面向肺癌CAD系统的感兴趣区域特征选择与分类算法

本文重点研究ROI的特征提取与分类方法.首先,根据医学征象对ROI进行特征提取;为了提高分类的准确性,采用概率分布可分性对原始提取的特征进行特征选择.然后,利用SVM对选择的特征进行定量描述;采用特征量化参数对Mahalanobis距离进行加权改进,加权的Mahalanobis距离使类间差别明显增大.最后采用加权改进后的Mahalanobis距离将ROI分类为结节或非结节.利用所提ROI特征选择和分类算法进行肺结节检测实验;肺结节检测灵敏度为94.6%,漏诊率为5.4%,可以为医生进行肺癌早期诊断提供帮助信息.

JPEG2000中的感兴趣区域(ROI)编码技术

系统介绍JPEG2 0 0 0感兴趣区域编码技术的基本原理和核心算法 ,阐述ROI掩模的概念及计算 ,并实现对含有感兴趣区域图像的重建 。

JPEG2000标准中ROI感兴趣区域编码的改进算法

分析了小波压缩的相关理论知识,着重对JPEG2000系统中的ROI功能进行了研究,实现了ROI的构思和实用算法,给出了性能分析,进而分析了目前ROI算法的局限性并给出了ROI的改进算法,做出了相应的实验结果分析。

粗糙集在智能空瓶检测感兴趣区域提取中的应用

为实现空瓶检测中感兴趣区域ROI的自动精确标定,介绍了一种基于粗糙集不可分辨关系划分及粗近似进行ROI区域提取的新方法。首先,基于先验知识描述,确定粗略ROI区域,然后,提取和ROI区域标定有关的底层图像特征如灰度、边缘、位置等,在对特征属性离散化后,构造出反映分类关系的信息表,并依据不可分辨关系划分获得基本像元区域,最后,以初始ROI区域的上近似作为最终提取的ROI区域。在瓶身及瓶口的ROI区域提取实验中,该方法可以获得比人工标定更为精细的ROI区域,有利于提高后续检测过程中的检测精度。

基于感兴趣区域搜寻的机载下视阵列3D SAR波数域快速成像方法

3维波数域成像处理方法对回波信号距离历程不做近似,成像重建精度高。机载下视阵列3D SAR跨航向阵列长度相比跨航向幅宽小很多,需将回波信号尺寸补零到成像场景尺寸以防止FFT时出现卷绕,过高的补零倍数给波数域成像处理带来内存需求和运算量的激增。如果能够仅对ROI(Region Of Interest)而非整个观测场景进行成像处理就能够极大程度降低补零倍数,提高该算法的时效性。该文提出的波数域快速成像方法首先在波传播-航迹向和波传播-跨航向完成两次2维成像处理,结合两次2维成像处理结果确定ROI,最后使用3维波数域算法对ROI进行3维精确重建。实验数据验证了该文算法的有效性。

静态图像中的感兴趣区域检测技术

感兴趣区域(ROI)检测将人类的视觉注意机制引入到图像分析过程中,对于提高现有图像分析系统的工作效率有着积极的作用。本文对当前静态图像中的ROI检测技术进行了评述。在分析了ROI检测的产生背景之后,首先介绍了人类的视觉注意机制,随之从自底向上和自顶向下两个方面详细讨论了当前较具代表性的ROI检测算法,然后列举了一些主要的ROI应用方向,最后对ROI检测技术的发展前景进行了展望。

基于SPIHT的感兴趣区域编码

感兴趣区域(ROI)编码是一种重要的图像编码思想,可用来解决图像质量与压缩比之间的矛盾,特别适合应用到医学图像压缩中。提出了一种基于层次树集合划分(SPIHT)算法的感兴趣区域编码方法,通过附加ROI掩模信息,无需提升小波系数,使得ROI优先于其它区域编码和传输。

卫星云图感兴趣区域自动提取方法研究

卫星云图中人们感兴趣的区域(ROI)往往是各类云团,针对卫星云图内容的复杂性,利用直方图模糊加权C均值聚类方法实现云图的图像分割,对分割结果进行后处理,最终获取云图内的感兴趣区域。常规聚类方法需要人工指定类个数,影响了ROI提取过程的自动化程度。引入修正聚类评价指标,基于该指标实现最佳类别个数的自动确定。云图分割是感兴趣区域提取过程的关键,采用的直方图模糊加权C均值聚类方法在原有算法基础上,引入样本权重概念,使得聚类过程更为合理;同时将聚类对象由原始像素转换为灰度直方图,提高了聚类过程执行效率。实验结果表明设计的感兴趣区域提取方法能较为准确地分辨出陆地、水体、低云、中云、卷云、对流云六类区域,提取结果与客观实际一致。

基于感兴趣区域和神经网络的图像检索

提出一种感兴趣区域的图像检索方法,该方法首先采用遗传FCM算法对图像进行分割,然后提取分割后的区域特征进行检索;为了缩小低层特征和高层语义之间的语义鸿沟,最后提出一种基于神经网络的相关反馈方法,实验表明,该方法具有较好的检索性能,系统具有较高的查全率和查准率.

