一种基于视觉感知的复合医学图像分割算法

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.     

高速图像采集系统在HL-2A装置上的应用与软件实现

高速图像采集与实时显示系统可以在试验进行期间进行实时采集、实时显示和慢速回放。图像与图像间的时间分辨率为10ms,即每秒要采集100幅图像。所有图像为650×480象素的图形,分别存为黑白图和彩色图。图像数据分别存在本地和远程,供后期回放和图像分析处理使用。程序用VC开发。     

马尔可夫随机场在可见光图像分割中的应用

在可见光图像生成红外图像的过程中,图像分割至关重要。马尔可夫随机场（MRF）具有局部特性,由此特性建立了纹理特征的MRF模型。利用纹理的MRF模型,将参数的期望最大化用于该模型中的参数估计。最后将图像中的所有像素经该模型计算后得到纹理信息并分割图像。通过实验取得了较好的效果。     

一种基于纹理过滤和中值滤波的牌照定位方法

提出一种基于纹理过滤和中值滤波的牌照定位方法,根据牌照字符纹理图案提出纹理过滤,利用行跳变扫描边缘,进行粗定位,然后采用中值滤波方法进行进一步精确定位。该方法简单,对牌照底色没有要求。经大量试验检测,定位准确率达到98．9％。     

基于小波能量加权的医学图像融合新算法

目前的大多数基于小波变换的医学图像融合算法,由于没有细致考虑低频分量融合规则以及高频分量邻域特征对于融合效果的重要性,因而得到的融合效果有时并不理想.现提出一种小波域按邻域加窗能量加权的融合准则,该准则根据人体颅部18F-FDG和MRI-T1图像的特点,充分考虑到了低频分量和高频分量邻域特征,对原图像高、低频小波系数分别选用具有不同物理意义的窗矩阵进行邻域加窗能量计算,以归一化加窗能量为权值对各小波系数进行加权,得到融合小波系数,经过小波反变换重构出融合图像.实验证明,采用提出的融合算法得到的融合图像很好地包含了源图像的信息,该算法在医学图像融合应用中比传统的小波系数取大算法、加权平均算法及按邻域方差加权算法效果更好.     

光栅投影三维测量中一种新的线条纹细化算法

针对光栅投影三维测量中的线条纹,提出了一种新的条纹细化方法。实验证明,该算法获得了理想的处理效果。     

基于USB2.0和COMS传感器的图像采集系统设计

设计了一个基于单色COMS图像传感器的图像采集系统,对其硬件系统进行了详细分解,主要针对COMS传感器的驱动及USB接口传输控制电路进行了描述,核心控制芯片为FPGA,最后给出了软件部分的设计。     

细胞膜微小搏动的超分辨率测定

在对超分辨率理论作有关修正改进基础上, 通过扩展傅立叶子运动维度, 增加亮度梯度以及应用极大值自适应加权滤波器等手段, 发展出新的以动态序列图像对细胞膜的微小搏动进行测定的新方法. 较之原有方法, 在超分辨能力, 测量精度方面得到提高. 通过对人体红细胞, 植物黄曲霉细胞的检测分析, 得出了一些新发现.     

基于图像重建的根系三维构型定量分析及其在大豆磷吸收研究中的应用

植物根系三维构型的定量描述和分析是研究植物根系生长及对养分吸收利用等营养功能的重要手段之一, 但迄今尚无定量测定三维根构型参数的有效方法. 本研究通过数码摄像机旋转拍摄物体获得根系多视角二维图像, 并根据根系基本结构特征, 创建了适合根系等线状物体三维图像的快速重建算法, 重建了植物根系图像, 获得根系三维构型的数字化模型及其骨架. 以此模型和骨架为基础, 获得直径大于0.3 mm大豆根系的主根长、总根长、平均基根角度、根宽深比、介质不同层次根长分布率以及根系在生长介质中不同三维区域的分布率等三维根构型参数, 并分析了这些参数与大豆生物量和磷吸收量等生长指标之间的相关关系. 本研究可以为研究植物根系生长及其营养功能提供一种新方法.     

基于特征自干扰与像素注意力机制的道路分割网络

主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注意力机制缺乏像素级的特征筛选。针对上述问题提出了基于图像特征自干扰与像素注意力机制的道路分割网络,该网络分为主干分割网络和特征自干扰网络两部分,主干的分割网络包含像素注意力模块,可实现真实特征的提取和像素级的增强;自干扰网络输入原始图像随机裁剪和插值放大后得到的局部图生成伪特征,此外提出了融合模块用于实现伪特征与真实特征的融合并对主分割网络中间特征进行干扰。在KITTI和Cityscapes道路数据库上的实验表明：基于图像特征自干扰与像素注意力机制的分割方法与DeepLab V3分割方法相比,在KITTI数据集上的分割精度由88.02%提升至90.55%,在Cityscapes数据集上的分割精度由87.15%提升至90.16%。