血小板超微结构图像的分割

研究了分割血小板超微结构图像的问题 ,并提出了一套完整的分割算法。它包括边缘检测。

阈值分割法处理土微结构图像质量评价

在对常用图像分割质量评价方法及度量参数进行整理和研究的基础上,将均值、标准差、信息熵、空间频率、平均梯度等定量评价参数应用到土微结构图像阈值法分割质量的评价中来,对双峰阈值法、Otsu法、迭代法以及最大信息熵法分割图像的效果进行了评价。实验结果表明,针对本文图像,双峰阈值法分割效果较为理想。

糜状食品物料微结构图像的多重分形特征识别

本文基于小波变换边缘奇异性分析原理，研究了糜状食品物料微结构图像的多重分形结构及其特性，求出其局部奇异性指数；并采用计算高次信息量维数的办法，建立了糜状食品物料微结构图像的多重分形奇异谱。通过分析图像的奇异谱，定义了表征不同糜状食品物料图像微结构的参量，为建立图像微结构与流变特件之间的定量描述打下基础．

糜状食品物料微结构图像的蒙特卡罗模拟

糜状食品物料微观结构图像的分析和模拟 ,是定量研究其微结构模式形态对流变特性影响的关键问题 通过从已知流变特性反演糜状食品物料微结构的几何形态 ,可以更深入地探讨、研究微结构形成的动力学机制和过程 ,进而沟通流变特性和微结构形态之间的联系 文中利用蒙特卡罗方法 ,实现了对不同糜状食品物料微结构图像的随机模拟 。

基于微结构图像的风生微尺度波频率谱初探

利用海面微结构光学测量装置实验获取到的微尺度波图像来给出风生微尺度波的波数谱,在此基础上利用频散关系建立微尺度波波数谱和频率谱之间的关系,最终得到微尺度波频率谱。对微尺度波的频率谱随频率变化的响应进行了研究,发现频率谱与频率的α次方成正比关系,α的值随风速的增加而增加,同一风速下α几乎为定值。

显微结构图像是数据

显微结构分析包括图像法和非图像法,以前者为主,后者为辅。图像具有确切的科学内容,是显微结构的特征标志,起着数据的作用。

基于结构图像表示和微分同胚Demons算法的多模态医学图像配准

为了提高多模态医学图像的配准精度,利用参考图像和浮动图像的结构信息,提出了一种基于结构图像表示和微分同胚Demons算法的多模态医学图像配准算法.该算法由结构图像表示和图像配准组成.在结构图像表示阶段,采用Arimoto熵图像来描述参考图像和浮动图像的结构信息,首先计算2幅图像中所有像素点周围指定大小邻域的熵值,然后把计算的熵值作为熵图像中对应点的灰度值以生成2幅熵图像.在图像配准阶段,使用微分同胚Demons配准算法对2幅熵图像进行配准.基于Brainweb数据库中磁共振数据的测试结果表明:与微分同胚Demons算法和基于香农熵的Demons算法相比,利用Arimoto熵表示图像的结构信息可以进一步提高配准精度.

基于双路注意力机制的化学结构图像识别

基于传统图像处理技术与流水线方式的化学结构图像识别方法通常依赖于人工设计的特征,导致识别准确率较低。针对该问题,提出一种基于空间注意力机制与通道注意力机制的化学结构图像识别方法。将化学结构识别视为序列生成任务,采用卷积神经网络(CNN)与长短期记忆(LSTM)网络相结合的深度神经网络模型实现化学结构图像到SMILES序列的转换。该深度神经网络模型由编码和解码两部分组成,编码部分使用CNN提取化学结构图像特征,解码部分融合双路注意力机制与LSTM网络生成SMILES序列。实验结果表明,该方法在Beam Size为3的情况下,识别准确率和BLEU-4值分别为81.63%和0.937,明显优于无注意力机制和单注意力机制的化学结构图像识别方法。

