基于计算机视觉的细胞显微图像研究

细胞计数在医学图像等多个领域有极其重要的作用。传统人工计数方法效率低、耗时长、准确率不高。目前通过图像处理技术进行细胞自动计数研究大都是少数细胞粘连、细胞形状完整且大小均匀。而实际情况下,细胞图像大都是不规则不均匀且粘连的。本文针对荧光染色细胞显微图像采用双阈值检测算法,实现了对粘连细胞的分割及计数。算法准确率较高,可满足实际实验需求。

尾灯特征的ADAS系统前方车辆识别

为可靠识别汽车安全辅助驾驶系统(ADAS)前方车辆目标,提出了基于车辆尾灯特征提取的径向基神经网络车辆识别方法。构建了车辆尾灯对宽度限制、高度约束及左右尾灯面积比等约束条件,提取了车辆的尾灯信息并获取尾灯的质心位置,经过形态学运算后确定了尾灯的标记区域,再结合车辆图像与实际尺寸比例得到车辆可能存在的感兴趣标记区域。针对感兴趣标记区域进行了车辆存在性的进一步确认,提取了感兴趣区域的边缘特征与区域特征共计19个特征参数(6个独立不变矩、8个余弦变换描述子和5个区域特征参数),构建了由19维输入神经元和2个输出量组成的三层径向基神经网络车辆识别器。利用采集的车辆样本图像,分别验证了正常天气与雨天、雪天及夜间行车环境下基于尾灯特征获取车辆区域检测方法的可行性。对采集的1700张车辆正、负样本,完成了径向基神经网络的训练,通过训练误差性能曲线得知本文设计的网络达到了训练精度要求。随机选取了60%的样本,完成了径向基神经网络车辆识别器的测试,实现了检测区域内车辆的进一步确认,也针对停车场及并行车辆等情形进行了确认测试,其正确率达到94%,有效弥补单一尾灯特征实施车辆检测的漏检或误检现象,大大提高了车辆检测的可靠性。

基于深度学习的中药饮片图像识别研究

目的基于深度学习模型实现对中药饮片图像的自动识别。方法构建常用中药饮片图像数据库,基于GoogLeNet深度学习模型进行训练及识别,并与HOG特征的机器学习方法进行比较研究。结果在选取适当超参数情况下,平均识别率达92%,优于HOG特征算法。结论该方法能够自动提取高级图像特征,在复杂背景下具有较高的识别率,可有效应用于中药饮片的分类识别。