基于纹理特征和核Fisher的红细胞识别算法

为解决正常红细胞的计算机自动识别记数问题,提出了一种红细胞识别分类计数算法。首先基于计算机图像处理技术,利用二值图的拓扑特性实现单个细胞的定位。然后根据定位信息提取单个细胞灰度图像数据,计算该细胞图像经小波变换后低频系数的灰度-基元共生矩阵,并提取能量、熵等8个特征作为特征矢量,利用核F isher判别实现对红细胞的识别和计数。实验结果表明该算法具有较高的分类识别正确率,可用于与红细胞形态变化相关疾病的辅助诊断。     

贮藏期血液红细胞形态变化图象处理实验研究

利用计算机图象处理技术观察血液贮藏对红细胞形态和变形的影响，了解贮藏期间红细胞形态学变化及血液流变学特性．建立红细胞形态图象处理系统，对红细胞面积和周长进行定量测定以此对红细胞形态特征进行描述．结果显示21天的特别法庭贮藏期中，红细胞形态与新鲜血液的情况相比较无显著性变化，35天后的红细胞形态有较显著的改变．红细胞计算机图象分析系统能够快捷检测红细胞形态的变化，血液贮藏期红细胞形态变化可为了解红细胞存活力的情况提供参考．     

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。     

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.     

基于改进局部二值模式和梯度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存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

基于改进局部二值模式和梯度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存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

改进卷积神经网络在腺癌病理图像分类中的应用

针对传统卷积神经网络(CNN)稀疏的网络结构无法保留全连接网络密集计算的高效性和在实验过程中卷积特征利用率低造成的分类结果不准确或收敛速度较慢的问题,提出了一种基于CNN的多尺度方法结合反卷积网络的特征提取算法(MSDCNN)并对腺癌病理图像进行分类。首先,利用反卷积操作实现不同尺度特征的融合,然后利用Inception结构不同尺度卷积核提取多尺度特征,最后通过Softmax方法对图像进行分类。在腺癌病理细胞图像进行的分类实验结果表明,在最后的卷积特征尺度相同的情况下,MSDCNN算法比传统的CNN算法分类精度提高了约14%,比同样基于多尺度特征的融合网络模型方法分类精度提高了约1.2%。     

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Gabor滤波器组和特征分组神经网络目标识别

就模式识别中特征提取和分类决策两个阶段进行了研究．在特征提取方面，提供了一种用于提取图像不同中心频率和方位特征的Gabor滤波器组的设计方法；在分类决策算法方面，提出了一种基于图像的Gabor滤波特征的特征分组神经网络分类算法，该算法将一个复杂的模式识别问题分解为几个简单问题来处理，降低了问题的复杂度，同时还取得了一定的抗有限带宽噪声的效果．     

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.     

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。     

电视关节镜手术图像处理与分析的技术研究

利用视频捕捉卡将电视关节镜输出信号转变为数字信号 ,使用计算机记录和保存采集的图像 .采用图像边缘检测和图像跟踪算法对获得的关节数字图像进行了图像处理和分析 .在图像处理的基础上 ,自动测量出病变部位的形状参数 .结果表明这些处理和分析方法是非常有效的 .本研究为内窥镜图像自动识别的研究提供了重要的材料     

基于支持向量机的栗属树种分类研究

形状特征是物体识别的重要依据。同时,分类算法的选择也将对识别的性能造成很大影响。围绕上述两个问题,以栗属树种的果实图像为例,在准确分割出目标图像的基础上,分别应用不变矩和边界矩提取其形状特征值,并使用支持向量机算法对栗属树种果实图像进行分类。实验结果表明：基于支持向量机的栗属树种果实图像分类识别准确率可达到87．5％,识别的结果较为理想。     

