基于HVS与PCNN的彩色图像增强

提出一种新的彩色图像增强方法:将RGB空间转化为HIS空间后保持H分量不变,对S分量进行指数拉伸;而对I分量则利用脉冲耦合神经网络的特性将原始图像的灰度信息与空间信息一起耦合到神经元的内部活动项,然后利用人类视觉系统模型构建动态阈值与其比较得到增强图像.实验证实了这种方法的有效性.     

基于卷积神经网络与Bayesian决策的图像识别与分类记忆建模

当前热门图像分类方法大多侧重在分类能力,忽视识别新事物,然而人类认识事物时侧重认识,只在细小之处重视分类,这一点与人类记忆机制密切相关.尽管目前有许多记忆建模理论被相继提出,但大多以单词列表的形式学习,对自然图像列表的研究有限.基于此,本文提出了基于卷积神经网络与Bayesian决策的图像识别分类记忆建模方法,首先利用卷积神经网络提取图像特征,并采用二进制形式存储特征向量;然后进行视觉图像的表达,存储与提取记忆建模,将测试图像特征向量与所有已存储特征向量进行匹配对比,计算似然率值;最后在所有似然率基础上计算测试图像是新类别的几率,若该几率大于某个阈值则判别其为新类别;反之,利用Bayesian决策规则进行.图像分类.在Caltech-101与Caltech-256数据库上的实验表明所提方法能很好地应用于图像识别分类任务中.其击中率比目前代表性的稀疏表达分类(SRC)以及极限学习机(ELM)方法高,且虚报率比其他两种方法低的多.     

形态描述矩阵及其在彩色图像检索与识别中的应用

提出用以表达图像中特定区域内点的分布信息的形态描述矩阵. 该矩阵同时考虑了区域内各点的径向与角向分布信息, 能够全面、准确地表达图像的形态特征, 不受区域边界模糊的影响. 基于该形态描述矩阵, 提出了用以整体描述图像色彩区域的位置与形态特征以及判定彩色图像匹配程度的广义彩色直方图方法. 实验结果表明, 运用该方法, 能有效地进行彩色图像的检索和识别.     

基于最优小波包分解的图像隐写通用检测

基于图像最优小波包分解,提出了一类具有较高检测正确率的信息隐写通用型检测方法.首先基于Shannon熵计算信息代价函数,对图像进行最优小波包分解,并从分解得到的子带系数以及图像像素中提取直方图特征函数多阶绝对矩作为特征,然后对提取的特征进行预处理并设计BP神经网络分类器进行分类.针对不同的背景和应用环境,文中给出了3种不同的检测算法.针对LSB、PMK、LTSB、Jsteg、F5及JPHide等典型隐写算法的实验表明:此方法相比现有的典型通用检测方法,正确检测率提高约6.4%～15.4%,且具有更好的通用性,并可为设计基于最优小波包分解的模式识别和分类算法提供参考.     

输出-阈值耦合神经网络及基于此的最短路问题求解

通过建立神经元输出和与其相邻神经元阈值之间的相互耦合, 提出了一种输出-阈值耦合神经网络, 实现了对在通常脉冲耦合神经网络中所存在的自动波现象的模拟, 并基于它的自动波现象, 提出了一种用输出-阈值耦合神经网络求解最短路问题的方法, 该方法具有所需神经元数目少、神经元和网络的结构简单、大规模并行计算等特点, 可用于求解非对称赋权图单起点多终点的最短路问题, 其所需的计算量(迭代次数)仅正比于最短路的长度, 而与图的复杂程度、所存在的通路总数等无关. 最后给出了最短路求解的例子.     

基于脉冲耦合神经网络的椒盐噪声图像滤波

通过对脉冲耦合神经网络(PCNN)工作机理的分析, 指出由其神经元的阈值衰减特性和网络局部链接特性所带来的神经元的点火捕获特性本身就具有很好的对椒盐噪声污染图像的噪声定位作用, 并基于此提出了一种对图像噪声进行定位、仅对噪声像素进行类中值滤波的思想, 实现了图像的强自适应滤波, 并针对随机椒盐噪声和极端椒盐噪声两种不同的噪声情况, 分别给出了相应的滤波器. 经该方法滤波的图像有无任何畸变(对非噪声像素)、模糊小(对噪声像素)的特点, 较传统的基于窗函数滤波的方法(如中值滤波法)有明显的优越性, 实验及与其他方法的比较验证了其良好的滤波性能.     

