针对图像匹配过程存在的精度较低问题,提出一种基于特征融合提取机制的医学图像深度神经网络自动匹配的方法,它可以非常有效地用于医学图像序列的识别和分类。首先,基于图像快速鲁棒特征(Speed Up Robust Feature,SURF)和梯度直方图特征...针对图像匹配过程存在的精度较低问题,提出一种基于特征融合提取机制的医学图像深度神经网络自动匹配的方法,它可以非常有效地用于医学图像序列的识别和分类。首先,基于图像快速鲁棒特征(Speed Up Robust Feature,SURF)和梯度直方图特征(Histogram of Oriented Gradient,HOG)对图像进行预处理,并提出互补特征不确定性融合,形成主要描述形状和兴趣点两方面视觉感受的特征描述符;其次,基于深度神经网络分类器进行图像特征匹配,并针对深度神经网络隐藏层级较多,计算效率不高的问题,提出基于Hessian矩阵优化的改进深度神经网络,并应用于上述图像匹配过程。实验表明,该方法在数字医学图像匹配方面具有较高精度,可用来构造医学图像自动匹配系统。展开更多
为降低高分辨率图像配准的高耗时,优化动车组运行故障动态图像检测系统(trouble of moving emu detection system,TEDS),设计一种基于多分辨率图像的动车车轴图像快速配准算法。利用SURF(speeded up robust features)算子的旋转缩放不...为降低高分辨率图像配准的高耗时,优化动车组运行故障动态图像检测系统(trouble of moving emu detection system,TEDS),设计一种基于多分辨率图像的动车车轴图像快速配准算法。利用SURF(speeded up robust features)算子的旋转缩放不变性在低分辨率图像中进行粗配准,对经典的HOG(histogram of oriented gradient)算法进行优化,在高分辨率图像中利用优化了的HOG算法进行筛选及精确配准。实验结果表明,该算法提高了配准性能,加快了配准的速度。展开更多
为了解决对人形NAO机器人的检测跟踪问题,提出了一种机器学习与特征匹配相结合的方法。向梯度直方图(Histogram of Oriented Gradient)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子,在行人检测中取得了较好的效果...为了解决对人形NAO机器人的检测跟踪问题,提出了一种机器学习与特征匹配相结合的方法。向梯度直方图(Histogram of Oriented Gradient)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子,在行人检测中取得了较好的效果。将其应用于人形NAO机器人的检测跟踪,并结合Ada Boost算法通过机器学习的方法,从大量的训练样本中自动抽取HOG特征并建立级联分类器,利用分类器找出视频帧中含有机器人目标的区域,并在此基础上利用SURF(Speed Up Robust Features)特征匹配方法与模板图像进行特征匹配,以提高目标识别的正确率。实验结果表明,该方法对NAO机器人在室内光线无遮挡的情况下取得了稳定的跟踪效果。展开更多
文摘针对图像匹配过程存在的精度较低问题,提出一种基于特征融合提取机制的医学图像深度神经网络自动匹配的方法,它可以非常有效地用于医学图像序列的识别和分类。首先,基于图像快速鲁棒特征(Speed Up Robust Feature,SURF)和梯度直方图特征(Histogram of Oriented Gradient,HOG)对图像进行预处理,并提出互补特征不确定性融合,形成主要描述形状和兴趣点两方面视觉感受的特征描述符;其次,基于深度神经网络分类器进行图像特征匹配,并针对深度神经网络隐藏层级较多,计算效率不高的问题,提出基于Hessian矩阵优化的改进深度神经网络,并应用于上述图像匹配过程。实验表明,该方法在数字医学图像匹配方面具有较高精度,可用来构造医学图像自动匹配系统。
文摘为降低高分辨率图像配准的高耗时,优化动车组运行故障动态图像检测系统(trouble of moving emu detection system,TEDS),设计一种基于多分辨率图像的动车车轴图像快速配准算法。利用SURF(speeded up robust features)算子的旋转缩放不变性在低分辨率图像中进行粗配准,对经典的HOG(histogram of oriented gradient)算法进行优化,在高分辨率图像中利用优化了的HOG算法进行筛选及精确配准。实验结果表明,该算法提高了配准性能,加快了配准的速度。
文摘为了解决对人形NAO机器人的检测跟踪问题,提出了一种机器学习与特征匹配相结合的方法。向梯度直方图(Histogram of Oriented Gradient)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子,在行人检测中取得了较好的效果。将其应用于人形NAO机器人的检测跟踪,并结合Ada Boost算法通过机器学习的方法,从大量的训练样本中自动抽取HOG特征并建立级联分类器,利用分类器找出视频帧中含有机器人目标的区域,并在此基础上利用SURF(Speed Up Robust Features)特征匹配方法与模板图像进行特征匹配,以提高目标识别的正确率。实验结果表明,该方法对NAO机器人在室内光线无遮挡的情况下取得了稳定的跟踪效果。