的大型数据集共 21165 张图片进行对比实验。 实验结果表明,在训练数据集充分的情况下,改进的 ConvNeXt-AT 模型相较于常用分类模型 ResNet-50、MobileNet、EfficientNet 以及原 ConvNeXt-T 在准确率上分别提升了 2%、2. 7%、2. 1%、1. 9%。 最后通过 Grad-CAM 显示类激活图的图像可视化方法证明改进方法是可行的,模型具有很好的鲁棒性。     

基于贝叶斯分类器的图像分类

通过对朴素贝叶斯分类器的讨论, 提出将贝叶斯方法应用于医学图像分割后的图像分类思想. 给出一种基于朴素贝叶斯分类器的图像分类方法, 对从尿沉渣图像中识别出的微粒进行正确分割及特征提取与选择, 并利用朴素贝叶斯分类器进行分类. 实验结果表明, 所提出的方法用于解决图像分类有效.