基于K-means聚类的路面裂缝分割算法

针对传统分割算法在非均匀背景中存在低抗噪性及高复杂性的问题,将聚类分析和区域生长算法相结合,提出基于K-means聚类的路面裂缝区域生长分割算法。依据图像灰度像素特征进行裂缝目标聚类,融合裂缝几何纹理特征将聚类中心值作为种子点区域生长,经过形态学滤波优化处理完成精确分割。仿真结果表明,该算法在视觉上裂缝分割的准确率提高,查准率曲线和受试者工作特征曲线的评价结果也表明,该算法与传统边缘检测算法相比,具有环境适应能力强、识别准确率高以及性能稳定等优势。

基于半监督学习的一种图像检索方法

为了提高图像检索的质量,提出了一种基于半监督学习的图像检索方法。该方法提取图像的颜色、形状、纹理特征,计算得到已知类别样本的中心图像,检索过程中利用中心图像自适应调整相关度计算函数,然后根据与查询图像相关度的大小对图像进行检索和排序。实验结果表明:该方法较已有的基于内容的图像检索方法有更高的查准率,同时,由查准率—查全率曲线可知该方法能够达到很好的检索质量。

ROC曲线和PR曲线在临床诊断试验评估中的应用

本研究对受试者特征工作(ROC)曲线和查准率-查全(PR)曲线的概念和性质进行概括回顾, 结合模拟数据结果, 基于患病率对ROC曲线和PR曲线的应用做出建议。研究显示, ROC曲线和PR曲线具有不同的性质, 可以从不同的侧面反映诊断方法的性能, 应结合患病率和临床场景进行选择。当患病率小于20%, 尤其是小于5%时, 应重视PR曲线的应用。