基于知识的部分匹配方法研究

针对Super提出的基于知识的部分匹配方法中,直接以坐标值描述部分轮廓的方法容易受形变或扭曲等干扰因素的影响,基于SIFT描述思想提出了一种新的BSIFT轮廓描述子,用于改进Super的坐标值描述方法。首先介绍了基于知识的部分匹配方法的基本思想、特点及实现过程;然后详细阐述了BSIFT描述子的构建方法;最后,通过实验验证了该方法具有更好的鲁棒性,部分匹配的准确度更高,匹配的部分轮廓更有意义。

图像处理在客流检测中的算法研究

为了将图像处理技术应用于智能客流检测,准确及时地获取运动信息,对视频图像中运动物体的分割与跟踪技术进行研究,将图像分割与跟踪技术有机地结合在一起。采用帧间与帧内相结合的分割算法,将图像填充技术应用于图像分割,消除了背景区域的干扰以及图像处理过程中造成的失真,达到了准确获取视频流中运动物体的目的。在图像跟踪过程,引入了边缘衍生点的概念,在此基础上,提出基于部分轮廓线特征点集的多线程跟踪算法,把运动物体跟踪转变为连续帧间特征点集匹配的问题,极大地减少了运算量,解决了图像跟踪处理领域中目标物体自遮挡与不完全遮挡的难题。经客流测试证明,文中方法能够对上下车客流数量进行准确统计。

基于通用曲率尺度空间描述子的彩色图像检索

大部分的图像存在遮挡现象,因此只能获得对象的部分轮廓。曲率尺度空间描述子(Curvature scale space descriptor,CSSD)是MPEG-7标准采用的闭合轮廓描述子。本文研究并分析了闭合完整轮廓和部分开轮廓曲线演化过程的不同之处,提出了一种通用曲率尺度空间描述子(GCSSD),不仅继承了CSSD的旋转、尺度、平移不变性及抗噪能力,并较好地描述部分开轮廓的特征。本文也给出相应GCSSD的匹配算法,将其应用于彩色图像花的检索,实验结果表明其性能明显优于CSSD。

基于角点和三角形内间距的多工件检测方法

针对堆叠条件下工件的视觉检测问题,该文提出了一种基于角点特征信息的三角形内间距(Triangular Centroid Distances,TCDs)描述子。首先,对目标局部轮廓角点和方向进行检测;然后,基于检测到的角点和方向信息在模板轮廓上生成疑似轮廓段;最后,对目标轮廓和模板上的疑似轮廓段提取改进后的描述子特征矩阵,并计算目标轮廓矩阵与各疑似轮廓特征矩阵之间的距离,其中距离最小的疑似轮廓段即为目标轮廓段在模板轮廓段上的匹配结果。实验结果表明,在相同取样点的情况下,所提出的算法不仅识别准确率优于传统三角形内间距算法,而且计算效率也大幅提升。

乳腺癌自我检查法

乳腺癌是起源于乳腺导管或腺泡上皮的恶性肿瘤,与内分泌失调、乳汁淤积等因素有关,少数由囊性乳腺病发展而成。多见于中年以后的女性。如早期发现,早期治疗,治愈的机会就较多。为此,30岁以上的妇女,要学会自我检查,早期发现病变。其方法如下: 检查时间: 每月一次,每次月经干净后一周进行。绝经后妇女选择每月最易记忆的一天检查。 险查方法: 1、上半身完全坦露,直立或坐在穿衣镜前,面对镜子对比观察乳房各部分轮廓是否对称,大小有无改变,有无肿胀、萎缩、膨隆、皮肤皱折。

电视腹腔镜手术治疗右肾上极囊肿1例

1996年12月,我院采用电视腹腔镜手术治疗右肾上极囊肿1例,效果满意。报告如下。1病历介绍 男性,48岁,因“右腰部胀痛2+年”入院,查:T36.5℃、P80次/分、R20次/分、BP18.6/12kPa。发育无畸形、营养中等。神清,心肺(一)。右肾区轻叩痛,肋脊点,肋腰点无压痛。双输尿管走行区无异常。作B超意见:右肾囊肿;CT见右肾上极5cm×3cm×5cm大小囊性病灶,境界清楚,边缘光滑整齐,部分轮廓向上突出于肾外,肾盂、肾盏无扩张积水,增强见整个增强过程均未见右肾囊肿强化,CT值与平扫同(9.6Hu)。

2D registration based on contour matching for partial matching images

The mean Hausdorff distance, though highly applicable in image registration, does not work well on partial matching images. An improvement upon traditional Hausdorff-distance-based image registration method is proposed, which consists of the following two aspects. One is to estimate transformation parameters between two images from the distributions of geometric property differences instead of establishing explicit feature correspondences. This procedure is treated as the pre-registration. The other aspect is that mean Hausdorff distance computation is replaced with the analysis of the second difference of generalized Hausdorff distance so as to eliminate the redundant points. Experimental results show that our registration method outperforms the method based on mean Hausdorff distance. The registration errors are noticeably reduced in the partial matching images.