青少年与成人首发抑郁障碍患者临床特征及颅脑磁共振成像结构图像异常特征比较

目的:比较青少年与成人首发抑郁障碍患者的临床特征及颅脑磁共振成像(MRI)结构图像异常特征,为青少年首发抑郁障碍发病机制的探讨提供依据。方法:回顾性分析2017年7月至2018年12月首都医科大学附属北京安定医院收治的167例青少年首发抑郁障碍患者的临床资料作为青少年组,将同期收治的198例成人首发抑郁障碍患者的临床资料作为成人组,比较两组临床特征及颅脑MRI结构图像异常特征,并采用Logistic回归分析青少年首发抑郁障碍患者伴精神病性症状的影响因素。结果:青少年组母孕期异常及伴精神病性症状占比均高于成人组,差异有统计学意义(P<0.05);两组性别、家族史阳性、性格特征、病程、有无自杀观念分布情况比较,差异均无统计学意义(P>0.05)。青少年组颅脑MRI结构图像异常78例(46.71%),成人组颅脑MRI结构图像异常95例(47.98%),两组比较,差异无统计学意义(P>0.05);其中,两组海马萎缩占比比较,差异无统计学意义(P>0.05);青少年组皮质萎缩占比和其他颅脑MRI结构异常占比均低于成人组,先天性脑发育异常占比高于成人组,差异有统计学意义(P<0.05)。青少年首发抑郁障碍伴和不伴精神病性症状患者的性别、年龄、起病年龄、病程、母孕期异常、家族史阳性、性格特征、自杀观念、海马萎缩分布情况比较,差异均无统计学意义(P>0.05);青少年首发抑郁障碍伴精神病性症状患者先天性脑发育异常占比高于不伴精神病性症状患者,差异有统计学意义(P<0.05);经Logistic回归分析结果显示,先天性脑发育异常为影响青少年首发抑郁障碍患者伴精神病性症状的危险因素(OR>1,P<0.05)。结论:青少年首发抑郁障碍患者伴精神病性症状占比高于成年人首发抑郁障碍患者,青少年首发抑郁障碍患者皮质萎缩占比和其他颅脑MRI结构异常占比低于成人首发抑郁障碍患者,先天性脑发育异常为影响青少年首发抑郁障碍患者伴精神病性症状的危险因素。

基于结构图像先验与ASM能量的服装图像去噪

服装图像在采集和传输过程中会受到噪声不同程度的影响,为更有效地去除服装图像中的噪声本文提出了一种基于ASM图像能量的深度学习图像去噪方法。该方法基于结构图像先验理论,以随机向量作为卷积神经网络的输入,含噪声的服装图像作为目标输出。网络通过反向传播进行迭代,根据噪声与自然图像对于网络的阻抗不同,迭代至输出图像的ASM能量极大值处进行截断,截断处的输出图像即为去噪后的服装图像。实验结果表明,该方法对服装图像去噪后的PSNR达到29.91,比NLM去噪提高了 0.74,比guided去噪提高了 1.97。与传统的图像滤波去噪算法相比,该方法能更有效地去除图像中的噪声,保留服装图像的纹理细节。

基于多孔卷积神经网络的图像空间结构信息细节表征

针对传统图像空间结构信息表征方法存在细节表征模糊度较高、信息训练损失较高等问题,提出一种新的基于多孔卷积神经网络的图像空间结构信息细节表征方法。该方法通过图像空间结构信息细节相似性度量,并以图像的形状、颜色和纹理特征对图像空间结构信息细节进行编码,再去除图像冗余信息,利用多孔卷积神经网络对图像空间结构的深度信息进行融合,从而完成图像空间结构信息的细节表征。实验结果表明,基于多孔卷积神经网络的图像空间结构信息细节表征方法在模糊度、训练损失、图像相似性等方面都比传统的3种方法优越,能够清晰地表征图像空间结构信息。

低信噪比地震数据图像结构引导去噪方法与应用

地震噪声影响着复杂断裂结构与储层的刻画,有效压制噪声并保留地震资料中的结构信息,是解释性处理的关键。基于保边光滑原理,在地震数据处理中提出并引入图像结构引导滤波方法,实现自适应地保留断层、裂缝以及储层反射等关键信息并有效压制散射与随机噪声,提高地震数据信噪比。正演模拟数据的去噪试验结果表明,相比常规滤波方法,图像结构引导滤波方法具有更好的保边光滑特性;与构造导向滤波方法相比,该方法不需显式提取层位走向和倾角信息,具有较高的计算效率。实际三维资料的应用结果表明,该方法能有效压制不同类型噪声、提高信噪比和有效反射同相轴的连续性;处理后对应的相干属性可有效增强断裂、储层的分辨能力,更好地描述断裂系统的展布,有利于后续地震资料解释工作。

