时间图像序列配准的研究

本文分析了时间图像序列配准的特殊性，提出了应从以下五个方面来设计时序图像的配准：预处理以补偿外部条件的变化、分析时序图像的不变量以确定代价函数的项、将目标物分解为几部分从而最终确定代价函数、选择较优的算法以提高配准速度。研究了甲襞毛细血管的时序图像配准，分析了甲襞毛细血管时序图像的不变量，提出了多模板－序列阈值配准算法，实验表明，此算法能成功地完成甲襞毛细血管的时序图像配准。

利用时间序列傅立叶分析重构无云NDVI图像

利用基于傅立叶变换的HANTS算法,对中国地区(不包括南海诸岛)AVHRRNDVI时间序列数据进行简化和压缩,将植被的动态变化情况通过NDVI在时间和空间上量化,实现了时间序列图像中云和错误信息的检测、去除和替代。利用HANTS算法提取时间序列的傅立叶分量(幅值分量、频率分量),并由这些分量得出NDVI时间序列拟合曲线,依照曲线进行时间上的插值,从而重构无缝的时间序列图像。

一种时间序列图像自动配准算法

提出了一种快速易行的时间序列图像自动配准算法:首先对两幅图像分别进行离散小波变换,然后对分解后的两幅低频图像计算联合直方图,最后采用改进的联合直方图区域计数方法来设计目标函数并进行配准参数优化。实验结果与对比分析表明:在基本不影响图像配准精度的情况下,算法大大加快了图像配准速度。

基于多视角时间序列图像的植物叶片分割与特征提取

为了解决多种类植物在生长过程中不同时间点动态变化表型参数提取困难问题,提出了一种基于多视角时间序列图像和深度卷积神经网络Mask RCNN的植物茎叶实例分割方法,在拟南芥、玉米和酸浆属3种代表性植物上进行了实验。结果表明,训练得到的基于Mask-RCNN的植物分割模型对在不同生长时期的植物茎叶的识别精度(mAP_(0.5))大部分在70.0%以上,最高可以达到87.5%,模型通用性较好。同时,针对茎叶遮挡问题提出的基于多视角图像的跟踪算法,可进一步提高植物茎叶参数提取的准确率。本文提出的以茎叶为代表的植物器官分割和特征提取方法具有性能高效、成本低、通用性和扩展性好的优势,可为不同场景下植物全生长过程中的多表型参数提取提供参考。

功能磁共振时间序列图像快速配准方法研究

提出了一种非迭代分别检测时间序列图像间旋转、平移运动的方法 .该方法基于傅立叶频谱的相位相关特性 ,解决了迭代配准算法中的旋转与平移耦合问题 .通过精心选择参考图像 ,采用基于递归数字滤波的三次B样条插值方法 ,实现了功能磁共振序列图像的快速配准 。

基于高速图像采集与时间序列图像相关的微陀螺动力学特性测试

研究微结构与微机械电子系统(MEMS)的动力学特性测量与试验方法,对于优化MEMS的结构设计以及提高其可靠性与稳定性具有重要的意义。基于高速图像采集技术和数字图像相关方法,提出了一种用于MEMS动力学特性测试与研究的时间序列数字图像相关方法。由于数字图像相关方法是以图像子区作为单元通过相关搜索计算出相关动力学参量,如同在试件上安装没有任何附加质量和附加力的影响的“微传感器”,因此该方法对试件表面要求低,测试结构简单,测量的数据精度高,可靠。给出了用该方法对稳定谐振和自由阻尼振动情况下微陀螺的动力学特性的测试结果,为进一步研究分析微陀螺的稳定性提供了重要的参数。

数字时间序列图像相关方法在动态变形测量中的应用

本文结合微机械陀螺的简谐振动测试提出了一种改进的数字图像相关方法——数字时间序列图像相关方法，并编制了相应软件。通过对作高速简谐振动的微机械陀螺进行相关分析，可以得到试件全场的位移时程曲线；进一步对其作傅里叶变换，可以得到试件的频率等参数。通过该软件得到的微陀螺的振动频率相对误差为0．12％，从而为微结构动力学研究提供了可靠的分析手段。

图像时间序列用于车辆运动检测方法探讨

针对交通路口车辆运动检测问题 ,在时空梯度技术的基础上提出一种设想 ,即利用图像时间序列关于时间t和空间 ( x,y)灰度变化来估计瞬时位置速度场 .这样 ,不必依赖于很长一段图像时间序列 。

时间序列荧光图像中精确检测高密度快速运动多囊泡的“自校正”算法（英文）

本文提出了一种"自校正"算法,用于提高时间序列荧光图像中的多个运动目标识别的正确率(如囊泡).此算法的主要思想是构建一个由核函数叠加构成的模型,然后用这个模型去拟合无法分辨时刻的数据,通过最小二乘拟合后得到的模型与真实数据的χ~2统计残差及拟合得到的核函数的参数,来确定该时刻囊泡的数目及各囊泡的中心位置.我们在合成图像上比较加入了自校正算法和未加自校正算法的识别正确率,结果表明,加入了自检算法以后识别正确率得到了明显提高.同时,提出了一个优化的囊泡追踪流程,并应用到小鼠β细胞的囊泡荧光图像分析中.统计分析显示,加入葡萄糖刺激后,小鼠β细胞囊泡轨迹数目会增加,平均锚定时间会减少,这是由于胰岛细胞需要借助囊泡的转运和分泌来调控血糖平衡.因此我们进一步在亚细胞水平定量分析了活细胞中囊泡的活动.

