基于特征提取算法下点细胞的识别侦测实现

为解决类似血液环境中点细胞的自动识别与侦测,提高点细胞的人工辨别和计数效率、避免人为统计误差,达到对点细胞信息状态的快速、自动、准确统计,设计了点细胞识别与匹配流程。通过分析点细胞背景图像场,对其图像进行相应切分、二值化、去燥等处理后,利用细节特征算子得到点细胞信息特征空间场。通过特征向量的决策选优改善传统的搜索计算方法,避免了大量信息冗余查询;采用空间决策性能函数优化搜索,减少了特征提取计算量,提高了点细胞识别准确性与状态定位。该方法可逐步应用在医院等领域进行液体环境中的细胞识别、计数、运动轨迹追踪等。     

v基于特征提取算法下点细胞的识别侦测实现

为解决类似血液环境中点细胞的自动识别与侦测,提高点细胞的人工辨别和计数效率、避免人为统计误差,达到对点细胞信息状态的快速、自动、准确统计,设计了点细胞识别与匹配流程。通过分析点细胞背景图像场,对其图像进行相应切分、二值化、去燥等处理后,利用细节特征算子得到点细胞信息特征空间场。通过特征向量的决策选优改善传统的搜索计算方法,避免了大量信息冗余查询;采用空间决策性能函数优化搜索,减少了特征提取计算量,提高了点细胞识别准确性与状态定位。该方法可逐步应用在医院等领域进行液体环境中的细胞识别、计数、运动轨迹追踪等。     

血液细胞图象的模糊综合评判及分类

本文陈述了一种基于模糊综合评判的理论对血液细胞进行分类的方法。研究这一方法的目的在于更好地把血液细胞进行分割、分类,从而为临床诊断提供客观、定量的依据。本文在血液细胞分割的基础上提取图象的特征信息,确定细胞图片的评判参数,对细胞进行分类。本文研究的分类算法对上百幅图像进行试验,效果较好,取得了预期的目标。     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．     

图象处理在装药疵病自动检验中应用的研究

应用计算机数字图象处理技术研究从弹药装药的射线透视图象中自动检验装药疵病的方法。提出用装药区定位、减影,滤波去噪、三值化等图象预处理方法增强图象中的疵病信息;运用边界轮廓跟踪方法对疵病进行特征提取;设计了树分类器,对各类疵病进行自动识别和分类。实验结果表明,采用文中的方法可自动准确地从装药射线透视图象中提取各类疵病,得到疵病的大小、位置、数量、类型等定量检验结果。     

标准正面人脸图象的特征提取

人脸的识别技术（ＦＲＴ）是当前模式识别领域的一个热点课题,人脸特征的自动提取是人脸自动识别过程中至关重要的一步,文中采用基于人脸几何特征的方法,设计一个初步的自动人脸特征提取系统,首先通过改进后的边缘检测和阈值技术在头肩型图象中找到头部轮廓,再利用“三停五眼”的标准进一步确定五官大概的位置,最后提取出７个有效的特征点,本系统建了一个包含５０个人脸图象的数据库,实验结果表明这种方法可以有效地获取头部轮廓一人脸特征点。     

遥感图象地面植被的分类识别

对图象自动纹理分类识别中的纹理特征和分类判别方法进行了讨论.利用三类图象纹理特征组合(二阶统计量,一阶统计量及付里叶功率谱)设计出fisher线性分类器,对广州郊区的地面航空照片进行了大量植被分类判别试验,得到较好的分类结果.使用“留出一个”的分类器测试方法,最高正确率达95％.     