一种基于感兴趣区域的质量可分级编码传输方案研究

采用SVC中的MGS质量可分级编码技术,提出了一种基于感兴趣区域的质量可分级编码传输方案.首先,将图像区域划分为感兴趣区域与背景区域两部分,然后,采用MGS质量可分级编码技术对感兴趣区域的图像进行逐级增强,对残差(增强层减去基本层)的16个DCT变换系数进行分层传输得到不同质量的增强层,对于背景区域,抑制增强层的传输,只传输基本层视频图像.结果表明,此方法可以在网络带宽受限或者传输码率下降的情况下,通过抑制背景区域增强层的传输来进一步降低码率,同时保证了感兴趣区域图像的可分级编码质量.

基于JPEG2000的感兴趣区域编码新算法

提出了一种新的JPEG2000感兴趣区域编码算法。该算法先将感兴趣区域(ROI)在时域进行提升、周期延拓处理并叠加到背景区域像素值上,然后利用小波变换的可加性将小波变换后的背景区域系数减去相应的感兴趣区域系数,最后在接收端通过相应的处理实现ROI恢复。实验结果表明:该算法性能优越,计算量小且易于实现,在相同压缩率条件下,改善了由ROI时域提升算法产生的ROI边缘模糊的缺点,更有益于接收端对感兴趣区域的理解。

一种基于感兴趣区域的图像检索算法

提出了一种基于感兴趣区域的图像检索算法,该算法以图像中用户感兴趣的目标为研究对象,使用一种改进了的区域分割算法对图像进行目标区域分割,采用伪Zernike矩提取分割出来的区域形状特征结合其它区域特征构成检索特征向量。本文还讨论了在检索系统中用户感兴趣的区域与分割后图像目标区域的映射关系。在实验系统中证明有较高的区域准确率。

一种适合JPEG2000编码的动态感兴趣区域提取算法

在分析了JPEG2000感兴趣区域（ROD编码标准的基础上，提出了一种基于形态学的动态JPEG2000的ROI提取方法．利用形态滤波器组与分水岭分割算法将LLn小波子带图像划分为若干闭合区域，再利用区域纹理特征来判定LLn小波子带图像的ROI以及生成LLn子带的二值模板，最后依据离散小波变换结构以及坐标映射原理，动态生成全部子带的二进制ROI模板．在JPEG2000压缩软件中的应用结果证明，

感兴趣区域对羊肉pH高光谱检测模型的影响研究

感兴趣区域（regions of interest,ROIs）的选择及其光谱提取是高光谱图像无损检测分析的关键一步。为快速准确检测羊肉pH,在473～1 000nm波段,开展了两种不同提取ROIs方法对羊肉pH高光谱检测模型的影响研究。采用＂矩形区域法＂和＂图像分割法＂两种ROIs方法分别获得相应的122条羊肉光谱,对比了不同预处理方法对建模效果的影响,并比较了两种ROIs方法下逐步多元线性回归（SMLR）、主成分回归（PCR）和偏最小二乘回归（PLSR）的模型精度。结果表明,提取光谱数据建模中SMLR和PLSR模型效果分别最优。＂矩形区域法＂提取ROIs对应的SMLR模型校正集的相关系数（R_（cal））和均方根误差（RMSEC）分别为0.85和0.085,预测集的相关系数（R_p）和均方根误差（RMSEP）分别为0.82和0.097。＂图像分割法＂提取ROIs对应的PLSR模型校正集的Rcal和RMSEC分别为0.95和0.050,预测集的Rp和RMSEP分别为0.91和0.071。其次通过比较＂矩形区域法＂和PCR,SMLR和PLSR三个模型中,＂图像分割法＂提取的ROIs光谱数据建模效果较优。表明,应用高光谱图像技术结合＂图像分割法＂提取ROIs快速无损准确检测羊肉pH具有可行性。

