基于属性形态学分析的图像显著极值检测及应用

由于图像噪声的存在,使得利用传统的极值检测算法通常会使要提取的显著极值淹没在大量的噪声极值中;同时由于先验知识的缺乏,采用普通滤波技术也往往不能很好的滤除噪声,反而会破坏图像的关键结构。本文提出了一种基于属性形态学分析的图像显著极值检测算法。该算法可以在不需要对图像进行滤波的前提下,从数学形态学的角度对图像极值的显著性进行计算和评估,从而能够较好地提取出显著的极值。在沉浸模拟算法的基础上,给出了基于属性形态学分析显著极值检测的快速算法实现,并将其成功应用在视觉注意选择和独立运动目标检测上。实践证明,该算法不仅具有较好的抗噪声特性,而且快速实用,具有广泛的应用价值。

基于全局和局部二值模式的显著图裂缝自动分割算法

提出了一种基于全局和局部二值模式显著图的裂缝自动分割方法,以提高混凝土结构裂缝缺陷检测的精度。通过对数函数对图像的对比度进行增强后,引入了相对阈值和多方向全局信息,对原始的局部二值模式进行改进,构建显著图使得嵌入在光照不均和纹理复杂背景中的裂缝凸显出来,再通过自适应阈值方法、万有引力定律以及可变化的灰度和圆度特征对裂缝分割结果进行修正。实验结果表明,提出的检测方法效果优于现有的裂缝分割方法,检测速度也能满足实际应用的要求。

初探小河站显著性水平α值的选用

本文从偏离数值检验α的取值问题切入 ,用数理统计方法对小流域水文站显著性水平α值的选用做一讨论 ,以便在实际工作中 ,使小流域水文站显著性水平α值的选用较为合理。

场馆监控图像的DCT域视觉显著性检测仿真

针对当前检测体育场监控图像DCT域时,出现检测结果边缘模糊,显著性差的问题,提出一种新型的DCT域视觉显著性检测模型。通过构建图像库结构,获取满足检测需求的监控图像,采用灰度值标注的方式,实现DCT组织域的应用与转换,搭建总体检测框架,根据图像特征的分割与提取原则,计算具体的显著性特征权值,完成场馆监控图像DCT域视觉显著性检测模型的建立。仿真结果表明,与传统人类视觉监控系统相比,所提方法提高了图像区块显著值,检测结果图像清晰边缘锐利且图像DCT域视觉显著性较好,具有较强的应用性。

基于对比度的背景先验显著性检测算法

图像显著性检测的研究已经成为了一个热门领域,应用范围很广。基于背景先验的算法,可以使显著目标较好地突显,使显著图更清晰,但背景先验依赖于图像中背景的有关先验理论,对于背景复杂图像的处理效果不好。针对以上问题,建立基于对比度的背景先验算法,算法首先将局部和全局显著图在一定方式下融合,然后,利用融合算法的结果提取图像边界区域,最后,基于提取出的图像边界区域,利用背景先验算法得到最终显著图。实验结果表明,改进算法的MAE值相比于原算法更小,对图像边界的划分更准确,减弱了图像背景的影响。

商标显著性之分解研究 以IPAD商标案为例

商标的本质在于其商业区别能力,这种区别能力不是设计师创造的,也不应当是由行政程序所创造的。商标注册应当只是对已存在于市场中的商标的商标法确认,而不是对于尚未与产品、市场结合的商标的创造。因此,注册商标应当以已为商业使用为注册要求。通过分解商标的显著性,将显著性进一步分解为基础显著性与加值显著性。我国现行商标法对于显著性的规定仅限于基础显著性,商标价值的真正所在应当是加值显著性,而加值显著性是通过商标的使用而获得的。商标成功使用论,赋予投入艰苦卓绝努力的成功使用者以商标权,是正确确定商标归属的方法之一,也是推动商标法进步的应有之义。

基于SLIC超像素分割的SAR图像海陆分割算法

海陆分割在合成孔径雷达(SAR)图像的海面目标检测以及海岸线提取等海洋应用方面具有非常重要的意义。针对合成孔径雷达图像的特点,提出了基于SLIC超像素分割的SAR图像海陆分割算法。首先为抑制SAR图像固有相干斑噪声并较好地保留图像的边缘信息,采用精致Lee滤波对图像进行预处理。然后对图像进行SLIC超像素分割,再将分割后的图像进行FT区域显著性检测以及显著值相似度聚类。最后将处理后的图片二值化得到海陆分割结果。实验结果表明,本文所提海陆分割算法具有很高的处理精度以及较高的处理效率。