皮料自动分类中纹理分析方法的研究

阐述如何采用图像纹理分析方法对皮件生产中的皮料进行纹理分析识别．在对已有纹理分析方法对比研究以及大量实验的基础上，采用相隔一定距离的水平扫描线上的图象灰度数据作为研究对象，利用从中提取出的特征值，可以对皮料按精细度和深刻度进行识别分类，取得了较高的分类精度，这使皮料纹理的计算机实时自动识别分类成为可能，也为计算机图象处理提供了一种有效的分析方法．     

植物染色体图象处理与计算机自动分析

本文主要研究了植物染色体图象预处理与计算机自动分析。预处理包括复原与几何处理两部分。鉴于染色体图象的具体情况,我们设计了一种新的复原方法——多元回归复原方法。将该方法应用于模拟图象和植物染色体图象的结果表明:该方法速度快,复原效果颇好。以此为基础,进行几何处理(包括放大,中轴提取与拟合)。在预处理的基础上,再进行计算机自动分析(包括特性提取、特征提取与分类器设计)。我们选用Fourier变换进行特征提取,然后利用K—NN判别规则进行分类、识别。为了加快K—NN判别规则的运算速度,还提出了线性空间的快速分类技术。     

基于堆栈稀疏自编码与整体嵌套的乳腺病理图像细胞识别

为解决病理图像的快速分析和利用细胞自动识别的问题,提出了一种基于堆栈稀疏自编码与整体嵌套的细胞识别的方法,快速、高效、准确地识别了高分辨率病理组织图像中的细胞.运用堆栈自编码对训练集中的细胞样本块和非细胞样本块提取高级特征,并运用特征训练Softmax分类器,加入融合层进行融合,用于细胞的自动识别;在训练过程中,还引入了一种新的整体嵌套结构.结果表明:该算法能有效识别出细胞,较其他自编码相比,具有更高的准确率、召回率和综合评价指标.     

基于卷积神经网络的岩石图像分类

在显微镜下分析岩石薄片并对其进行分类时,人工鉴定效率较低且易受主观因素影响,为此提出了一种基于卷积神经网络深度学习的岩石粒度自动分类方法。该方法通过卷积网络模型实现图像特征自动提取,并同时建立模式分类器,实现基于薄片图像的粒度自动识别。采用鄂尔多斯盆地的4 800样品对卷积网络模型进行训练,通过1 200个样品对模型测试,测试集分类结果的准确度达到98.5%。理论分析与数据验证说明,通过深度学习所建立的卷积网络模型能够基于岩石薄片图像获得高效、准确、可靠的自动分类结果。     

基于BP神经网络的磨损微粒智能识别

磨粒图象自动分析与识别问题不但是铁谱技术发展需要解决的关键问题，同时也是针对机械设备磨损工况的状态监测与故障诊断后续信息流程实现自动化、智能化和系统化时遇到的关键技术难点和重点．本文在分析综述近年有关研究方法和结果的基础上，提出解决这一问题的新的研究思路，及相应的处理流程、模型和软件实现，并给出了具体的实验结果．本文提出的流程可用于其它微粒图象（如血液细胞分析）自动识别领域．     

白细胞的自动识别和分类

白细胞的分类目前已成为医院的常规检查项目之一,检查结果对于临床诊断有着十分重要的意义。然而,显微镜下的这项工作是十分耗时的,且不同的检验人员有着不同的分类误差。为此,本文初步探讨了用图象处理和模式识别的方法对白细胞进行自动识别和分类,希望能以计算机来帮助人的眼脑系统,从而减轻检验人员的工作强度,提高分类的效率和一致性。本文运用了图象处理手段,用求熵阈值法对细胞图象进行分割,提取细胞及细胞核;用全向跟踪法提取细胞轮廓和核轮廓,同时,提出了一种快速的区域生长算法对轮廓内区域作填充。本文对每幅细胞图象提取了一个五维的特征向量,采用多两类分类和留一法,对有限的样本作训练,以设计Bayes分类器,对白细胞逐层分类,并对分类效果作出检验。本文通过以上方法的应用,白细胞的分类取得了比较好的结果。     

人脸识别技术的研究

人脸自动识别问题近年来受到了各国研究人员的普遍关注。在总结前人研究成果的基础上,本文分类论述了人脸自动识别课题中的常用方法,并分析了它们的优缺点。根据被识别图象的来源,人脸识别技术可分为2类:静态人脸识别和动态人脸识别。本文首先介绍了静态人脸识别中所用到的算法,然后对动态人脸识别系统进行了初步的探讨。     

