基于ATCM技术的不同探测器宽度对头颈CT血管成像图像质量与辐射剂量影响的研究

目的基于自动管电流调制(Automatic Tube Current Modulation,ATCM)技术探讨不同探测器宽度对头颈CT血管成像(CT Angiography,CTA)图像质量和辐射剂量的影响。方法选取2022年6月至2023年5月于阳光融和医院就诊的共120例头颈CTA检查图像资料和临床资料为研究对象,将其按照不同探测器宽度分为A组(40 mm)和B组(80 mm),A组60例,B组60例,其中体重正常、超重、肥胖患者各20例,分别比较不同探测器宽度扫描条件下的图像质量及其辐射剂量。结果不同探测器宽度下正常、超重、肥胖患者头颈图像质量-噪声比差异均无统计学意义(P>0.05);不同探测器宽度下体重正常、超重、肥胖患者头颈图像质量-CT值差异均无统计学意义(P>0.05);40 mm探测器宽度螺旋扫描体重正常、超重、肥胖患者的剂量长度乘积均低于80 mm探测器宽度螺旋扫描,差异有统计学意义(P<0.05)。结论基于ATCM技术选择40 mm探测器宽度可保证头颈CTA图像质量,同时减少辐射剂量。

基于图像处理的汽车用棒材轧制氧化黑带宽度智能测量模型

耳子缺陷是棒材轧制的常见缺陷种类,且不易消除,为实现耳子缺陷的的智能化预判并指导消除,文章通过观察发现,在轧制过程中,棒材与空气接触的部分会被空气氧化,形成一个黑色条状表面,而该黑带宽度越窄,越容易产生耳子。但是该黑带宽度的自动测量,目前几乎没有相关研究。实际生产中,对于哈夫面宽度的测量主要依靠人工目测,主观随机性较大。文章提出了一种基于高速相机快速抓取图像,通过对图像进行识别,可以对哈夫面氧化黑带宽度进行智能测量,能够为相关后续工艺参数的优化提供数据支撑,也对进一步指导工业生产具有重要的工程意义。

基于局部敏感判别宽度学习的高光谱图像分类

宽度学习系统(BLS)以其良好的学习性能与泛化能力,在高光谱图像(HSI)分类中得到了广泛应用。然而宽度学习系统仅关注各类样本的可分性,忽略了样本之间的相对关系以及所蕴涵的判别信息,在一定程度上限制了宽度学习系统在高光谱图像分类任务中的性能。为此,提出一种局部敏感判别的宽度学习系统(LSDBLS)方法。该方法通过引入局部敏感判别分析考虑标记样本的判别信息与数据样本的局部流形结构,通过标记样本构建类内图和类间图来表征数据样本之间的相对关系。在此基础上,将类内图和类间图引入到宽度学习系统的目标函数中,通过最小化类内图以及最大化类间图,使得同类样本尽可能地聚集,不同类的样本尽可能地远离,增强LSDBLS对数据特征的判别能力。通过在三个HSI数据集上的实验结果表明,LSDBLS取得了良好的效果。

一种基于宽度学习系统的谱-空高光谱图像分类方法

宽度学习系统(BLS)通过扩展网络结构的宽度有效地克服了深度学习中训练耗时的问题.由于在分类过程中缺失了空间信息的使用,BLS往往不能获得满意的分类结果.为了改善BLS的分类性能,提出了一种基于BLS的光谱-空间高光谱图像分类方法(PBLSS).该方法利用主成分分析方法对波段子集进行特征提取,然后用主成分代替原来通过随机特征映射得到的特征节点,从而丰富了特征节点的信息;利用超像素对分类图进行后处理,明显地改善了BLS的分类性能.3个常用的数据集的实验结果表明,PBLSS方法比BLS的分类精度有了明显的提高.

基于机器视觉的刚性罐道接头缝隙宽度测量算法

针对罐道结构复杂、空间狭小、传统检测系统不便于安装,容易导致接头缝隙测量困难问题,提出一种基于机器视觉的非接触式测量接头缝隙宽度的方法。使用高斯滤波和CLAHE算法,去除噪声并提高图像对比度,经过阈值分割、图像形态学操作提取接头缝隙边缘特征;通过孤立点消除和透视变换去除图像畸变,使用SKE-骨架提取算法减少接头缝隙特征像素宽度,通过霍夫变换和最小二乘法计算接头缝隙宽度。测量了4~12mm接头缝隙宽度,结果表明:该方法测量误差控制在0.8 mm以内,为立井提升系统安全稳定运行提供保障。

