CT纹理分析对胃癌组织病理特征的术前评估价值

目的探究CT纹理分析对胃癌组织病理特征的术前评估价值。方法回顾性分析本院2021年3月~2023年3月本院收治的103例胃癌患者资料,患者在手术治疗前均接受CT检查,并采用纹理分析软件获取患者动脉以及静脉期CT纹理参数,并比较不同TNM分期患者纹理参数差异,采用受试者工作特征(ROC)曲线评估纹理参数对胃癌分期的诊断效能。结果动脉期以及门脉期T_(1-2)组与T_(3-4)组平均值比较差异无统计学意义(P>0.05),但T_(3-4)组峰度值、熵值均显著高于T_(1-2)组,偏度值低于T_(1-2)组(P<0.05)。动脉期以及门脉期N0组与N_(1-3)组平均值、偏度值比较差异无统计学意义(P>0.05),但N_(1-3)组峰度值、熵值显著高于N0组(P<0.05)。动脉期CT纹理峰度值、偏度值、熵值诊断T分期的AUC为0.755、0.955及0.747(P<0.05),门脉期CT纹理峰度值、偏度值、熵值诊断T分期的AUC为0.959、0.871及0.872(P<0.05)。动脉期CT纹理峰度值、偏度值诊断N分期的AUC为0.899、0.702(P<0.05),门脉期CT纹理峰度值、偏度值诊断N分期的AUC为0.924、0.758(P<0.05)。结论CT纹理分析对胃癌TNM分析诊断评估效果良好,可用于临床指导胃癌患者治疗。

基于纹理特征的深度学习云和云阴影检测

针对云和云阴影检测过程中存在边界不准确以及易与地表混淆等问题,构建一种融合纹理特征模块的卷积神经网络模型对Landsat 8遥感图像进行云和云阴影检测。引入基于统计特性的纹理特征模块进行纹理特征的提取和学习,在训练过程采用焦点损失函数削弱样本不均衡带来的影响。实验结果表明,该模型细化了云和云阴影的边界等纹理细节,减少了云和云阴影的误检和漏检现象,提高了云和云阴影的检测精度。

基于Sentinel-1/2改进极化指数和纹理特征的土壤含盐量反演模型

目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响。为进一步提高Sentinel-1/2协同反演植被土壤含盐量的精度,用水云模型对雷达卫星后向散射系数进行校正,消除植被影响;然后协同Sentinel-2纹理特征,基于VIP、OOB、PCA 3种变量筛选和RF、ELM、Cubist 3种机器学习回归模型构建植被土壤含盐量反演模型。研究结果表明:经过水云模型去除植被影响后的雷达后向散射系数及其极化组合指数与土壤含盐量的相关性有一定程度的提高。不同变量选择方法与不同机器学习方法耦合模型在反演土壤含盐量中,OOB变量筛选方法与RF、ELM和Cubist 3种机器学习方法的耦合模型精度最佳,建模集和验证集的R2都在0.750以上,且验证集的RMSE和MAE均最小;其中OOB-Cubist耦合模型精度最高,且R_(v)^(2)/R_(c)^(2)为0.955,具有良好的鲁棒性。研究可为机器学习协同物理模型、光学卫星协同雷达卫星在土壤含盐量反演中的进一步应用提供思路。

考虑多尺度纹理特征的红外传感图像频域增强

红外传感图像质量容易受探测器和传输距离影响,导致图像亮度和对比度较低、轮廓细节模糊等问题。为此,提出了考虑多尺度纹理特征的红外传感图像频域增强方法。引入残差学习策略,基于多尺度纹理特征搭建多尺度卷积神经网络模型,进行图像去噪。对去噪后图像进行傅里叶变换,获取红外传感图像的低频图像和高频图像。针对低频图像部分,调节图像灰度和对比度以增强低频分量。针对高频图像部分,利用Log算子和Laplace算子增强图像细节及边缘。加权融合两者处理结果,选取Gamma校正调节对比度,增强高频分量。融合两种增强后图像,实现红外传感图像频域增强。实验结果表明,该方法峰值信噪比高于43,信息熵大于8,边缘强度超过82,对比度熵大于8.1,平均梯度大于8。