基于SuBSENSE的内河船舶检测波纹干扰抑制算法

SuBSENSE是一种融合颜色特征和纹理特征的通用运动目标检测算法,同时算法中的参数自适应反馈机制使得背景模型能够良好地适应内河环境的多样性,在多种检测环境下达到参数最优化设置。针对一般运动目标检测算法用于内河船舶检测时,难以克服水波纹干扰这一问题,提出将SuBSENSE与基于全局对比度的显著性区域检测方法结合进行波纹抑制。利用水面显著值较低这一特性,通过设置适当阈值对显著图进行二值化,从而分离船舶与水面区域。将显著图与SuBSENSE检测结果进行与运算滤除背景干扰,即可得到船舶区域。实验证明,该方法能有效抑制内河环境中的波纹干扰,相比原SuBSENSE算法将综合表现提高了14.6%。

读者流向特征的实证分析

文章以图书馆流通部的读者为研究对象,运用数理统计原理,对读者的流向特征及其影响因素进行了实证分析。研究结果表明:普招生与成人生的需求有较大差异;理科生的需求高于文科生的需求;女性读者的需求高于男性读者的需求;读者的需求具有周期性;文学类图书的流向密度较高等等。

普通话水平测试相关因素的调查研究

本文以普通话水平测试的等级为研究对象,运用SPSS统计软件中的多种分析方法,透过数据发现影响普通话水平测试等级的相关因素。

普通话水平测试相关因素的调查研究

本文以普通话水平测试的等级为研究对象,运用SPSS统计软件中的多种分析方法,透过数据发现影响普通话水平测试等级的相关因素。

透过数据看中小学教师的语文素质

本文以普通话水平测试的等级为研究对象 ,运用SPSS统计软件中的多种分析方法 。

基于FDST和MSS的红外与可见光图像融合

为了提高低可见度情况下红外与可见光图像融合质量,提出了一种基于有限离散剪切波变换(FDST)和图像显著性检测算法(MSS)的融合方法。利用显著性检测算法对红外和可见光图像进行检测。采用有限离散剪切波变换对红外和可见光图像进行分解。根据显著性检测结果中亮度越高的区域属于显著性目标这一特点,指导低频子带图像融合。高频子带图像采用"绝对值和取大"的融合策略。实验结果表明提出的融合方法在主观视觉效果和客观性能指标上均取得了较好的效果。

关中地区普通话水平测试成绩的相关影响因素

运用SPSS统计软件中的多种分析法,寻找出影响关中地区普通话水平测试成绩的相关因素,并对该地区普通话水平测试中出现的语音错误和语音缺陷进行定性分析。

一种基于空间对比度的光斑自动定位新方法

针对具有回射特性的合作目标在图像上所呈光斑的外接矩形区域总是图像中对比度较强的区域这一特性,本文提出了一种全新的基于空间对比度的光斑自动定位方法。鉴于空间对比度作为一种归一化的显著度度量可用于描述人眼对局部图像对比度的感知程度,新方法采用空间对比度作为待识别光斑外接矩形区域的基本特征对其进行定位,通过设定显著阈值及非显著阈值作为提取光斑外接矩形的条件,在计算得到光斑区域的灰度重心的基础上确定光斑的亚像素形心。数字仿真实验结果证明本文方法在各种噪声情况下均能够得到较好的光斑形心提取效果,可以达到与传统相关法相当的精度水平。实物仿真试验表明,由本文方法得到的光斑图像坐标进行双目像机交会计算得到的光斑三维位置的精度较高,且不受光斑位置突变的影响,从拍摄图像到计算得到光斑三维位置整个过程的数据输出率为15～20Hz,可以稳定得到高精度的结果。与传统的检测方法相比,本文算法概念新颖,易于实现,能够在满足精度要求的基础上同时满足实时性要求,具有较高的工程应用价值。