基于宽度学习的太赫兹光谱图像小麦霉变识别研究

小麦质量安全是粮食安全的重要组成部分。传统的小麦霉变籽粒识别检测方法需要复杂的处理步骤,耗时较长且特征提取能力较差,易造成图像有效信息的丢失,导致小麦霉变籽粒识别检测效果不佳。为解决上述问题,提出了一种基于去噪宽度学习(D-BLS)的霉变小麦太赫兹光谱图像识别方法。该方法对传统宽度学习(BLS)算法进行了改进,通过引入去噪卷积神经网络(DnCNN)模块,构建D-BLS霉变小麦分类识别模型,以增强图像质量,提高霉变小麦太赫兹光谱图像的识别精度。初步研究表明,D-BLS在识别准确率方面优于传统BLS算法,识别准确率达到93.13%。进一步使用支持向量机(SVM)、后向传播神经网络(BPNN)、卷积神经网络(CNN)与D-BLS进行建模对比。研究结果表明,D-BLS网络的分类准确率分别比SVM、BPNN和CNN高出了13.83%、7.79%和3.96%。因此,D-BLS能够为小麦发霉早期鉴别提供一种新方法。

超像素级宽度学习网络的高光谱图像分类方法

本文提出了一种基于超像素宽度学习网络的高光谱图像分类方法。该方法首先采用简单线性迭代聚类方法对原始图像进行超像素分割,并以超像素而不是像素作为宽度学习网络(Broad Learning System,BLS)的输入节点,极大地减小了图的规模,从而提高了分类效率,空谱特征融合加强了可分性,并在融合过程中设定了融合规则,避免了过融合导致的边界模糊问题。

基于模板匹配的接缝宽度变化测量方法

为了解决传统接缝宽度变化测量算法在倾斜条件下拍摄出来的图像检测结果精度不足的问题,提出一种适应倾斜拍摄条件下的接缝宽度变化测量算法。分别采用三角形以及正方形靶标作为左右模板。首先选取合适大小的模板并通过模板匹配对拍摄图像进行匹配,然后获取左右模板并对其进行二值化处理,以获得左右两个模板的角点,利用交比不变性获得靶标的距离,以得到接缝的宽度变化。经过试验证明,该方法适用于远距离、倾斜拍摄下的接缝宽度变化测量,测量精度在0.2 mm以内,检测时间小于10 s,且减少了接缝宽度变化监测的成本,为工程应用提供了一定的价值。

基于图像识别法的烟丝图像处理与烟丝宽度计算

在卷烟生产过程中,烟丝宽度是影响卷烟感官质量和物理质量的关键工艺参数,烟丝宽度变化对烟丝的细腻度、香气透发性、刺激性等品质以及后续生产过程中的烟丝造碎均有不同程度的影响。目前,烟丝宽度检测主要依靠人工经验目测或低频次离线检测,存在标准不统一、离线检测频次低、代表性不足等问题。设计与应用烟丝宽度在线检测方法,有利于弥补上述不足。对此,文章设计自学习系统,建立样本库,利用图像识别法在线检测烟丝宽度。通过图像处理、样品轮廓提取及计算,确定平行线检测法适用于检测烟丝宽度。

基于热红外图像的船舶电气设备状态异常检测研究

可靠掌握电气设备的运行状态,是保证船舶安全航行的基础。因此,提出基于热红外图像的船舶电气设备状态异常检测方法。该方法依据红外成像技术获取船舶电气设备成像,获取其热红外图像结果,并计算电气设备温度概率密度函数,以此描述电气设备的温度分布特征。将该概率密度函数计算结果输入具备增量学习的宽度学习算法中,完成船舶电气设备不同异常状态检测。测试结果显示,将温度概率密度作为电气设备状态异常检测依据,能够更好地区分电气设备的正常放热以及故障升温;AUC的测试结果均在0.94以上,可确定电气设备运行过程中的不同程度异常状态。

