人工神经网络和支持向量机性能比较及其在DMD疾病识别中的应用

对人工神经网络(ANN)和支持向量机(SVM)这两种机器学习方法进行了分析与比较,并分别利用两种算法对神经肌肉罕见病DMD的磁共振图像(MRI)数据进行建模、分类预测.经对比后得出结论:两种算法结果均表明,DMD的两类MRI(T1和T2)中,T1更具特征性,故此类患者的MRI检查可仅进行T1扫描;若能选择合适的模型参数,则两种算法模型均具有极好的分类预测效果,其灵敏度、特异度和准确率分别高达98.5%,97.3%,97.9%和96.9%,97.3%,97.1%;利用机器学习方法对DMD患者的MRI进行分析处理可作为该病无创检测的技术探索,有望为临床提供客观有效的辅助诊断手段.     

基于图像块分割及小波空间频率的多聚焦图像融合法

提出了一种基于图像块分割及小波空间频率的多聚焦图像融合算法.采用块区域局部小波空间频率作为图像是否清晰的判断依据,对于明显的清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域;而对于清晰与模糊的边界区域,采用了基于像素的窗口空问频率的方法进行融合处理.实验对比结果表明,该方法明显优于小波变换方法和图像块方法.     

一种基于混沌加密的二值图像数字水印算法

以Logistic混沌映射的初值作为密钥,产生混沌序列构成加密模板来加密二值图像水印.在DCT变换域进行水印嵌入,进行非盲检测.该算法符合密码学要求,且仿真结果表明不可见性和鲁棒性良好.     

地震应可预测

 不可认为地震根本不能预测。有人认为地震的发生犹如一个沙堆被堆积时的不断坍塌。各次坍塌可大可小,因为沙堆中没有结构,坍塌是一种临界自组织,即使第一粒沙子已经开始滑动坍塌,仍不能预测其结束时会有多大（体积）规模。因之,地震根本不能预测。笔者认为：说地震犹如沙堆坍塌无结构,实际是一种错觉。当你用不同震级档地震研究同一个地区的地震活动性图像时,可以发现不同震级档地震的图像对应着鲜明的不同地形构造特征。这也就展示了地震具有的一种结构。我们知道大地震不是任何地方都能发生的。地震是有其特定时-空结构的,不可认为地震根本不能预测。     

基于视频图像理解的中国象棋棋子识别

提出了一种基于视频图像理解的中国象棋棋子识别算法.在检测视频图像无变化基础上,检测棋子变化,利用棋子的先验信息及象棋规则排除无法行棋点,再通过当前帧图像与前两步棋子图像特征识别出实际行棋的棋子.该算法避免使用二值化门限,对光照、阴影等外界环境的变化具有良好的适应性.     

基于曲线波的超声图像分割

为了提高前列腺超声图像分割的准确率,提出一种基于曲线波的半监督超声图像自动分割方法.首先,采用对微小波动敏感度高的Riemann-Liouville (RL)分数阶微分算子,突出模糊边界并增强超声图像的纹理;其次,运用曲线波变换对超声图像进行频域中的分解,获得不同子带分量以表达超声图像特征;然后,基于Adaboost的分类算法识别出超声图像中的病灶区和非病灶区;最后,采用中值滤波和腐蚀的方法使病灶区域边缘完整、平滑.实验表明,与运用共生矩阵及二进小波作纹理分析的分割结果比较,所提出的方法在准确率上有了很大的改进,分割超声图像效果更佳.     

基于卷积神经网络的图像分类研究进展

基于卷积神经网络的图像分类算法的优势是传统方法无法比拟的。卷积神经网络利用其设计好的网络结构和权值共享的特点,能够从数量庞大的训练数据中学习图像底层到高级语义的抽象特征,而且端到端的学习省去了在每一个独立学习任务执行之前所做的数据标注。多年来,卷积神经网络经过科研人员的探索和尝试,从最开始的多层神经网络模型,演变出多种优化结构,性能不断提高。本文介绍了基于卷积神经网络图像分类算法的研究进展,叙述了卷积神经网络在图像分类中的经典模型和近年来的改进方法,并对各个模型进行分析,展示各种方法在ImageNet公共数据集上的性能表现,最后对基于卷积神经网络的图像分类算法的研究进行总结和展望。     

壮观的宇宙③

车轮星系的剧烈恒星潮 这是一幅由星系检测器和多个太空望远镜观察到的车轮星系的伪彩色合成图像。它们包括：星系演化探测器的远紫外检测器（蓝色）、哈勃太空望远镜的宽视场行星照相机（绿色）、斯皮策太空望远镜的红外摄像机（红色）和钱德拉X射线天文台的高级CCD成像光谱仪（紫色）。     

梵高的《卧室》经数字化复原

<正>在芝加哥工作的科学家对梵高的作品《在阿尔的卧室》做了图像可视化处理,展示了这幅画作在褪色之前的模样。原来艺术家梵高对这个著名的场景,信手采用了同样系列的颜色画了三个不同版本的画。研究者采用了多种技术和数字化处理把淡蓝色的墙壁和门恢复成丁香花的紫色和紫红色。计算机图像可视化处理是芝加哥艺术学院新展览会的一个主要部分,它只需要一秒钟就可以把梵高画的三     

基于误差加权哈希的图像检索方法

图像检索技术旨在大规模图像库中准确、快速地检索与查询图像相似的图像。基于此,对误差加权哈希Error Weighted Hashing(EWH)快速近似最近邻搜索算法进行分析,并将其与Locality Sensitive Hashing(LSH)局部敏感哈希、Multi-Index Hashing(MIH)多索引哈希进行分析比较,然后基于误差加权哈希(EWH)算法构建图像检索系统,设计分段哈希索引的结构以及该系统所需要实现的功能模块。