一种改进的时间域剩余动校正方法

在地震数据处理中,剩余动校正量对叠加成像效果有较大的影响,而常规剩余动校正方法由于实现技术上的原因使其应用存在一定的局限性。提出了一种改进型时间域剩余动校正方法,该方法对剩余动校正量的确定与剩余速度无关,而是通过提取同一地震道中不同时刻采样点的剩余时差来获取时移量。方法的基本原理是,建立与地震记录相关的模型道,确定模型道的显著极值点;将经过动、静校正后的CMP道集内各道数据与模型道数据在某一时窗内进行互相关,确定地震道的显著极值点,该点与模型道显著极值点之间的时间差即为剩余动校正量;显著极值点外的数据,则通过拉伸或收缩再整体移动的方法进行校正。应用实例表明,改进的时间域剩余动校正方法可以有效地消除剩余动校正量的影响,提高地震记录的分辨率,改善地震记录的品质。

基于分级策略的自动人眼检测与定位

为了能在正面人脸图像上对人眼位置进行检测和精确定位,提出了一种新颖高效的分级策略。利用Gabor变换计算显著极值图,得到若干具有最大显著极值的候选人眼区域;通过PCA(Principal Component Analysis)重构对候选区域进行验证,将具有最小重构误差的两个区域选定为眼睛区域;通过两级邻域运算对瞳孔进行精确定位。该方法对面部表情变化不敏感,同时具有非迭代和计算简单的优点。通过在JAFFE数据库上的对比实验,检测精度达到99.6%,验证了该方法的有效性。

DXA测量骨密度的精密度评估及其应用

目的通过短期精密度实验,统计分析双能X线吸收测定法(dual energy X-ray absorptiometry,DXA)测量骨密度(bone mineral density,BMD)的最小显著性变化值(least significant change,LSC),并探讨其临床应用价值。方法 4名技术员(A、B、C和D)使用GE Lunar Prodigy型双能X线骨密度仪均分别测量31名受检者(共124名)的腰椎和髋部的BMD,每位受检者连续测量2次,计算其精密度误差(precision error,PE)和LSC。结果 (1)不同技术员测量各部位BMD的各指标水平有差异,同一技术员每个测量位点的PE和LSC也不同;腰椎的PE和LSC较双侧股骨的波动幅度小,本实验中4位技术员之间对于L1～4,左、右股骨颈和左、右全髋部测量的PE变异系数(coefficient of variation,CV)差异皆无统计学意义(P>0.05);(2)本团队测量L1～4的PE为:RMS-SD=0.011 g/cm^2、RMS-CV=0.011,LSC为:LSC-SD=0.031 g/cm^2、LSC-CV=0.031;左全髋的PE为:RMS-SD=0.013 g/cm^2、RMS-CV=0.014,LSC为:LSC-SD=0.036 g/cm^2、LSC-CV=0.039,右全髋的PE为:RMS-SD=0.010 g/cm^2、RMS-CV=0.011,LSC为:LSC-SD=0.026 g/cm^2、LSC-CV=0.030。结论使用DXA测量骨密度的PE小、精密度高;预计随访间隔时间(monitoring time interval,MTI)应随着感兴趣区PE的增加而延长,随着预计BMD年变化的增加而缩短。

有效性试验、非劣效性试验、和等效试验之间的比较（英文）

概述:一种新型药物或治疗的效果通常是通过临床随机对照试验获得的。然而,假设的设定对生物医学研究者来说仍然是具有挑战性的问题。在本调查中,我们讨论了有效性试验、非劣效性试验、和等效性试验。这三类试验对治疗效果均有不同的假设。我们比较了这些试验中的假设并提供了样本量计算公式。

基于SLBP深度信念网络的人脸识别研究

针对传统局部二值模式(LBP)特征提取不充分和分类器拟合的问题,提出一种基于局部纹理特征的显著局部二值模式(SLBP)和深度学习的人脸识别方法。首先,利用改进的SLBP算法提取人脸图像局部纹理特征,建立SLBP直方图;然后构建基于深度信念网络的深度学习架构,将SLBP直方图输入到深度信念网络中,采用无监督逐层训练法和有监督BP算法去训练网络,实现网络的自学习和自优化,得到网络参数;最后,利用DBN分类、识别人脸图像。仿真实验证实,所提人脸识别方法在识别率和鲁棒性方面优于传统人脸识别方法。