基于整体与局部纹理特征加权融合的港机装备钢丝绳断丝缺陷检测研究

钢丝绳是港机装备的重要部件,由于作业工况环境恶劣,钢丝绳表面极易引起断丝等缺陷,影响港机装备作业安全。针对港机装备钢丝绳表面油泥严重、光照亮度不均,以及港机装备钢丝绳断丝缺陷能够在钢丝绳股顶钢丝椭圆形区域内有效体现的特点,提出了一种基于钢丝绳整体纹理特征与股顶钢丝椭圆形区域边缘轮廓纹理特征加权融合的钢丝绳断丝缺陷检测方法。首先采用图像降噪、增强、校正技术对钢丝绳原始图像进行预处理。然后采用图像平滑、阈值分割及边缘特征提取技术对股顶钢丝椭圆形区域边缘轮廓进行提取。接着采用局部二值模式(LBP)算子分别提取钢丝绳整体纹理特征与股顶钢丝椭圆形区域边缘轮廓纹理特征,并对钢丝绳整体纹理及边缘轮廓纹理特征进行特征加权融合。最后对加权融合后的特征向量进行主成分分析(PCA)法降维,并应用支持向量机(SVM)技术对钢丝绳断丝缺陷进行检测。研究结果表明:本文提出的方法对实际工况下重油泥、光照不均等钢丝绳断丝缺陷具有较好的检测效果,具有一定的工程应用价值。

基于几何矩特征与纹理度量的图像匹配算法

为提高多种几何内容变化下的特征点匹配准确度,引入双边滤波器,设计了几何矩特征耦合纹理度量的图像匹配算法。引入双边滤波器,对图像进行预处理,以去除图像中噪声,接着利用Hessian算子,准确检测图像特征。利用图像灰度信息,计算图像特征圆域内的几何矩,以形成鲁棒性较强的特征向量。通过平均梯度模型,对特征点邻域的纹理特征进行度量,并将其联合欧氏测量结果,对图像特征实施匹配。借助互相关模型,对匹配特征的相关程度进行测量,以检测特征点的匹配正确性,优化特征匹配结果。实验数据表明:较当前特征匹配方法而言,在多种几何内容变化下,所提技术具有更高的匹配准确度与鲁棒性。

癌变组织偏振多参数识别与纹理特征分析

偏振成像技术中穆勒矩阵元素含义模糊、单一衍生参数信息解读受限,为了增强原有数据分析范式的可解释性和强关联性,提出一种癌变组织偏振多参数特征识别方法,并通过纹理分析来定量描述癌症组织的偏振差异。基于双波片旋转法穆勒矩阵测量方案升级搭建背向散射偏振成像系统,采集未染色肺癌与基底细胞癌切片。引入旋转不变量获取高维偏振参数集,生成偏振多参数特征曲线,实现病理区域多维特征提取与可视化,解决直接使用穆勒矩阵受方向影响的问题。计算了灰度共生矩阵和Tamura纹理属性,结果表明,当固定纹理维度时,不同偏振参数的癌变识别能力不同,单个纹理属性可成为多个偏振图像的共同量化指标;当固定偏振维度时,不同纹理属性有望成为单一偏振维度的多个辅助定量指标。该方法快速高效,可为辅助病理检测提供新思路,在临床上展现出良好的应用前景。

结合纹理特征的深度学习混凝土裂缝识别方法

混凝土的结构裂缝对结构安全性会产生重要影响,因而对混凝土裂缝进行检测监测是非常必要的。针对深度学习方法需要大量的训练样本,深度学习模型训练过程需要耗费大量时间的特性,提出一种将纹理特征与混凝土裂缝数据融合的深度学习目标检测框架。将纹理特征与预处理混凝土数据进行多数据融合,增加训练样本的特征通道数,减少模型对训练样本需求,提高模型训练速度;并在此基础上实现样本数量有限情况下的混凝土裂缝检测。通过在自制钢纤维混凝土裂缝数据集上进行试验,将该目标检测框架与未进行纹理特征融合以及与未进行预处理混凝土数据的目标检测方法进行对比。试验结果表明:本研究提出的裂缝检测方法,不仅可以大大减少训练模型所需时间,在模型训练样本较少时亦可获得较好的检测效果,检测精度也得到一定的改善。