热声固耦合问题多参数识别中解的唯一性和算法研究

本文研究了一类热声固多物理场耦合中的初边值识别问题,建立了基于超声回波时间测量的固体结构表面热流和尺寸的多参数同时识别模型.利用热传导方程的极值原理,证明了耦合问题多参数识别中解的唯一性,为超声同时测温测厚等工程应用提供了理论支撑.在数值求解正问题的基础上,将反问题重新表述为由偏微分方程约束的优化问题.将共轭梯度法反演热流和最速下降法反演厚度相结合,发展了多参数识别问题的交替迭代算法,并通过严格的收敛性分析,给出了交替迭代算法的收敛性条件,证明了算法的全局收敛性.最后通过设计数值算例,验证了本算法的可靠性和可行性,并对比了仅识别热流的单参数识别算法,验证了本算法在精度方面的提高.     

基于引导滤波和小波变换的太阳冕环结构自动识别算法研究

冕环是太阳大气中的炙热等离子在太阳磁场的作用下产生的一种太阳特征结构;研究冕环动力学特征将促进我们对太阳日冕磁场,日冕加热和日冕振荡等研究.冕环结构的准确识别和提取则是相关研究的前提条件.然而由于日冕磁场的复杂性,使得对冕环结构识别和提取面临很大的困境.为此,本文提出了一个新的冕环识别算法.该算法结合了引导滤波和小波变换模极大值的方法来对冕环结构进行自动识别和提取.识别和提取算法过程如下:(1)运用模糊函数对太阳日冕图像的对比度进行增强;(2)使用引导滤波对增强后的图像进行滤波来增强冕环结构的边缘;(3)对滤波过后的图像使用小波变换模极大值法来识别图像中的冕环结构,并对识别出的冕环图像进行二值化处理;(4)对二值化图像进行形态学处理来获取冕环结构.运用该算法对由过渡区和日冕探测器(Transition and Coronal Explorer, TRACE)和太阳动力观测站的大气成像装置(Atmospheric Imaging Assembly on the Solar Dynamics Observatory, SDO/AIA)观测设备在171?波段所观测的日冕图像中的冕环结构进行识别和提取,并同已有文献的识别结果进行了对比,结果表明本文所提出的算法具有很高的识别率和很好的鲁棒性.所识别和提取的冕环结构能进一步用于科学研究中.     

基于最大异类距离特征提取的SAR目标识别方法

合成孔径雷达自动目标识别是合成孔径雷达的一个重要的应用方面,如何在高维SAR图像中提取有效分类信息是制约自动目标识别的瓶颈问题.本文基于流形结构假设,提出了一种新的特征提取方法——最大异类距离特征提取,该方法融入了样本集类别信息和邻域信息,通过最大化异类样本的距离实现特征提取,以提高特征的可鉴别性.基于MSTAR数据库的实验已验证了本文提出的方法能够有效提高目标识别率.     

广义S变换的参数优化及在电能质量分析中的应用

针对广义S变换(generalized S-transform,GST)的参数优化困难问题,提出一种GST参数优化方法并应用到电能质量扰动分类与扰动参数检测中.对基频点对应的参数r独立设置突出时域扰动特征,便于其他频点的参数优化专注于频域扰动,使优化后的广义S变换(optimized generalized S-transform,OGST)能同时表征较高精度的时域扰动和频域扰动信息.提出确定r的优化指标,使r的求取具有自适应性和理论依据.基于OGST的时频矩阵,提出4种扰动特征,并设计决策树分类器进行分类识别.同时实现对扰动起止时间、扰动幅值、谐波成分等扰动参数的检测.仿真数据及实测数据分析表明OGST抗干扰能力强、识别精度和检测精度高.     