基于宽度学习防御对抗攻击的图像分类

深度网络分类模型在对抗样本的攻击下存在着对机器学习应用的安全性问题。针对该问题,设计并运用宽度学习来抵御对抗攻击,旨在提高智能系统对对抗样本的分类准确率,从而提升系统的安全性。同时,为了验证上述方法对抵御对抗样本攻击的有效性,首先设计优化宽度学习网络,对标准公共对抗数据集DAmageNet进行验证,实验结果表明,该网络对于对抗样本的验证准确率最高可从57.33%提升到80.67%,提高了23.34个百分点。然后,运用该优化网络对混合了FGSM、C&W、JSMA、Deepfool四种攻击方法的乳腺摄影图数据集(Mammographic Image Analysis Society)进行训练。通过大量的实验证明,宽度网络能够有效提高对抗样本中攻击方法的分类准确率,验证准确率可从55.00%提升至80.75%,较加宽前网络结构提高了25.75个百分点。对抗样本目标图像选取的位平面不同时,宽度网络抵御攻击的能力不同,通过创新性提出切割位平面的可解释方法进行研究,选取其中一种攻击方法(FGSM)进行解释,对宽度学习模型抵御攻击方法的内部机理进行分析。

基于宽度学习的图像重建与缺陷检测方法

针对在训练中缺乏足量的缺陷样本会导致有监督的深度学习检测方法难以展开,并且常见的无监督缺陷检测方法面临着精度不足,效率低等问题。我们提出了一种基于宽度学习的图像重建与缺陷检测方法,该方法基于宽度学习系统改进,使其具有重构完整图像的能力,通过将测试图像与重构图像进行对比,确定测试图像中的缺陷。实验结果表明,该方法具有较好的重构精度,在BTAD数据集具有更好的效果。该模型的平均训练时间在325 s左右,运行速度达到60帧/s,优于常见的深度学习检测方法,基本能够满足实时检测的需求。

基于深度信任网络模型的乌东选煤厂铁路车号图像识别方法

精准识别铁路车号可以为煤厂装车提供依据,从而保证装车环节高效顺利地完成。为此,提出了基于深度信任网络模型的乌东选煤厂铁路车号图像识别方法。首先,利用高速摄像机设备采集原始的车号图像,并利用索贝尔算子检测图像边界;然后,根据列车车号的字体笔画宽度特点,采笔画宽度变换算法定位确定图像中的车号区域,并利用LBP算法提取车号区域内的特征;最后,将提取的特征输入到深度信任网络模型中,在训练网络模型并不断更新参数后,准确识别车号图像。实验表明:该方法能够精准识别乌东选煤厂铁路列车车号图像。在深度信任网络模型中,当受限玻尔兹曼机网络为4层、隐含层节点个数为128个时,该模型的分类识别能力最强,训练损失最小,性能最佳。

基于图像分析技术的混凝土桥梁结构表面裂缝宽度检测

针对目前检测裂缝宽度时通常采用的接触式人工直接测量方法费时费力、且难以准确测量最大裂缝宽度的问题,基于图像分析技术的应用,提出采用在混凝土表面粘贴纯色标定块来标定、修正原始图像,并对其进行对比增强、平滑等一系列处理后直接在图像上确定裂缝宽度的无接触式测量方法.基于所提方法,分别以正拍和斜拍图像对一开裂混凝土梁的表面裂缝进行了检测,结果表明:基于正拍和斜拍图像确定的裂缝宽度的识别精度分别为93.4%和90.9%,表明该方法能有效检测混凝土结构表面的裂缝宽度.

基于数字图像处理的表面裂缝宽度测量

为了避免传统人工裂缝宽度检测方法耗时、耗力、危险、花费高等缺点,提出了一种新的基于数字图像处理技术的表面裂缝宽度测量方法。介绍了该法首先通过编制的程序对采集到的数字图像进行像素标定、灰度转换、阈值分割、中值滤波等步骤后,提取裂缝的图像,进而计算得到裂缝的宽度的过程。同时,利用试验方法对该法进行了误差分析,验证了该法具有相当高的精确性与可行性,可以满足工程实际的需要。

工程结构构件裂缝图像的处理与宽度测量

在分析工程结构构件表面裂缝数字图像的基础上,考虑到图像数据量之大以及测量时间的要求,采用辅助图像定位裂缝图像处理区域,减少了图像处理的数据量,使图像处理时间可以减少一个或者两个数量级;然后在裂缝图像处理区域中进行图像分割提取出裂缝,对裂缝二值图像进行左右边界提取,进而得到裂缝宽度信息;实验结果表明,该算法能够比较稳定和准确地检测工程结构构件表面裂缝的位置、宽度等特征。

