基于HOG和熵方法的成像测井典型地质现象自动识别研究

针对成像测井资料上的裂缝、溶蚀孔洞和燧石结核地质现象在成像测井资料上的形态和分布差异,提出一种用梯度方向直方图统计量(HOG)和熵相结合计算成像测井资料上3种地质现象的特征量、并采用非线性的BP神经网络对这3种地质现象自动识别的方法。首先计算成像测井资料上3种地质现象梯度方向统计量的U_1~U_6和熵U_7,并将其作为特征量,然后分析特征量对这些地质现象的区分性和敏感性,最后采用BP神经网络方法对塔河油田11口井的435个样本分为学习样本和测试样本进行学习回判和测试识别。试验结果表明,对裂缝有区分性和敏感的特征量有5个,分别为特征量U_1、U_3、U_4、U_5和U_6;对溶蚀孔洞有区分性和敏感的特征量是U_2;对燧石结核有区分性和敏感的特征量是U_7。BP神经网络对221个学习样本中裂缝、溶蚀孔洞及燧石的回判正确率均为100%;对214个测试样本,BP神经网络燧石结核识别正确率为85.5%,裂缝识别正确率为88.5%,溶蚀孔洞识别正确率为84.0%。

基于边缘几何特征的乳腺X线图像中微小肿瘤检测方法

乳腺癌是女性高发恶性疾病,乳腺X线图像是乳腺癌诊断的主要依据。目前乳腺X线图像中微小肿瘤检测方法的肿瘤边缘特征提取效果不佳,导致检测结果假阳性过高,影响病患的诊断与治疗,故研究基于边缘几何特征的乳腺X线图像中微小肿瘤检测方法。根据形态学原理,对乳腺X线图像进行增强处理。采用HOG特征提取方法获取乳腺微小肿瘤的边缘几何特征,并构建肿瘤边缘几何特征稀疏表示字典。使用边缘字典与差影技术,完成微小肿瘤检测。实验结果表明,与传统的检测方法相比,此方法可有效降低检测假阳性个数,能够提高微小肿瘤检测精度。因此,说明本文方法具有较高的可行性。

多姿态人脸识别关键技术

图像中的人脸多姿态变化,导致人脸特征发生变化,影响人脸识别的准确性,是人脸识别技术现实应用过程中所面临的主要问题之一。本文提出了一种基于HOG和WCCN方法组合的多姿态人脸识别算法,采用HOG方法可提取更加丰富的人脸特征信息,有助于提高人脸识别的准确性,使用WCCN方法进行SVM分类器,可以降低人脸姿态变化对人来识别的影响,进而提高多姿态人脸识别的准确性。