一种基于递增权值函数的图像谱的匹配算法

文章提出了一种基于递增权值函数的图像谱的匹配算法,利用递增权值函数,分别对2幅待匹配图像的特征点构造Laplace矩阵,其次进行SVD分解;通过分解后的矩阵特征值和特征向量,寻找匹配矩阵,根据匹配矩阵的特征信息,实现2幅图像特征点之间的匹配;通过对Laplace矩阵和邻接矩阵比较实验,表明了Laplace谱能使发生刚体变换前后的图像获得更高的匹配精度,递增权值函数的Laplace谱比欧式距离的Laplace谱匹配精度要高。

基于非负矩阵分解与邻接谱的图像分类

提出了一种非负矩阵分解(non-negative matrix factorization,NMF)和邻接谱相结合的图像分类方法.该方法首先利用图像中的特征点构造邻接矩阵,然后使用邻接谱作为非负矩阵分解迭代规则的初始值,并将经过非负矩阵分解得到的基向量作为图像的分类样本,最后采用概率神经网络(probabilistic neural network,PNN)分类器对图像进行分类.模拟实验和真实实验的比较表明,该方法是可行和有效的,并且进一步提高了图像分类的准确率和稳定性.

基于最小生成树的LAPLACE谱图像匹配算法

提出了一种基于最小生成树的Laplace谱图像匹配算法。首先分别对两幅待匹配图像的特征点集构造完全图,其次寻找最小生成树,然后通过各自的最小生成树构造Laplace矩阵,接下来进行分解并利用分解结果构造匹配矩阵,最后通过匹配矩阵实现两幅图像匹配。实验验证了该算法能够降低匹配的时间复杂度和获得较高的匹配精度。

基于最小生成树与概率松弛结合的谱匹配算法

提出了一种基于最小生成树与概率松弛结合的谱匹配算法。该算法分别对给定的两个待匹配的特征点集构建最小生成树,通过最小生成树构造Laplace矩阵,由奇异值分解该矩阵得到的特征值和特征向量,计算出特征点匹配的初始概率,利用概率松弛迭代法,获得最终匹配结果。用大量的真实序列图像进行比较实验,结果验证了该算法的有效性和准确性。

筛查宫颈癌进展及分析

在妇科恶性肿瘤中,宫颈癌属于最为常见的一种,同时对患者的危害也非常的大,因此临床上一直在探索更有效的预防及治疗方式。近些年临床对宫颈癌的筛查也在广泛的应用,为宫颈癌以及癌前病变实现了早期的发现及治疗,降低了宫颈癌对患者带来的影响。本文就针对目前宫颈癌筛查的进展做具体的探讨,并做进一步分析,从而为临床筛查宫颈癌提供部分参考依据。

检测糖化血红蛋白进展

糖尿病患者如果要有效控制病情的发展,血糖水平的稳定控制是关键,同时让血糖水平保持稳定也是提升患者生命安全的保障。在对糖尿病患者血糖水平检测时,主要是对患者糖化血红蛋白检测,这也是做好糖尿病患者病情发展状态监测的重要指标,也是治疗前病情数据的参考。而随着医学近些年对糖化血红蛋白检测方面的研究更加深入,也有了明显的进展,因此对于糖化血红蛋白检测标准化的问题,也受到越来越多医生及患者的关注。本文就对糖化血红蛋白基本的概念、常见的检测方式以及近些年这方面的研究进展做具体的综述。