连续小波变换与视觉不变性的局部化描述

视觉不变性描述是计算机视觉的核心问题之一．经典的视觉不变性描述有傅里叶描述器、矩法不变性等，但是它们都是全局性描述，因而极易受局部遮挡与噪声的干扰．文中研究不同尺度的信号在连续小波变换下的性质，并在此基础上提出了一种基于连续小波变换的具有很好局部化性质的视觉不变性描述，解决了局部遮挡条件下的识别问题，并给出了有关实验结果．

小虫春秋:果蝇的视觉学习记忆与认知

视觉认知是脑科学领域中的重要研究方向,是揭示"脑是怎样工作的","物质的脑是如何产生精神的"的重要路径。近年来,科学家们以果蝇为模式生物,从基因-脑-行为-认知相结合的角度,系统性地开创了果蝇的视觉"认知"研究,如学习与记忆、注意、跨模态记忆、特征提取和泛化、两难抉择、抉择的神经环路等。即使果蝇这样相对简单的脑,在很多方面都展示了令人惊奇的"理性"行为。看来,那种认为只有某些独特的唯一的脑机制才能实现人类的理性的想法是不成立的。我们期待,在探索"智与愚"的神经生物基础方面,果蝇会对我们继续有所帮助。

杂草种子视觉不变特征提取及其种类识别

为提高杂草种子的快速准确的检疫鉴定,该文基于杂草种子生物稳定遗传特征对其进行视觉不变特征提取及其种类识别的研究。首先基于形态学特征和Hu氏不变矩提取杂草种子的16个视觉不变特征,这些特征有效地表征了杂草种子的生物稳定遗传特征信息;然后基于神经网络对其进行分类。试验证明,利用提取出的具有视觉不变性的16个特征值作为BP神经网络识别分类的特征集,能快速地识别杂草种子,且具有较高的识别率。因此,该方法对植物检疫和农业生产具有重要意义。

基于视觉选择性的离变焦图像序列慢变特征提取算法研究

传统慢特征分析(SFA)方法提取的慢变特征不能揭示自然图像的视觉空间拓扑结构。基于此,提出基于视觉选择性的离变焦图像序列慢变特征提取算法。以myTICA方法替代源SFA算法的PCA方法,提取能够反映自然图像离变焦图像序列的视觉空间基的种类、每类元素数量、类内与类间拓扑结构不变性的Gabor特征,并建立与该序列对应的不变性特征森林;利用蒙特卡洛马尔可夫(MCMC)算法替代源SFA算法的多项式扩张方法,实现Gabor类内的元素扩展;利用自定义的近似正交剪枝算法实现不变性特征森林的优化,顺次解决元素法的采样丢失与森林优化问题;利用自定义响应度计算规则实现特征匹配。实验结果表明:该算法正确可行,具有较好的抗噪能力;在实验阈值为0.4时,算法获得识别率为99.96%,说明该算法具有较强的分类能力。

一种基底细胞概略检测方法

根据宫颈细胞病理学及2001TBS诊断系统,在液基宫颈癌细胞自动筛查过程中,基底细胞过多是一种病理异常现象,需要提示人工阅片.针对这点,提出一种快速识别异常标本的概略检测方法.该方法根据计算机多尺度视觉不变性,采用视觉尺度缩小方式,提高了计算速率,同时利用从北京协和检验洛奇临床检验所采集来的大量标本进行实验验证.结果表明:该方法速度快、计算量小、可靠性高,在工程应用中是可行的.

基于频率域特性的闭合轮廓描述子对比分析

本文将通过实验对两种基于频率域特性的平面闭合轮廓曲线描述方法(Fourier Descriptor,FD和Wavelet Descriptor,WD)的描述性、视觉不变性和鲁棒性的对比分析,讨论它们在形状分析及识别过程中的性能。在此基础上提出一种基于小波包分解的轮廓曲线描述方法(Wavelet Packet Descriptor,WPD),通过与WD的对比表明其在特定场合具有更强的细节刻画能力。