基于非局部均值滤波的结构光图像去噪

采用一种改进的自适应非局部均值滤波结合小波去噪的方法对结构光图像进行滤波处理。首先针对椒盐噪声,采用一种有效的自适应检测窗口确认噪声点,噪声像素被其相邻的三个像素的组合所取代,然后使用基于椒盐噪声特征的非局部均值滤波来重构噪声点的灰度值。进一步地针对高斯噪声,对图像进行小波变换,并对高频部分进行方向性中值滤波,最终经小波逆变换进行重构,得到去噪后的结构光条纹图像。实验结果显示,与传统方法进行比较,改进的方法能够有效地滤除结构光图像中的噪声,并保持了结构光条纹图像的细节信息。

融合图卷积网络的表格图像结构识别模型

针对表格图像很难精确从文档中提取出表格结构的问题,提出一种融合图卷积网络的双分支识别网络模型。以ResNet+FPN为主干网络,引入矩阵分解头代替注意力机制重整全局特征。设计一个双分支网络以获取表格单元格间空间位置和逻辑邻接信息。以GCN感知单元格间连接关系辅助输出位置信息和逻辑邻接关系。实验结果表明,在多个数据集上相比基线模型F1指标平均提升10.6%,F(beta=0.5)指标提升18.6%。在TableGraph-24K数据集上,相比最近的TGRNet模型在F1指标上提升3.1%,F(beta=0.5)指标平均提升2.9%。

图像分析在焦炭气孔结构参数测定中的应用

通过Optimas6.5图像处理与分析软件,对7个不同厂家不同焦炭的气孔结构图像进行分割和统计,确定出最佳的灰度阈值,并用该灰度阈值对焦炭灰度图像进行阈值分割和识别,实现了用图像分析法对焦炭气孔结构参数的测定。与传统焦炭气孔结构参数测定方法相比,图像分析法具有准确性更高、数据代表性更好等优点。

基于改进YOLOv7的结构光条纹图像一致性交互目标定位算法

受结构光条纹图像自身特点的影响,在设计图像一致性交互目标定位算法时,很容易出现定位失败或者定位精度过低等情况,导致算法的定位效果不佳。为了解决这一问题,提出了一种基于改进YOLOv7的结构光条纹图像一致性交互目标定位算法。利用相关设备获取大量的结构光条纹图像,并计算图像中不同类型信息的参数,剔除图像中的噪声,再提取图像中的相位信息。通过引入注意力机制,对YOLOv7算法进行改进,设定相应的损失函数得到最终的定位结果,完成对结构光条纹图像一致性交互目标定位算法的设计。在实验测试中,新算法在实际应用中交并比较高,定位效果较好。

基于图像结构和纹理的快速修复方法

传统的图像修复算法对纯结构或纯纹理图像有较好的修复效果。对于一幅既有结构又有大量纹理的图像，可先将图像分解为结构子图和纹理子图，再分别用不同的方法处理两子图，最后把处理后的子图合并，完成修复。对结构子图的处理常采用基于PDE的修复方法，该方法需要复杂的运算，其时间代价太大。为了提高效率，使用一种新方法，结合结构图像的特征，仅利用邻域的已知信息单次填充进行修复。试验对比表明，该方法有较好的修复效果，且大大缩短了修复时间。

利用光强信息的结构光图像轮廓提取修正方法

在用激光三角法对同质物体进行三维探测中,可能因为条纹缺陷等原因出现轮廓提取误差。这种误差用诸如中心线或者权重法等一般轮廓提取方法无法得到正确的结果,因此提出一种利用光强信息进行修正的新方法。通过自行搭建的试验装置获得原始光强图像,由中心线法提取带有误差的轮廓,再使用光强分布对其进行修正。根据物体表面光强与表面法线方向的关系,用逐次逼近的方法验证物体表面的法线方向。通过理论推导计算以及和之前获得的轮廓进行比较,得到修正值。在测量标准高度为 40.1mm 的物体表面时对出现的条纹缺失进行修正,与传统方法相比,测量结果从 38.4mm 改善到 39.4mm,误差从 4.23%减小到 1.75%。

非结构化自然图像自主导航中的两类分割方法

以园艺草割过与未割过的自然图像两类分割为研究对象 ,提出了基于多尺度特征提取 ,以行像素最小、次小和最大、次大值求取加权中值点集的窄带兴趣区法 ,以及相邻行像素两类特征证据增强与多证据模糊判别增强分割法。通过自动跟踪分割实验 ,显示出自然图像中的不同色块和阴影对分割影响不大 ,而且能够做到实时输出分割参数 ,70 ms内自主做出未经透视投影变换的作业机理想移动方向决策。这两种方法对纹理两类边缘的分割是完全无监督的 ,可避免耗时的计算和人工操作介入。