图像切割法在缓存服务器中部署策略

为了解决内容分发网络中因缓存服务器部署位置而导致的网络延时等问题,同时改进内容分发网络中缓存服务器的合理化部署策略,论文借鉴网络仿真图像轻点匹配算法的思想,提出了一种CDN图像切割的多层K划分模式,通过理论分析和计算,同时找到了一种适合CDN网络环境的最大化边缘切割的K路KL(Kernighan-Lin)细化算法,它是根据物理部署点抽象出网络节点拓扑图,再通过相应的算法进行粗化和细化阶段的处理,使节点部署达到最佳化,最后通过算法分析证明了在解决CDN缓存服务器部署问题上,多层K划分算法是一种可靠高效的方法。

三维医学图像的快速重建与任意切割

目的 实现三维医学图像的快速重建和任意切割。方法 采用外接球面法和分段标记法。结果 快速清晰地显示出人体器官的解剖结构 ,对器官的切割可以基于鼠标任意操作。结论 用JavaApplication实现对医学图像快速重建及任意切割是可行的 ,并为虚拟手术的研究提供了条件。

一种叶片RGB图像快速切割多重去噪方法

基于RGB图像连通性,提出一种图像快速切割多重去噪法(fast cutting and multiplede-noise,简称FCMD),并与现有的4种算法进行对比。结果表明,该方法处理时长适中,对单色叶和杂色叶的识别像素、色阶均值、色阶中位数的准确率均达到98.78%及以上,综合表现最优。FCMD能够在不同的边缘算子下完成对各种类型叶片准确、快速的切割消噪,其中以sobel算子的处理效果最优,其处理效果与手动切割(CK)无明显差异。同时,FCMD法在中高分辨率(3750×2500)的切割效果与手动切割无明显差异,而所用时长仅为CK的23.21%,效率提升近5倍。因此,FCMD是一种高效、准确、适用范围广的RGB图像自动化叶片切割去噪方法。

基于改进的YOLOv5安全帽佩戴检测算法

针对安全帽佩戴检测中存在的误检和漏检的问题,提出一种基于YOLOv5模型改进的安全帽佩戴检测算法。改进模型引入多尺度加权特征融合网络,即在YOLOv5的网络结构中增加一个浅层检测尺度,并引入特征权重进行加权融合,构成新的四尺检测结构,有效地提升图像浅层特征的提取及融合能力;在YOLOv5的Neck网络的BottleneckCSP结构中加入SENet模块,使模型更多地关注目标信息忽略背景信息;针对大分辨率的图像,添加图像切割层,避免多倍下采样造成的小目标特征信息大量丢失。对YOLOv5模型进行改进之后,通过自制的安全帽数据集进行训练检测,mAP和召回率分别达到97.06%、92.54%,与YOLOv5相比较分别提升了4.74%和4.31%。实验结果表明:改进的YOLOv5算法可有效提升安全帽佩戴的检测性能,能够准确识别施工人员的安全帽佩戴情况,从而大大降低施工现场的安全风险。

Tomoscan AV型CT图像采集的设计与实现

目的:解决非DICOM接口的CT设备的图像一直以胶片的形式储存,不能实现永久数字化存储、共享、检索、图文报告等问题。方法:介绍了图像数字化采集的一种方法,重点阐述了图像采集与切割技术。硬件由CT机、PC机、OK_RGB20B图像采集卡、脚踏开关组成,软件由VC++6.0、OK_RGB20B开发包及GDI+类库编程实现。结果:系统顺利实现了CT图像的数字化采集,使图像得到了永久的存储与共享。结论:对于各类非DICOM接口医学影像设备(ECT、X线机、超声仪、内窥镜等)的图像的数字化采集具有参考价值。

网上阅卷系统中图像处理的作用及方法

针对网上阅卷系统的应用,探讨了图像采集、图像分析、图像切割等具体图像处理方法.可以使OMR识别率达到100%,真实反映阅卷信息.

二维灰度医学位图的切割技术

目的:把平面灰度医学图像内部的某个矩形感兴趣区域(ROI)裁剪下来,以便进行其他处理。方法:由VC++6.0在Windows XP操作系统中编程实现。结果:顺利实现了平面灰度图像的切割。结论:该方法对于各类非DICOM接口医学影像设备(CT、ECT、X线机、超声仪、内窥镜等)数字化采集图像的处理具有一定的参考价值。

基于一种局部图像增强和改进分水岭的舌体分割算法

舌体分割是舌诊客观化中非常重要的第一步,鉴于舌体与唇色相近,故难以将二者分开。基于此,该文提出一种舌体分割算法,该算法先用改进的分水岭算法和Otsu算法获取舌体的初始区域,并且剔除其中的部分冗余信息;接着,针对初始区域中舌体和下唇区分的难题,提出一种局部图像增强(LIE)方法,先从初始区域中,然后利用局部图像中舌体与下唇细微的色差,计算出不同的图像增强系数,使增强后的局部图像中舌体和嘴唇的颜色具有明显的区别,从而将两者精确地划分。经试验证明,该舌体分割算法的评估指标FN,FP,TP分别为3.43%,2.89%和96.6%。因此,该文算法具有良好地分割效果。

计算机图形图像处理的关键技术

图形和图像处理技术在现代的应用领域非常广泛,从计算机图形与图像处理的关键技术出发,对于应用的不同领域进行深入探讨,旨在加强计算机图形与图像处理技术的运用,帮助各个领域提升工作效率。