基于计算机神经网络的细胞诊断系统研究

人体血液细胞的分类计数对临床诊断有着重要意义，而人体内各种细胞的识别和诊断在医学上更具有研究价值。在PC机上利用真彩色细胞图像和神经网络技术建立了具有自学习功能的细胞诊断与分析系统，有效地实现了血液细胞的三分类和白细胞的五分类、异常细胞的检出和收集。系统还提供了特征库的建立与编辑功能，可不断扩大和完善系统功能。     

基于ESS模型的云状自动识别方法

为了提高云图自动识别的准确率,提出了一种新的云状自动识别方法。基于湍流标度理论,将湍流的标度特征应用于云图的自动识别和分类中,对云图的灰度数据进行扩展自相似(ESS)模型标度分析,提取云图的标度指数特征,利用不同云系的标度特征识别云图。选用支持向量机作为分类器,对波状云、层状云、积状云、卷云和晴空5种云图进行识别。研究结果表明,通过提取ESS模型标度特征进行典型云状识别的准确率接近或超过90%。由于具有较强的显著性,基于湍流标度理论提取云图特征对云状识别方法是一个很好的补充。     

基于双流卷积网络的宫颈细胞细粒度分类

为了实现对宫颈细胞图像相近类别的准确自动分类,提出了一种双流卷积神经网络算法。算法以DenseNet121网络和Xception网络为基础并对其进行改进,以提高算法对宫颈细胞进行细粒度分类的识别准确率。首先,在DenseNet121中引入DropBlock模块进行网络正则化,用于提高模型的泛化能力;其次,在Xception中加入SE(Squeeze-and-Excitation)模块调整通道权重,以增强网络提取有效特征的能力;最后,将两个网络输出的特征图进行拼接构建双流网络,来获取宫颈细胞更全面的特征信息。实验结果表明,该网络在Herlev数据集以及SIPaKMeD数据集上各性能指标都表现良好,且都达到了99%的准确率,优于改进融合前的网络,提出的算法在宫颈细胞的细粒度分类中具有较高识别率。     

白细胞的自动识别和分类

白细胞的分类目前已成为医院的常规检查项目之一,检查结果对于临床诊断有着十分重要的意义.然而,显微镜下的这项工作是十分耗时的,且不同的检验人员有着不同的分类误差.为此,本文初步探讨了用图象处理和模式识别的方法对白细胞进行自动识别和分类,希望能以计算机来帮助人的眼脑系统,从而减轻检验人员的工作强度,提高分类的效率和一致性. 本文运用了图象处理手段,用求熵阈值法对细胞图象进行分割,提取细胞及细胞核;用全向跟踪法提取细胞轮廓和核轮廓,同时,提出了一种快速的区域生长算法对轮廓内区域作填充.本文对每幅细胞图象提取了一个五维的特征向量,采用多两类分类和留一法,对有限的样本作训练,以设计Bayes分类器,对白细胞逐层分类,并对分类效果作出检验. 本文通过以上方法的应用,白细胞的分类取得了比较好的结果.     

基于局部时序特征的细胞视频动态形变度量和分类

使用植皮手术后小鼠的淋巴细胞作为研究目标,针对其动态形变提出一种局部形变特征,用于提取细胞形变过程中的时序信息和空间信息.该特征提取算法被应用在淋巴细胞形变数据集上,并与多个基于图像特征的形变度量算法进行了比较.实验结果表明,局部形变特征能根据形变特性准确分类细胞,在度量和分类细胞动态形变方面比基于图像特征的算法更加有效.      

基于计算机神经网络的细胞诊断系统研究

人体血液细胞的分类计数对临床诊断有着重要意义,而人体内各种细胞的识别和诊断在医学上更具研究价值.在PC机上利用真彩色细胞图像和神经网络技术建立了具有自学习功能的细胞诊断与分析系统,有效地实现了血液细胞的三分类和白细胞的五分类、异常细胞的检出和收集.系统还提供了特征库的建立与编辑功能,可不断扩大和完善系统功能.