一种自适应频谱成形器:在超宽带认知无线电中的应用

超宽带脉冲无线电(UWB-IR)在高速通信、高精度定位及穿墙透地等重要领域具有广阔的应用前景,它与认知无线电结合将进一步缓解频谱资源的紧张局势.然而,现有的UWB脉冲难以充分利用其频谱能量,导致其传输性能下降;同时,UWB-IR无法有效而灵活地进行频谱规避,从而无可避免地干扰其余授权用户.从数学插值理论出发,本文基于径向基神经网络提出一种通用频谱成形滤波器,进行合理简化后给出其简单硬件实现.该脉冲设计网络能快速跟踪UWB设备的工作环境,自适应地设计具有特定频谱的UWB-IR脉冲.当无授权用户工作时,它能最大化频谱利用率,改善UWB系统传输性能;当有授权用户时,在最大化非授权频段能量利用率的前提下,它能有效地规避授权频段,实现可靠频谱共享.理论分析和仿真表明,基于神经网络的UWB脉冲在频谱利用率、频谱规避性能及接收性能等方面均优于现有设计方案.     

改进的模糊神经网络算法在车型识别中的应用

FBP和FCNN网络是模式识别中应用最为广泛的两种神经网络,本文将这两种网络应用于车型识别,分别建立了车型识别模型。利用混沌对初值的极端敏感依赖提出了FCNN网络算法,通过对车型图像数据库进行仿真实验,对比分析它们各自的识别率和泛化能力等性能指标,证明了FCNN网络算法的有效性。     

基于磁性微泡对比剂的超声和磁共振影像融合算法

文中提出了一种新的基于磁性微泡对比剂的超声影像和磁共振影像之间的融合算法．首先利用磁性微泡对比剂对体模进行超声和磁共振显影,并对显影进行边缘分割．运用非采样contourlet变换（nonsubsampled contourlet transform．NSCT）对源图像进行分解,然后对低频子带系数采用自适应动态加权非负矩阵分解（dynamic weighted non-negative matrix factorization．DWNMF）结合分割图像进行融合．然后对各带通方向子带系数采用空间频率激励的脉冲耦合神经网络进行融合,最后利用NSCT逆变换得到融合图像．研究结果表明,利用磁性微泡对比剂并结合上述算法对超声影像和磁共振影像进行融合,可以获得预期的融合效果．     

因果推理引导的复杂花纹织物缺陷视觉检测深度学习方法

AI视觉质量检测是两化融合的先导场景,是复杂产品质量管控的重要手段.本文以复杂花纹织物为对象,提出因果推理引导的产品缺陷视觉检测深度学习方法,从而解决复杂背景干扰下的视觉检测难题.首先,构建复杂背景干扰下的缺陷检测结构因果模型,并提出阻断背景特征干扰的因果干预策略.其次,在因果干预策略的基础上建立缺陷特征敏感性神经网络(defect feature-sensitive neural network, DFSNN),包括两个特征提取模块(分别以同视角的无缺陷、有缺陷面料图像作为输入).然后,提出了因果关系敏感性学习模块,其差分两个特征提取模块的输出,并通过最大化输出差分来构建因果敏感损失函数,从而实现训练过程中对背景特征的阻断和对缺陷特征的敏感性学习.实验结果表明, DFSNN可有效减弱背景图案的混淆干扰,保持95%的缺陷识别准确率.     

基于模糊神经网络的图像恢复技术

通过分别引入输入与输出空间的合理剖分,定义了一种新的模糊神经网络(FNN), 即选择型FNN, 该系统是一种多层前向网络, 在最大模意义下构成一类函数泛逼近器.基于一组具有实际意义的模糊推理规则, 得出了一个简单实用的推理型FNN. 利用选择型FNN与推理型FNN的有机结合, 得到FNN滤波器, 它不仅结构简单, 易于设计参数学习算法, 而且能同时有效去除图像信号中的脉冲噪声和保持图像结构. 实验结果表明, 与其他滤波器(如:中值滤波, 自适应加权模糊平均(AWFM)滤波等)相比, FNN滤波器在去除各种噪声, 保持图像未污染部分结构等方面性能卓越     

基于造影图像的能量场反投影合成冠脉三维重建

基于造影图像的血管三维重建技术对于心血管疾病的计算机辅助诊断具有重要的临床实用价值.本文针对两幅单平面冠脉造影图像,提出了一种能量场反投影合成冠脉三维重建方法.深入研究了X射线造影成像原理和非封闭参数曲线构建方法,基于透视投影模型将两幅造影图像中形变曲线所受的外部驱动能量场反投影到三维空间中实现合成.在外部形变驱动力和内部平滑力的共同作用下,三维参数曲线不断形变向合成能量场最小的方向演化.为获得高精度的重建结果,通过曲线匹配方法实现参数曲线上点对点的稠密匹配,然后使用集束调整方法实现投影参数和血管三维结构的非线性全局优化.为了验证算法的有效性,我们将本文提出的方法在仿真数据和真实造影图像上进行了一系列实验;同时对具有不同造影成像角度差的图像进行了重建精度比较.实验结果表明本文提出的方法非常有效和鲁棒,重建冠脉血管树在三维空间中的均方误差小于0.80mm.     