糖尿病视网膜病变患者餐后2 h血糖升高对眼底图像中动静脉宽度比的影响

目的探讨糖尿病视网膜病变(DR)患者餐后2 h血糖(2 h PG)升高对眼底图像中动静脉宽度比(AVR)的影响。方法选取DR患者316例,均行标准75 g口服葡萄糖耐量试验(OGTT)检测空腹血糖(FPG)和餐后2 h PG,根据餐后血糖变化幅度(2 h PG-FPG)将所有研究对象按三分位分为3组,低分位组(G1)104例、中分位组(G2)108例及高分位组(G3)104例。测量各组眼底图像中AVR水平,采用Pearson相关性分析和多元线性回归分析DR患者AVR的影响因素。结果 (1)G3组和G2组餐后2 h PG、空腹胰岛素(FIns)、糖化血红蛋白(Hb A1c)及稳态模型评估-胰岛素抵抗指数(HOMA-IR)均高于G1组,且G3组餐后2 h PG和Hb A1c高于G2组;G3组和G2组2 h AVR较G1组降低,G3组较G2组降低(P<0.05),而各组间空腹AVR比较,差异无统计学意义(P>0.05);(2)Pearson相关分析显示,AVR与FPG、餐后2 h PG、Hb A1c、收缩压(SBP)及舒张压(DBP)均呈负相关(P<0.05);(3)多元线性回归分析显示,餐后2 h PG为DR患者AVR的影响因素(P<0.05)。结论餐后2 h PG升高可能会导致AVR降低,对DR患者应动态观察AVR的变化,对判断DR的严重程度具有意义。

应用自动管电流调制技术不同探测器宽度对胸部CT图像质量及辐射剂量的影响

目的:探讨应用自动管电流调制(ATCM)技术行胸部CT扫描时,不同探测器宽度对CT图像质量及辐射剂量的影响。方法:应用GERevolutionCT机,采用ATCM技术对胸部仿真模体行CT扫描,扫描按照探测器宽度分为40 mm组和80 mm组,两组分别在10、15、20、25和30噪声指数(NI)级别下扫描。记录两组图像的容积CT剂量指数(CTDIvol)和剂量长度乘积(DLP)。测量并比较层厚为5 mm的轴位图像的标准差(SD)和信噪比(SNR)。采用双盲法对层厚为0.625 mm的轴位图像的磨玻璃密度结节(GGN)进行主观评分,应用Kappa检验评价两组间主观评分的一致性。结果:40 mm组在NI级别为10、15、20、25和30时的CTDIvol与80 mm组比较,分别降低了10.53%、9.69%、10.37%、9.64%和8.93%,DLP分别降低了21.57%、20.67%、22.57%、20.29%和19.36%,两组不同探测器宽度扫描对GGN主观评分无明显统计学差异,且两名观察者的一致性中等或良好。结论:宽度为40 mm的探测器扫描可在保证图像质量的情况下有效降低辐射剂量,而80 mm探测器扫描则可以显著缩短扫描时间,提高时间分辨率。

眼底图像动静脉宽度差变化率测量方法

眼底图像中动静脉血管的宽度变化能够体现患者糖尿病的病程情况,人工确定血管宽度及其差值耗时费力且需要丰富经验。本文针对辽宁何氏眼科医院眼病筛查系统中受检者的眼底图像提出了动静脉宽度差变化率的概念,指出了其与糖尿病诊断之间的关系,并选取RGB、LAB、YCb Cr、Gaussian 4个颜色空间中不同的通道分量,定义了新的基于血管中心线像素和血管像素的特征向量,采用线性判别分析(LDA)分类器完成了对动静脉的全自动分类,继而实现了对动静脉血管宽度测量及相应差值变化率的计算。实验结果表明,与其他算法相比,本文方法在血管分割、动静脉分类、血管宽度及差值计算等方面都较准确,其诊断结果与临床诊断基本一致,具有一定的临床应用价值。

基于数字光测的表面裂缝宽度图像分析法

混凝土表面裂缝宽度不仅影响结构物的观瞻,而且影响结构的耐久性。这种裂缝检测问题在国防、航空航天、机械制造等许多领域中都会碰到。因此针对采集到的裂缝图像特征,提出类判别法与数学形态学结合的方法对裂缝进行定量分析。也就是说,根据裂缝图像,利用类判别法找到图像分割的最佳阈值,进而提取图像的裂缝信息,然后通过编制的图像处理程序分析出研究区域的裂缝宽度及其方差。同时,还通过实验对该方法的测量精度进行了验证,结果表明,此方法精度在15%以内,可满足工程需要,因此相关的计算结果可为实际工程的安全可靠性评估提供较准确的基础数据。