小样本学习在高分遥感影像分类与识别中的应用

遥感影像分类与识别是近年来深度学习以及图像分类与识别研究的热点,其中一个关键问题是因样本数据集的数据较少而极易出现过拟合。许多图像分类的模型和方法并不完全适用于遥感影像分类,将小样本学习与遥感影像处理结合起来,实现遥感影像数据增强和识别模型优化是一个可行的思路。根据小样本学习的发展现状,针对特征提取、模型分类方法,归纳总结了典型学习方法的原理及其在相关领域的应用; 分析遥感影像处理的现状和存在问题,基于适用场景、优缺点对各方法进行了比较; 通过分析小样本学习在高分遥感影像分类与识别上的应用,发现引入注意力机制和迁移学习后,小样本学习能够用于样本数据量小的遥感影像分类。     

基于LVQ神经网络的医学图像识别研究

以医学肝脏CT图为研究对象,设计了一种基于LVQ神经网络的医学图像识别方法。基本思想是首先确定图像ROI区域,并作灰度映射变换。接着提取其颜色、纹理和形状特征构成表征医学图像的特征矢量,最后将特征归一化后利用LVQ神经网络进行识别。通过与其他典型神经网络识别方法的实验比较,结果表明,设计的方法能取得更为理想的识别效果。     

破碎岩石颗粒形态特征量化描述体系

形态特征的量化描述是破碎岩石颗粒三维形态重构及其力学行为研究的基础。本研究针对岩石颗粒二维形态特征的表征开展研究,随机选取不同粒径的破碎岩石颗粒,采用数字图像处理技术和Image-Pro Plus图像测量方法,提取岩石颗粒的基础几何数据。确定以圆形度、球形度、矩形度和粒径为指标的形态特征描述体系。对测量结果进行散点拟合与多元参数拟合,通过相关性分析确定形状参数影响效果的显著性,筛选淘汰不显著因素与相关性低的参数,构建岩石颗粒CSR(Circularity, Sphericity, Rectangularity)形态特征描述体系。结果显示,以圆形度代表颗粒二维形态特征的规则程度,粒径的相关性较低,球形度与矩形度均存在相关性,经回归分析后发现球形度的影响程度最为显著。对比分析结果显示,CSR指标体系在表征颗粒宏观二维形态上具有较高的准确度。     

IBCIS: intelligent blood cell identification system

The analysis of blood cells in microscope images can provide useful information concerning the health of patients. There are three major blood cell types, namely, erythrocytes （red）, leukocytes （white）, and platelets. Manual classification is time consuming and suscep- tible to error due to the different morphological features of the cells. This paper presents an intelligent system that simulates a human visual inspection and classification of the three blood cell types, The proposed system comprises two phases： The image preprocessing phase where blood cell features are extracted via global pattern averaging, and the neural network arbitration phase where training is the first and then classification is carried out. Experimental results suggest that the proposed method performs well in identifying blood cell types regardless of their irregular shapes, sizes and orientation, thus providing a fast, simple and efficient rotational and scale invariant blood cell identification system which can be used in automating laboratory reporting.     

一种新型的图像型火灾识别算法的研究

图像型火灾探测技术是一种新型的探测技术,可以有效地克服传统火灾探测技术的缺陷.针对背景复杂的火灾图像,首先利用差分技术、RGB颜色分割技术和形态特征分割技术建立3层复合分割模型,排除大部分干扰,得到火焰疑似区域;然后分析火焰疑似区域的相似性测度、面积变化值、致密度、偏心率和质心点偏移距离等特征,这些特征可以较全面地表征火灾信息;最后利用RBF神经网络建立火灾识别模型,将提取出的火焰特征作为输入量,对火灾图像进行分类识别.仿真结果表明,该算法对不同场景的火灾识别具有较高的准确率.     

稀疏表示的图像分类研究综述

良好的特征提取方法能减轻后续图像分类与识别的工作量。针对具体的分类问题提出了不同的特征提取方法,并在图像分类和识别任务上取得了较好的效果。然而,已有的基于传统方法的特征提取存在一些明显不足,即随着视觉任务规模的增大,直接利用这些传统方法进行特征分类,效果并不理想。提出的特征表达方法,在图像最基本特征基础上进行矢量量化、稀疏编码或其它表达以形成一幅图像最后的特征。着重介绍基于稀疏表示的特征分类算法并对其进行分析,最后探讨存在的问题和今后研究的方向。