基于热吸收分布的热声成像方法研究

注入电流式热声成像是一种电磁场与声场耦合新型成像技术,融合了传统电阻抗成像高对比度和超声成像高分辨率的优势,具有早期诊断的潜力.为了验证该方法在复杂生物组织结构中应用的可行性,本文分析了注入电流式热声成像方法基本理论,将脉冲激励电流注入目标体,在目标体中产生焦耳热,引起热膨胀激发超声波;将热吸收作为热声源,以低电导率的椭圆和长方形目标体为几何模型,进行电磁场和声场耦合分析,得到声源及声压分布;同时,搭建了成像系统实验平台,分别采用不同厚度猪骨质和模拟生物软组织的1 S/m低电导率仿体、新鲜猪肝离体组织嵌入0.5 S/m仿体,将脉宽0.8μs的脉冲激励电流源注入仿体,开展热声实验研究.采用1 MHz中心频率的超声换能器进行声压信号的检测,得到目标体的声压信号及猪肝仿体的B扫图像.研究结果表明:较薄较软的骨头遮挡实验所检测到的声压信号并无明显衰减,尽管硬骨对声信号起到了一定的衰减作用,但依然可以得到较清晰的声压信号,且声压波形均可反映凝胶仿体电导率变化的位置;猪肝仿体实验结果验证了该方法可反映低电导率生物组织电导率变化.该研究证实了该方法用于复杂生物组织成像的可行性,为推动多物理场耦合成像技术应用于人体疾病诊断提供了依据.     

快速评估颗粒污泥性能的无锚实例分割方法

现有的Anammox颗粒污泥性能评估方法中,生化反应等效测定的方法较为精确但耗时长,基于图像颜色建模的方法足够快但不够精确.因此本研究基于实例分割任务,提出一种新的结合颗粒污泥视觉特征(如颗粒污泥颜色、尺寸、粗糙度等)进行性能评估的模型,使其能够在快速评估的同时保证较高精度.首先设计采样方案,收集颗粒污泥图像后进行图像标注,进而构建颗粒污泥图像数据集.针对图像场景中样本不均衡和小目标信息难提取的难点,本研究对无锚实例分割方法BlendMask进行改进,在主干网络上结合可变形卷积提取小目标信息,在头部网络上提出自适应样本选择策略平衡样本,并重新设计了后处理、损失函数与数据增强等模块,使改进后的BlendMask方法能快速精确提取图像场景中的颗粒污泥个体.然后获取颗粒污泥的视觉特征,设计视觉特征与性能的关联模型,判别输入图像的性能类别.相比之前的研究,本文提出的方法能够快速精确地获得颗粒污泥的性能评估.最后比较了所提出改进的BlendMask方法和先进方法在颗粒污泥图像分割和性能评估方面的表现,实验结果表明,改进的BlendMask和性能评估模型精度分别提升了3.93%和1.49%,方法取...     

基于细胞神经网络的图像分割及其在医学图像中的应用

细胞神经网络（cellular neural network,CNN）在图像处理方面的应用研究已有很大进展. 其中,指定目标提取CNN现有算法应用于灰度图像时,其有效性依赖于初始点的选择. 以医学图像为例,对这种局限性进行了分析,并提出了一种改进CNN算法,实现了对图像中任意灰度区域的目标物体分割. 同时利用梯度信息和轮廓提取CNN确定轮廓,有效抑制分割过度. 人脑磁共振成像（MRI）中肿瘤分割的实例表明,改进的算法具有实用性和有效性.     

基于多分类器的房地产客户分类

利用数据挖掘中分类的技术,根据房地产客户的信息,对客户购买力、购买欲进行评估,根据客户是否会购买,将其分为两类:重点客户和一般客户.从损失成本和辨别能力方面考虑,构建了一个组合分类器模型.使用Weka软件,利用多个公司的客户历史数据,与决策树、神经网络、支持向量机以及贝叶斯网络的分类性能做了比较,发现该组合分类器在稳定性、正确率方面优于其他分类器.