基于自适应最小距离分割算法和神经网络的腹水脱落癌细胞识别

本文针对腹水脱落细胞显微图像的多样性、短灰度级范围、杂乱和非随机噪声等复杂特征 ,提出了自适应最小距离分割算法 ,把可疑细胞和可疑细胞核从复杂背景中分割出来。根据癌细胞的形态特征 ,给出了其 15个特征及其计算公式 ,利用这些特征构造BP神经网络分类器对腹水脱落癌细胞进行分类识别。通过对临床病例的检验分析 ,表明本算法能获得较高的诊断正确率。

基于独立分量分析的遥感图像分类技术

遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量分析能利用相对主成分分析更高的统计分量 ,不但可以获得去相关的效果 ,而且可以得到相互独立的结果波段图像。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 。

基于核空间的多光谱遥感图像分类方法

提出了多光谱遥感图像分类方法中解决非线性问题的一种思路。通过引入核空间理论 ,将在输入空间中不能线性分类的问题映射到一个可以进行线性分类的高维空间 ,并利用核函数避免了在高维空间中运算的复杂度 ,较好地解决了非线性分类问题。利用这种思路 ,本文对一种比较简单的分类算法———自适应最小距离分类方法加以改进 ,并将其应用于多光谱遥感图像的分类中 ,提出了一种核函数的选择策略。实验表明 ,这种策略更有利于多光谱遥感图像的分类 ,在训练速度降低较少的情况下 。

逆向工程中散乱点云数据精简研究

近年来,激光扫描技术有了重大的进展,可以方便地以较高精度和速度获取零件模型表面信息.对于产生的大量扫描数据,需要对其进行精简处理.在分析自适应最小距离法和基于八叉树非均匀网格法这2种精简方法特点的基础上,提出了基于这2种方法的改进型数据精简方法.该算法能够对大量点云测量数据进行直接、有效的精简.并通过对比实验进行了验证.最后对该算法的优缺点做了小结.

反求工程中数据精简技术的研究

在产品反求工程中,通过激光扫描所获取的数据点云通常十分庞大,且具有一定的杂乱性和冗余性,因此,如何处理这样大批量的数据点云便成为基于激光扫描测量造型的主要问题。文中在总结前人经验的基础上,提出一种自适应最小距离法数据精简准则。这种方法不但继承了最小距离法数据精简快速、高效的优点,而且更好地保留了原始数据的细节特征,同时也提高了CAD模型重构的速度和精度。通过实例详细阐述了该方法的算法原理和数据处理过程,并验证了其有效性。