弱纹理飞机蒙皮曲面图像特征匹配及拼接

为了解决弱纹理飞机蒙皮特征点分布不均匀、正确匹配的特征点对较少的问题,提出了一种改进的LoFTR算法对飞机蒙皮图像进行拼接。根据相机位姿利用柱面反投影对蒙皮图像进行曲面校正;通过图像之间的重叠区域确定特征提取区域,从而减少错误匹配点对的生成;使用LoFTR算法进行特征提取,并且使用RANSAC算法对特征点进行筛选;根据图像分块的思想对重叠区域进行网格划分来对特征点进一步筛选,使得特征点分布更加均匀,得到更加准确的变换矩阵进行图像配准。实验在自研无人车采集的飞机蒙皮图像上进行了测试和验证,改进的方法与SIFT、SURF、ORB、BRISK以及AKAZE进行了特征匹配率比较实验,SIFT、SURF、ORB、BRISK和AKAZE匹配率分别为4.84%,0.47%、2.9%、0.86%、5.08%,提出的算法特征匹配率达到55.21%,SSIM平均值提高了44.38%~88.46%。该方法适用于对飞机蒙皮图像的拼接任务,且不存在因弱纹理而导致漏拼的问题。

面向弱纹理空间目标的特征点匹配方法

特征点提取与匹配是遥感图像处理中关键的一环,目前成熟的算法大多面向对地成像类型的遥感图像,对于空间目标的遥感图像,没有考虑成像条件与探测平台的影响因素,特征点匹配质量较差。针对空间目标的匹配精度不高这一问题,文章提出了一种基于聚类的特征点匹配算法。首先,根据空间目标的重复弱纹理进行特征点提取与描述,再利用特征点的空间位置进行聚类,并对特征点簇进行匹配;之后将特征点的主方向减去目标整体方向,利用特征点主方向对每一个点簇进行再分组,并完成特征点匹配;最后利用最近邻次近邻比率方法和随机样本一致算法(RANSAC)剔除外点。采用该特征点匹配方法进行的模拟成像数据实验结果表明,对于空间目标图像,基于聚类的特征点匹配较直接匹配,匹配数量的提升最高可达50%,重投影误差优于1/4个像元。文章提出的这一方法使用目前通用的各种特征描述子,能够大幅度提高空间目标图像特征点匹配的数量与精度。

IDH1突变型胶质母细胞瘤磁共振纹理特征的研究

目的探讨异柠檬酸脱氢酶1(isocitrate dehydrogenase 1,IDH1)突变型胶质母细胞瘤(Glioblastoma,GBM)的磁共振纹理特征。方法共纳入118例GBM患者。通过横断位T1WI增强图像,采用3D slicer软件选取的31种磁共振纹理特征进行分析。通过SPSS 26.0软件,研究IDH1突变型GBM与其磁共振纹理特征的联系,采用了χ^(2)检验、独立样本T检验以及Mann–Whitney U检验分析方法;生存分析采用的Kaplan-Meier单因素方法。结果IDH1突变型GBM与IDH1野生型GBM相比,磁共振纹理特征共有18种有明显差异,包括运行百分比、表面:体积比、能量、熵、一致性、自相关、集群突出、聚类趋势、差值熵、能量:灰度共生矩阵、熵:灰度共生矩阵、同质性1、平均总和、熵和、方差和、方差、GLN、群集阴影。结论3D slicer中有18种磁共振纹理特征可以IDH1突变型GBM关系密切。

基于纹理特征的分布式视频压缩感知自适应重构方法

面对大规模视频数据带来的全新挑战,具备硬件友好特性的分布式视频压缩感知应运而生。由于传统基于分析模型的分布式视频压缩感知重构方法计算复杂度高,难以满足实时应用的要求,因此深度学习技术被逐渐引入。然而,现有基于深度学习的重构方法忽略了帧的纹理特征,限制了重构性能。由于同图像组中的视频帧具有较高的相似性,因此可以选择相邻视频帧作为当前视频帧纹理特征的参考。为了解决这个问题,提出一种基于纹理特征的分布式视频压缩感知自适应重构网络,命名为TF-DCVSNet。具体来说,TF-DCVSNet利用已重构的相邻帧纹理特征,激活当前重构帧的重构网络模块,进行自适应重构。大量实验验证了TF-DCVSNet的有效性。

