一种新的基于I帧的压缩域镜头分割算法

针对传统的非压缩域镜头分割算法数据量大、运算量大和效率低的问题,提出了一种基于I帧的压缩域镜头分割算法.该算法首先根据MPEG-2压缩标准,从视频流中提取DCT系数,然后经过预处理得到每一帧的DC系数,最后依DC系数建立信息系统并得到镜头分割模型.实验结果表明,此算法相对于传统的非压缩域算法,可大大减少运算量和数据量,提高算法的效率.     

基于Haralick离散正交多项式曲面拟合的弱小多目标检测方法

提出一种红外弱小多目标图像检测方法,图像先经过中值滤波、高提升滤波增强处理,再用基于Haralick离散正交多项式曲面拟合图像,拟合曲面的极大值点即目标点,可以利用导出的二阶方向导数算子与图像进行卷积得到。对天空、地面背景下低信噪比的红外弱小多目标图像能够有效地分割,增强处理能够有效地抑制噪声干扰。描述了对图像的处理过程,并分析了分割结果。实验表明该算法在执行效率和检测概率上能够取得满意的结果。     

基于双向循环U-Net模型的脑卒中病灶分割方法

脑卒中具有极高致残率和致死率,研究脑卒中病变的自动识别和分割方法具有重要的临床意义。提出一种基于双向循环U-Net(BIRU-Net)模型的病灶分割方法。首先,引入循环神经网络结构,将改进的注意力卷积门递归单元(ACGRU)替代U-Net中的部分卷积层,使分割模型既适用于小规模标注的医学影像数据集,又具有长时记忆特性;其次,采用双路融合训练机制,将单一视面的正向、反向的切片数据同时输入BIRU-Net,并在模型前向传播过程实现双向特征融合,有效利用了切片序列的双向依赖特性。最后,将各单一视面的分割结果进行再融合,有效利用了数据的空间上下文信息。对于ATLAS数据集的实验结果表明,所提方法的DSC值达到了62.58%,与现阶段的其他方法相比,本文的方法能较为准确地分割出病灶区域。     

汉字书法结字规律的哲学阐释

我们的先人从创造汉字的那一天起便赋予其美学概念,他们将汉字造型美的感受通过具有一定结字规律的线条表达出来,这些结字规律使得汉字书写升华到书法,这些结字规律在书法中也称为字法和章法。用马克思主义哲学可以较好地理解汉字书法的结字规律。可以把汉字书法结字规律理解为矛盾的对立统一：一个汉字的各个部分可以有矛盾的对立统一,一行汉字,字与字之间包含着矛盾的对立统一,一篇书法作品也包含着矛盾的对立统一。马克思主义哲学中的整体和部分、主要矛盾和次要矛盾、矛盾的主要方面和次要方面等哲学概念为我们理解汉字书法结字规律提供了思路。例如,每一个字都有主笔（主要矛盾）、副笔（次要矛盾）,有虚（矛盾的次要方面）实（矛盾的主要方面）等方面的关系。汉字书法中的开合、错位、方圆、穿插、避让等结字规律,都蕴含着马克思主义哲学的理论原则。     

城市雨水流域汇水区自动划分

针对传统汇水区划分方法中存在的问题,利用流域地形分割技术,通过专业的GIS地形处理软件,建立了城市雨水流域汇水区的自动划分方法,其划分过程主要由构建格网DEM、格网点流向定义、汇流网络提取、子汇流区域划分、子汇流区域生成城市流域汇水区和流域汇水区编码6步组成。实验证明,雨水流域汇水区的自动划分方法不仅操作性较强,而且大大提高了汇水区划分的效率和质量。     

步态识别技术综述

随着视频监控技术的发展,步态识别逐渐成为生物特征识别技术中的重要方法。步态识别技术不同于其他生物特征识别方法,其具有非接触性、非侵犯性、不易伪装等特点,能在较远距离对目标进行比对识别。简述步态识别的基本原理,从步态分割、特征提取、步态比对以及在公安实践中的应用等方面阐述步态识别技术的发展,并展望了步态识别技术未来的发展方向。     

基于超像素分割的视频目标检索

针对视频监控中的颜色特征检索,提出一种基于超像素分割的视频目标检索算法:该算法首先对视频帧序列按颜色及空间位置进行超像素分割,分割成若干个超像素区域;然后对每个超像素区域颜色值进行均值化处理;最后基于超像素区域进行颜色目标检索.为了验证算法的有效性,以监控拍摄的户外视频数据进行仿真实验,实验结果表明该算法能准确检索出所...     

粒子群优化算法在脑部肿瘤图像分割中的应用

粒子群优化算法能选择适当的适应度函数,使每组粒子群根据相应的适应值搜索到最佳聚类中心,改善了FCM算法和K-means算法的不足,具有适应性强,实时性好,受噪声影响小等特点。本文将其应用于脑部肿瘤图像的分割,结果表明,粒子群聚类算法是一种很有潜力的图像分割方法。     

基于分形理论和神经网络的红外图像分割算法

针对实现红外图像的分割,快速准确地检测出红外序列中的人造目标的需要,结合分形特征和Ko-honen神经网络的特点,提出了一种基于分形技术的图像分割算法。该算法利用自然背景和人造目标的不同分形特征检测目标,提出了包括分形维数在内的7个红外图像特征,结合神经网络的自组织学习能力来进行图像分割。给出了算法实现的具体步骤。仿真试验结果表明,该算法能有效地实现红外图像的分割。     

一种多模态的脑肿瘤图像分割方法

针对现有的全卷积网络处理脑肿瘤分割任务时网络参数量大、计算困难的问题,提出了一种结合随机森林(Random Forests,RF)和密集连接网络(DenseNet)的方法.方法分为粗分割和精细分割两部分.粗分割在下采样的脑磁共振图像(MRI)上用增强RF初步分割出肿瘤.精细分割依据粗分割得到原始MRI的感兴趣区域,用改...