采用多尺度多级组合分类器快速定位乳腺X片中的感兴趣区域

乳腺癌是妇女常见恶性肿瘤之一,早期诊断和治疗是降低乳腺癌患者死亡率的关键。微钙化是乳腺癌早期的一个重要标志,因此快速准确地找出乳腺X光片中含有微钙化簇的感兴趣区域(ROI)是成功诊断的第一步。乳腺X光片中含有大量无病变区域和少量微钙化区域,形成了一种典型的不对称分类问题。本研究结合大量无病变区域的信息训练多级组合分类器,并借助多尺度方法加快筛选速度,以定位ROI。在真实的数字化X线乳腺照片上的实验表明,该方法在无漏检的情况下,可以排除92.64%的正常区域,而且基于Matlab处理,对于每幅图片的平均处理时间仅为7 s。

一种遥感图像中多感兴趣区域的压缩算法

遥感图像的特殊应用,常要求对遥感图像进行无损压缩。但是由于遥感图像含有丰富的纹理,获得的无损压缩比一直很低。而遥感应用中,常常是对某一地区和某几个地区感兴趣,所以可以对感兴趣区域进行无损压缩,而以损失非感兴趣区域信息为代价。本文提出了一种用于遥感图像的多感兴趣区域的压缩算法LS-MROI,实验结果表明该算法用于ROI区域压缩能够获得较好的压缩性能。

时域感兴趣区域精确定位与膜电位多核调整的动态视觉传感器数据分类

动态视觉传感器(DVS)因其在获取视觉信息时具有低功耗,低延迟等特性,本质上十分适用于便携式设备上的实时动作识别.在对DVS事件流时域感兴趣区域(ROI)进行定位与分割时,现有方法往往不能根据不同物体运动自适应地设定最佳检测阈值、无法对静态场景中少量背景噪声进行过滤,为此,提出基于LIF神经元模型和脉冲最大值监测单元的运动符号检测(MSD),以实现在多种不同物体运动下事件流时域ROI关键时间点的自适应精确定位;在对分类器进行训练时,对不同的脉冲输入模式,使用不同的核函数调整突触后神经元膜电位,使训练得到的突触权重朝着正确发放的方向改变,提出一种具有抗噪性的脉冲神经网络学习算法MK-Tempotron.实验结果表明,与同类方法相比,本文方法在DVS数据集上的识别精度能获得高达14.61%的提升.

针对移动视频终端的基于感兴趣区域的快速转换编码

提出一种针对移动终端,基于感兴趣区域(ROI)的快速转换编码方案。首先,根据移动终端的显示尺寸,在视频服务器端利用视觉关注度模型从H.264视频流自动地检测出ROI。然后,在代理服务器端根据ROI转换编码生成适合于移动终端的视频流。此外,针对此转码体系提出了一种快速模式选择算法。仿真实验结果表明,本方案可在降低网络占用带宽的情况下,获得较好的主观视觉效果,并且计算量小。

部分混合位平面位移的JPEG2000感兴趣区域图像编码

针对JPEG2000图像编码标准中定义的两种感兴趣区域(ROI)编码方法的缺点和GPBShift算法的不足,提出一种新的感兴趣区域编码方法—部分混合位平面位移法(Partial Composite Bitplanes Shift method)PCBShift.本方法把ROI与背景区域(BG)划分为6部分,通过调整各部分的参数来实现位平面的位移。本方法不仅可以支持任意形状的感兴趣区域,而且可以任意调节感兴趣区域与背景区域的相对质量。实验结果表明:对用PCBShift方法重建图像的质量比用最大位移法(Maxshift method)和GPBShift算法,在相同解码率下有更好的图像质量,并且能根据不同优先级,在同一幅图像中对多感兴趣区域进行有效的编码。

基于感兴趣区域的高性能视频编码帧内预测优化算法

针对高性能视频编码(HEVC)帧内预测编码算法复杂度较高的问题,该文提出一种基于感兴趣区域的高性能视频编码帧内预测优化算法。首先,根据图像显著性划分当前帧的感兴趣区域(ROI)和非感兴趣区域(NROI);然后,对ROI基于空域相关性采用提出的快速编码单元(CU)划分算法决定当前编码单元的最终划分深度,跳过不必要的CU划分过程;最后,基于ROI采用提出的预测单元(PU)模式快速选择算法计算当前PU的能量和方向,根据能量和方向确定当前PU的预测模式,减少率失真代价的相关计算,达到降低编码复杂度和节省编码时间的目的。实验结果表明,在峰值信噪比(PSNR)损失仅为0.0390 dB的情况下,所提算法可以平均降低47.37%的编码时间。