基于纹理特征和改进VGG的家蚕蛹雌雄识别方法

【目的】针对蚕种培育中人工分蛹效率低且易受到主观因素影响的问题,提出一种基于纹理特征和改进VGG的家蚕Bombyx mori蛹雌雄识别方法。【方法】利用透射变换矫正蚕蛹方向,截取家蚕蛹头尾图,以B通道图作为轮廓提取的基础,通过道格拉斯-普克(Douglas-Peucker, DP)算法,分析轮廓复杂性从而识别并获取家蚕蛹尾部图;采取掩膜消除背景干扰,通过多通道的特征融合图加强纹理信息;对Inception模块进行改进,将残差网络与改进后的Inception模块加入VGG模型中;利用数据增强技术扩充数据集;以精确率(precision)、召回率(recall)、精确率和召回率的调和平均F1分值以及准确率(accuracy)作为评价指标,分别对3种输入图片以及4种识别模型进行评估对比。【结果】结果表明,特征融合图在改进VGG模型上的家蚕雌蛹的精确率、召回率和F1分值分别为98.017%, 94.794%和96.375%,雄蛹的精确率、召回率和F1分值分别为95.342%, 98.231%和96.762%,识别家蚕雌雄蛹的准确率为96.580%。特征融合图识别家蚕雌雄蛹的准确率比原始灰度图的提升了18.093%,改进VGG识别家蚕雌雄蛹的准确率比原始VGG的提升了2.257%。【结论】基于纹理特征和改进VGG的家蚕蛹雌雄识别方法能降低人工劳动时间,为实现家蚕蛹雌雄自动分拣提供基础。

基于多尺度纹理特征的海底底质样本增强方法

针对多波束海底底质分类模型构建受限于样本和特征对海底底质类型表征不足、模型稳定性差等问题,利用多尺度滑动窗口法提取声学纹理特征,结合K-均值聚类分析其精度,实现了多尺度纹理特征的优选,并利用多尺度纹理特征并辅以地形特征结合SLIC样本增强方法,实现了底质样本的有效扩充。同时,利用随机森林、BP神经网络、K最邻近、支持向量机等4种经典监督分类模型训练预测和评估所扩充的样本数据,最终总体分类精度均达到90%以上,kappa系数达到0.85以上。

基于纹理特征提取的多聚焦图像融合方法

针对多聚焦图像融合过程中可能出现的问题,如细节丢失、边缘伪影和区块效应等,提出了一种基于纹理特征提取的多聚焦图像融合方法。通过纹理特征提取算法获取图像纹理细节,用引导滤波对细节进行增强和细化处理。对滤波后特征图采用像素极大值策略生成初始决策图,利用小区域去噪方法得到准确的决策图。结合原始图像与最终决策图进行图像融合,生成全聚焦图像。结果表明,该方法融合的图像质量有显著提升,与其他方法相比,均方误差评价值降低了约37.14%,同时,基于归一化互信息度量、基于Tsallis熵度量和基于非线性相关信息熵度量的评价参数值分别提升了约26.1%、6.18%和13.2%。此外,该方法还可以充分保留图像细节信息且没有区块效应和边缘模糊的现象,具有较强的实际应用价值。

磁共振T_(2)^(*)mapping序列联合纹理特征参数对绝经后骨质疏松症的诊断价值

目的:探讨磁共振T_(2)^(*)mapping序列联合纹理特征参数在诊断女性绝经后骨质疏松症(postmenopausal osteoporosis,PMOP)中的应用价值。方法:回顾性分析2019年3月至2021年4月某院收治的50例PMOP患者(作为骨质疏松组)的临床资料,另选择50例绝经后骨量正常(骨密度>120 mg/cm^(3))的体检者为骨量正常组和50例绝经后骨量减少(80 mg/cm^(3)<骨密度<120 mg/cm^(3))者为骨量减少组。3组均行磁共振腰椎常规序列及T_(2)^(*)mapping扫描,提取图像纹理特征。对比3组腰椎T_(2)^(*)值及纹理特征参数(能量、对比、相关、逆差距及熵),采用Spearman相关性分析腰椎T_(2)^(*)值、纹理特征参数与女性发生POMP的相关性,通过多因素Logistics回归分析确定女性发生PMOP的独立预测因子,采用ROC曲线分析T_(2)^(*)mapping序列联合纹理特征参数对PMOP的诊断效能,构建发生POMP的列线图预测模型并对模型进行验证。结果:3组腰椎T_(2)^(*)值、能量、对比、相关、逆差距及熵比较,差异有统计学意义(P<0.05)。Spearman相关分析结果显示,腰椎T_(2)^(*)值、对比及熵与发生POMP呈显著正相关关系,能量、相关及逆差距与发生POMP呈显著负相关关系(P<0.05)。T_(2)^(*)值、能量、对比、相关、逆差距及熵均为POMP发生的独立预测因子(P<0.05)。T_(2)^(*)mapping序列联合纹理特征参数诊断的AUC、敏感度及特异度均优于单项参数诊断。列线图预测模型预测女性发生POMP的概率为75.00%,经验证模型具有较高的区分度、校准能力和净获益率。结论:磁共振T_(2)^(*)mapping序列联合纹理特征参数对女性发生POMP的诊断效能良好,T_(2)^(*)值、能量、对比、相关、逆差距及熵可作为临床筛选POMP高危人群的敏感指标。