图像检测在汽车仪表盘中的应用

该文涉及图像识别技术领域,具体而言,涉及汽车液晶仪表盘中特征模型的识别。根据液晶仪表盘中普遍存在的局部高亮等与传统仪表盘相比特殊的交互显示,给出了图像数据清洗的策略,为机器视觉识别提供了系列的抗干扰方法。使用表盘识别后的圆心、半径等的特征对ROI(感兴趣区域)做图片分割,从而提升了指针识别的效率和实时性。经试验证明,该类方法简便可靠,精度高;算法稳定,误差较小。

基于Gibbs采样和残差连接的AlexNet蔬菜识别算法

为了进一步提高蔬菜识别的精度,提出了基于Gibbs采样和残差卷积神经网络的蔬菜识别算法,本文将其命名为GiRAlexNet算法。根据马尔科夫随机场与吉布斯随机场的等价性构建图像概率模型,用Gibbs采样获取最优样本点集合,随机取点切割图片。通过GoogleNet、ResNet和AlexNet模型实验显示,分类准确率分别提升了9.22%,3.34%和9.19%。大量实验表明,该GiRAlexNet算法对蔬菜识别的准确率达到98.14%。

红外海面小目标检测的并行实现技术

提出了红外海面小目标检测的并行实现方案 ,该方案采用了基于多级滤波的小目标检测方法 ,能在自行设计的多总线多DSP实时图像处理系统上运行 .详细讨论了该方案的优化问题 ,以获得成本最优、并行效率最高的系统并行处理方式 .实验结果表明 ,算法是可行的 。

视觉信息处理中的马尔可夫随机场

由于视觉信息处理中存在大量的不确定性,概率图模型在计算机视觉领域有着广泛的应用,备受广大学者的关注。许多视觉问题都可以通过建立概率图模型进行求解,随着高效求解算法的提出和发展,马尔可夫随机场在解决计算机视觉领域的大规模数据问题中具有很大的优势。首先简要地介绍了概率图模型的概念,然后对马尔可夫随机场模型的定义、特性和推导求解进行了分析和讨论,在此基础上,以马尔可夫随机场在视觉信息的应用为线索,对目前基于马尔可夫随机场的计算机视觉信息处理的主要技术进行了概述和比较研究。

MINILED背光LCD和MICROLED直显混合拼接的超大尺寸显示系统的设计

针对目前在超大尺寸显示领域遇到的LCD拼接缝问题以及MINI/MICROLED直显的良率低,成本高等方面困难,本文介绍一种基于MINILED背光的LCD模组与MICROLED直显模组相融合,并采取图像切割算法配合完成的混合拼接显示系统,可在超大尺寸显示方面达到良好的显示效果。

块拼贴的纹理合成算法的实现与改进

基于样图的纹理合成方法是继纹理映射、过程纹理合成等方法后发展起来的一种新的纹理拼接技术。其中块拼贴的纹理合成算法由于合成速度快,效果良好,受到极大关注。对采用块拼接技术的纹理合成方法进行综述,运用图像切割方法较好解决了块拼贴算法中的最佳分割路径获取问题,并对合成的结果进行平滑优化。

一种改进的弱光谱畸变PCA融合方法

针对用PCA融合方法进行高光谱遥感影像和高分影像融合会出现一定程度的光谱失真问题,提出了一种改进的弱光谱畸变PCA融合方法。采用NCUT(normalized cut)影像分割算法,将复杂的高光谱遥感影像对象化,增加融合样本的线性可分性,从而削弱传统PCA融合产生的光谱畸变;运用图论和聚类理论生成表达像素间相似度的权重矩阵和若干掩膜,并用这些掩膜切割高光谱影像与高分影像,再分别融合其对应匹配的子区域对象,最后将所有子区域融合结果拼接成一幅影像。使用Hyperion高光谱数据和Rapid Eye高分影像进行实验,结果表明:该方法在保证融合结果空间分辨率提升和纹理信息不变的前提下,光谱保真能力优于传统的PCA融合方法。

基于深度学习的图片中商品参数识别方法

计算机计算性能的提升使得深度学习成为了可能.作为计算机视觉领域的重要发展方向之一的目标检测也开始结合深度学习方法并广泛应用于各行各业.受限于网络的复杂度和检测算法的设计,目标检测的速度和精度成为一个trade-off.目前电商领域的飞速发展产生了大量包含商品参数的图片,使用传统方法难以有效地提取出图片中的商品参数信息.针对这一问题,提出了一种将深度学习检测算法和传统OCR技术相结合的方法,在保证识别速度的同时大大提升了识别的精度.所研究的问题包括检测模型、针对特定数据训练、图片预处理以及文字识别等.首先比较了现有的目标检测算法,权衡其优缺点,然后使用YOLO模型完成检测任务,并针对YOLO模型中存在的不足进行了一定的改进和优化,得到了一个专用于检测图片中商品参数的目标检测模型,最后使用tesseract完成文字提取任务.在将整个流程结合到一起后,该系统不仅有着较好的识别精度,而且是高效和健壮的.最后讨论了优势和不足之处,并指出了未来工作的方向.

实现大地图快速缩放和实时显示的一种有效方法

对于大地图,传统的放大或缩小方法所需的内存空间过大,这往往不能适合许多场合的要求。为此,提出了一种基于大地图的缩放方法,应用本方法可以实现大地图的快速缩放和实时显示。