基于LK和FAST的时间序列图像快速配准算法

LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。

水肥胁迫对基于时间序列图像的苗木表型信息的影响

【目的】构建多视角植物表型信息采集平台,以固定时间间隔获取水肥胁迫处理下苗木图像,从形态变化中提取表征簸箕柳苗木水肥胁迫的应激反应表型参数,为苗木栽培和精确水肥管理提供参考。【方法】构建一套多视角表型信息采集平台,探讨一种基于时间序列图像的苗木表型信息提取方法,采用近似拼接算法将局部植株图像有效拼接成完整植株图像,基于多视角图像提出株高、主茎直径等表型信息的提取算法及株高可视化算法。以簸箕柳为研究对象开展水肥胁迫试验,设置水分因素和氮肥因素,包括正常水分处理与干旱胁迫处理2个水平以及6个氮肥水平,对比观察时间序列下簸箕柳株高和主茎直径的变化情况。【结果】1)图像近似拼接算法相较于传统直接拼接算法和暴力拼接算法在多视角表型信息采集平台上具有更好适应性,能够很好消除拼接痕迹,实现图像无缝拼接。2)多视角下株高提取算法的决定系数(R^(2))为0.96、主茎直径提取算法的R^(2)为0.74,能够解决单视角下因植物叶片遮挡导致的株高测量不准确和主茎直径无法测量等问题。3)整个生长周期时间序列下,簸箕柳苗木平均株高和主茎直径随时间的变化受不同水分处理显著影响,正常水分处理簸箕柳苗木平均株高和主茎直径分别为33.6 cm和2.49 mm,干旱胁迫处理簸箕柳苗木平均株高和主茎直径分别为22.8 cm和2.25 mm,正常水分处理簸箕柳苗木平均株高和主茎直径相比干旱胁迫处理高47.4%和10.7%。4)整个生长周期时间序列下,簸箕柳苗木平均株高和主茎直径在6个氮肥水平呈现出显著差异性,随氮肥含量增加呈先增加后降低趋势。正常水分处理下,除T5处理组外,其他组平均株高和主茎直径均高于CK处理组,其中T2处理组生长速率最高,速率分别为1.92 cm·d^(-1)和0.075 mm·d^(-1);干旱胁迫处理下,T1、T2处理组平均株高高于CK处理组,其中T2处理组平均生长速率最高,平均株高和主茎直径生长速率分别为1.05 cm·d^(-1)和0.035 mm·d^(-1)。【结论】基于连续图像序列的分析处理方法在监测苗木表型信息中具有可靠性和实用性。当氮肥含量不足时,植物生长速度放缓,当氮肥含量过量时,会抑制植物生长速度甚至出现烧苗等情况。综合株高与主茎直径,正常水分处理下T2处理组(尿素每盆0.1 g,扦插种植第40天再施加尿素每盆0.1 g)为最佳施肥指标。

面向时间序列的混合图像化循环胶囊分类网络

针对时间序列图像化缺少时间关联关系与空间位置关系的问题,提出面向时间序列的混合图像化循环胶囊神经网络(FIR-Capsnet)以融合并提取时间序列图像的时空信息。首先通过格拉姆角场(GAF)、马尔可夫跃迁场(MTF)与重现图(RP)方法捕获时间序列图像的多水平时空特征;然后利用胶囊神经网络的旋转不变性与路由迭代算法学习时间序列图像的空间关系;最后引入长短时记忆(LSTM)网络的门机制学习时间序列数据隐含的时间关联性。实验结果表明,FIR-Capsnet在30个UCR公开数据集上取得15次胜利;并且在人体活动识别(HAR)数据集上相较于Fusion-CNN、FIR-Capsnet的分类准确率提高7.2个百分点,说明了FIR-Capsnet处理时序数据的优势。

基于卫星图像时间序列连续异常检测方法优缺点

本文作者依据多年工作经验,对卫星图像时间序列连续异常检测方法优缺点进行了研究分析,以便和同行切磋与交流。

谐波改进的植被指数时间序列重建算法

提出一种基于傅里叶谐波分析的改进算法,引入异常值检测算法,检测拟合过程中的异常值,增加数据拟合的真实性;迭代前动态估算出待处理序列点的峰值个数(即频数),解决整个区域预设单一频数的不合理性;引入拟合影响因子,自动控制迭代终止条件,避免传统方法中人为设置阈值导致的不确定性。利用2003年华北平原MODIS_EVI时间序列图像验证表明,较之HANTS算法,改进算法能够有效修正噪声污染像元值,修正后的EVI时序曲线更能反映地物内在的物候变化规律,并能够更好地保真原始曲线上的特征(点),如作物EVI最大值、最小值出现的时间和大小关系。

