基于空间最大类间距的像素群分割优化

目标分割是利用图像的时空先验知识对像素点进行逐点分类的一个过程,目标的固有属性体现在密度及其形状即二维平面的空间分布上。既往的阈值分割大多仅利用了目标的密度信息,而忽略了其空间分布信息。鉴于形状先验知识难以获得,提出利用双阈值分割得到临界区域和目标重心,其后以临界区域像素群距目标重心的距离作为形状的空间分布信息,并由最大类间距算法对该距离进行分割从而实现优化。实验结果显示算法在降低噪声和削弱阴影的同时,有效地改善了目标提取的完整性。

基于最大类间距的生物芯片图像网格定位算法

为了解决在生物芯片图像网格化过程中网格线冗余、缺失及出现在信号点上的现象,提出一种结合最大内间距(Otsu)和改进了网格校准方法的网格定位算法。首先将调整后的最大内间距作为最佳阈值得到生物芯片图像的二值参考图像,确定初始网格线;其次对初始网格线进行测试、校准;最后获得优化后的网格线,得到网格化图像。实验结果表明,改进后算法的网格线准确率高于其它算法。改进后算法简单实用,能实现生物芯片图像网格化功能,可大大减小后续图像分析、处理的复杂程度。

基于卷积神经网络的食品图像识别

针对传统食品图像识别方法提取特征能力差、准确率差、运行效率差和卷积神经网络识别相似食品图像难度大等问题,提出了一种新的食品图像识别模型China Food-CNN,以实现对食物的精准分类;在多分类损失函数Softmax With Loss的基础上,针对食品图像类间相似性大的问题,提出了最大类间距损失函数(MCSWithLoss),以增大相似类之间的距离,实现相似类的区分;针对随机选取样本时的训练集冗余问题,在网络模型训练时使用负样本选择算法.实验结果表明:China Food-CNN模型对食品图像的识别准确率达69.2%,分别比Alex Net、VGG16、Res Net模型提升了17.6%、16.8%和3.6%.

新疆地方性肝包虫CT图像纹理特征的分类研究

纹理特征是图像分析的重要线索,灰度共生矩阵法提取的纹理特征具有很好的鉴别和分类能力。本文运用灰度共生矩阵分析新疆地方性肝包虫CT图像并进行特征提取,对图像进行尺寸归一、去噪和增强的预处理,计算0°,45°,90°和135°方向的能量、熵、对比度、相关性和逆差矩的均值,构成特征向量,并进行统计分析,用最大类间距法获取图像分类的主要特征,同时使用判别分析法对特征的分类能力进行评价。实验结果表明,灰度共生矩阵法提取的特征在统计分析中存在差异,最大类间距计算获得的特征能提高图像分类的准确率,一定程度上有助于对肝包虫病CT图像进行分类和检索。

数字图像最佳灰度门限的确定

利用基于模式识别决策理论的最大类间距准则,给出了求解最佳分割灰度门限的方法。以三氧 化二铝衬底芯片为算例,利用UMA测度对最大类间距准则和标准双峰准则在分割质量上的差异进行定 量比较。结果表明:最大类间距准则在分割质量和鲁棒性两方面性能均优于标准双峰准则。

新疆地方性肝包虫CT图像的灰度直方图特征提取与分析

图像特征提取是图像识别、图像数据挖掘、基于内容的图像检索等工作的基础,是模式识别和分类中的关键问题。本文运用灰度直方图法提取新疆地方性肝包虫CT图像特征,对图像进行尺寸归一、去噪和增强的预处理,并对灰度直方图特征进行统计分析,用最大类间距法获取图像分类的主要特征,同时使用判别分析法对特征的分类能力进行评价。结果表明,灰度直方图法提取的特征在统计分析中存在差异,且提高图像分类的准确率,一定程度上有助于对肝包虫病CT图像进行分类和检索。