结合多尺度特征和纹理增强的行人识别方法

针对现有行人重识别算法在提取行人特征时因光照差异、姿态和镜头视角多变、图像分辨率低等场景而出现准确率较低的问题,提出了一种结合多尺度网络模型和图像纹理增强的行人重识别方法。在该方法中,首先构建基于滑动窗口的自注意力机制模块,获取更丰富的感受野和全局特征;然后提出了渐进式多尺度网络模块,在更细粒度的层次上提升多尺度网络的表示能力,对特征进行深度挖掘;最后构建了纹理特征增强模块,将不同空间级别的全局和局部特征进行整合,从而减少了遮挡、光照、低分辨率图像等因素对行人重识别的影响。并在此基础上采用了多损失函数联合策略,将行人的全局和局部特征融合在一起,避免了因分割区域不平衡导致的准确度降低。实验结果表明,所提出方法在Market-1501和DukeMTMC-reID两个主流行人重识别数据集上的Rank-1和mAP分别达到了95.5%和87.6%、89.3%和79.4%。

一种基于混合纹理特征的板材表面缺陷检测方法

目前,板材表面缺陷检测利用传统人工检测很难满足客户要求。为此,本文提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出板材表面图像中是否有缺陷。采用基于融合后的混合特征向量,对纹理特征项目进行有效组合,提取图像纹理采用了灰度共生矩阵方法。应用BP人工神经网络对样本集进行训练和检测。该方法能准确地对板材表面缺陷进行检测,平均检测成功率达97.2%,该检测方法满足企业要求,提高了检测效率,降低了成本。该检测技术,值得运用和推广。

基于CT平扫纹理特征诊断良恶性肺结节的应用价值

目的:分析CT平扫纹理特征诊断良恶性肺结节的应用价值。方法:回顾性选择曲阜市人民医院2021年1月—2023年1月进行胸部CT扫描的50例孤立性肺结节患者作为观察对象,根据病理诊断结果分为良性组(n=40例)、恶性组(n=10例)。所有患者均接受CT检查,并进行CT平扫直接阅片与CT平扫纹理特征阅片,对比良恶性结节患者CT平扫直接阅片征象、CT纹理特征;以术后病理结果为金标准,对比CT平扫直接阅片与CT平扫纹理特征阅片的诊断效能。结果:恶性组各CT平扫直接阅片征象(边缘不光滑、毛刺征、分叶征、胸膜凹陷征、血管集束征)发生率均高于良性组,差异有统计学意义(P<0.05)。恶性组患者的相关、能量、一致性纹理特征低于良性组,而熵、对比度高于良性组,差异有统计学意义(P<0.05)。CT平扫纹理特征阅片的诊断特异度与准确率均高于CT平扫直接阅片,差异有统计学意义(P<0.05)。结论:相较于CT平扫直接阅片,采取CT平扫纹理特征阅片诊断肺结节良恶性效能较高,可为临床良恶性肺结节的早期诊断与治疗提供更可靠的参考依据,值得应用。

Tamura纹理特征在定制家居饰面分类中的应用

表面装饰是消费者对定制家居的视觉感受性直接影响因素,饰面纹理的研究对于满足消费者审美需求具有重大意义。针对定制家居饰面纹理特征缺少客观分析的现状,将Tamura纹理特征用于定制家居饰面纹理的研究,旨为定制家居设计研发提供参考。依据品牌综合能力及用户熟知程度,搜集了12家国内外饰面厂商所有用于定制家居的饰面图案,共计6 134幅。再根据Tamura纹理特征参数计算方法,利用MatLab软件对其进行特征提取,然后依据手肘法和K均值聚类法进行聚类分析。最终样本被划分为各具特点的五大类,第一类饰面占据了市场主流,第四类饰面市场需求最小。