垂直上升管油气水三相流视频图像灰度波动信号的混沌特性分析

以35号润滑油,空气和自来水为试验介质,应用高速摄像机对垂直上升管内的油气水三相流的6种典型流型进行了动态图像的拍摄。提取每一帧图像的灰度均值组成时间序列,对其进行混沌特性分析,主要对互信息法,自相关法,平均位移法以及(去偏)自相关法4种求延迟的方法进行了对比,同时结合功率谱、混沌关联维与HURST指数对油气水三相流的流型形成机理进行了分析。试验结果表明:垂直上升管中油气水三相流的动态图像灰度波动信号具有混沌特征,能够对三相流几种典型流型进行很好的表征。

基于单幅数字散斑投影及图像相关的离面振动测量

采用单幅数字散斑图投影及高速数字图像采集技术,研究了动态离面位移的测量。采用商用液晶投影仪将计算机产生的模拟散斑图投影到待测动态变形物体表面,由高速数字图像采集设备摄取并保存变形散斑图,采用时间序列数字图像相关软件计算出物体表面各点随时间变化的离面位移。这种方法用于振动分析时不仅可以获得振型分布,而且还可以获得各点的振幅值。与现有的激光频闪照相测振及激光多普勒测振等方法相比,具有光学系统简单,可全场定量测量。悬臂梁振动实验结果证实了该方法的有效性。

基于肌音信号图像化和卷积神经网络的手语识别研究

时间序列信号被广泛应用于各种模式识别的场合,针对大量目标的时间序列信号模式识别率低的问题,借助多种图像化手段,将时间序列信号转换为图像,采用图像分类算法实现模式识别。实验中采集了前臂上30种手语对应的肌音信号(Mechanomyography,MMG),将其转换为不同风格的图像,设计卷积神经网络(Convolution Neural Network,CNN)框架,对图像化的肌音信号训练集建立模式识别的分类模型,并且应用迁移学习(transfer learning)算法对模型进行多次优化,建立的分类模型识别率达98.7%,高于普通机器学习算法的识别率。实验结果证明了图像化处理时间序列信号可以有效提高多分类肌音信号模式识别的识别率,该研究可以为其他时间序列信号的模式识别研究提供参考。

拉索模型模态参数识别的实验研究

基于高速摄影成像技术,利用改进的数字时间序列图像相关方法,测定了自由振动状态下拉索模型的模态参数。该方法具有实验装置简单、全场非接触、无附加质量、无附加阻尼、测量频率和位移范围可调等优点。采用高速CMOS摄像机及其计算机处理系统,实时获取拉索的振动图像,基于VC编制时间序列图像相关软件自动对序列图像进行相关运算,获得其位移-时程曲线;利用小波分析的方法确定拉索的固有频率和阻尼比,实验结果与理论分析结果吻合得较好。测试及分析结果表明:该方法为拉索模型的模态参数识别提供了新的途径。

一种新的基于细胞局部图特征和运动特征的细胞跟踪算法

在跟踪显微序列图像中的细胞时,由于存在细胞分裂、粘连运动不均匀等问题,影响细胞分割和跟踪的准确性。为了提高细胞跟踪的准确率,提出一种新的跟踪算法,用于分析显微序列图像中细胞的形态变化和动态变化。该算法对移动距离不大的细胞采用由细胞位移、面积和形变构成的细胞区域特征来实现该类细胞的跟踪,然后再利用已成功实现跟踪的细胞,构造由细胞之间拓扑关系组成的局部图,最终使用基于局部图特征和细胞区域特征构成的混合跟踪算法实现活跃细胞的跟踪,并对跟踪过程中的各种情况进行分析处理。用两个视频序列验证该方法的有效性,实验结果表明,该算法能够提高细胞跟踪的准确率分别为10%和6%。

DICM在发动机模态参数识别中的试验研究

基于高速摄影成像技术,利用数字图像相关方法(digital image correlation method,简称DICM),根据时间序列动态散斑相关跟踪测量原理,提出了一种用于机械结构动力学特性测试与研究的时间序列数字图像相关方法。该方法具有全场非接触,测试结构简单,测量精度高,测量位移和频率范围可调。运用该方法对柴油发动机机体在自由状态下固有频率进行了测试。采用高速CMOS摄像机及其计算机处理系统,实时获取发动机机体的振动图像,用VC编制时间序列图像相关软件,自动对序列图像进行相关运算,获得其位移-时间曲线。通过FFT频谱分析,确定了机体的固有频率。光测试验结果与电测试验结果、有限元数值计算结果基本一致。