无先兆性偏头痛患者力敏腧穴分布规律及红外特征研究

目的:观察无先兆性偏头痛(MO)患者和健康受试者力敏腧穴体表分布情况,分析MO患者力敏腧穴分布规律及红外温度特征。方法:选取2019年12月至2022年3月就诊于江西中医药大学附属医院的60例MO患者和60例健康受试者作为研究对象,对120例研究对象进行体表力敏腧穴探查并记录,分析总结MO患者力敏腧穴分布与经脉、神经节段的位置关系;运用红外热成像技术(TTM)观察总结MO患者力敏腧穴红外特征。结果:MO组体表力敏腧穴出现率为88.3%(53/60),健康组为6.67%(4/60,P<0.01)。MO组力敏腧穴主要分布于胆经、肝经以及三焦经,率谷、风池、太冲穴区敏化率较高。MO组力敏腧穴多分布于三叉神经、C_(2)、C_(7)神经节段。力敏腧穴红外温度及部位特征表现为:MO患侧>MO健侧>健康受试者,MO患者颞部、目额部、后头部、前臂外侧、足背部力敏腧穴存在明显不规则热源分布。结论:MO患者力敏腧穴与传统经脉、神经节段位置密切相关,红外温度升高、体表不规则红外热源分布是其重要特征。

计算机辅助虹膜诊断中的虹膜映射图的自动覆盖技术

介绍了虹膜诊断学及计算机辅助虹膜诊断技术,对卷缩轮的提取方法进行了研究,并在卷缩轮提取的基础上实现厂虹膜映射图的自动覆盖。卷缩轮的提取及虹膜映射图的自动覆盖的研究,对计算机辅助虹膜诊断技术具有重要意义。

三维人脸扫描图像数据预处理

为构造基于知识学习的形变模型所需的规格化三维人脸库,提出一种纹理映射图数据结构及以点为处理单元的分割三维人脸的方法.该结构将原始数据隐含的信息显性化,为激光扫描仪采集的真实三维人脸中分离的采样点与纹理2部分数据建立双向映射关系,以保证数据操作和处理达到实时与同步.基于此结构的快速映射特点,提出的分割方法以二维纹理点为操作对象能够快速处理大量原始数据.

一种虹膜图像块状纹理检测算法

为了有针对性地检测虹膜中特定类型的虹膜纹理,解决现有纹理特征提取方法中纹理类型信息被忽略的问题,提出一种虹膜块状纹理检测方法。首先,利用区域纹理能量参数作为虹膜纹理特征描述子,利用支持向量机方法从虹膜图像中检测包括块状、线状和环状在内的纹理信息;然后定义一种形状因子,从前一步骤得到的纹理信息中检测出块状纹理信息。对1 476幅可见光拍摄的人眼图像进行测试,通过人眼观测到237个块状信息,正确检测210个,正确率88.6%。实验结果表明,所提出的虹膜图像块状纹理检测算法具有较高的检测正确率,与目前常用的基于多分辨率的虹膜纹理特征融合,将有效提高虹膜识别的正确率。

基于三角网格模型的纹理映射研究

纹理映射可以在不增加三维模型复杂度的前提下很好地表现三维模型表面的纹理细节,提高三维模型的视觉效果。针对三维网格模型,提出一种用基于纹理图册的方法将模型进行分片,并利用最小二乘保形映射对分割得到的每一片进行平面参数化,控制了形变。再通过建立二维坐标系与纹理坐标系的关系,确定三维模型各个顶点的纹理坐标,从而对三维模型进行纹理映射。实验证明,该方法能得到较好的纹理映射效果,增强了三维模型的真实感。

基于颜色和纹理的森林影像分割方法

提出一种基于影像颜色散度和纹理信息的森林影像分割方法。对输入影像进行颜色量化,然后利用量化得到的索引矩阵计算各像素的颜色散度;基于多分辨率策略进行纹理分析,通过区域生长形成初始分割区域;统计各区域Laws纹理能量,合并过分割区域。实验表明,森林影像的分割结果与人的主观视觉感知具有良好的一致性,识别出的地面和树木可为匹配和三维建模提供可靠依据。

自仿射拟合的虹膜纹理分割及粗分类

提出一种应用于虹膜图像粗分类的自仿射拟合纹理分割算法,实现虹膜肠环外边界检测。该方法在多尺度下拟合图像局部到整体信息的自仿射性,有效地在小区域内描述肠环内外纹理的差异,通过分析差异的变化规律确定肠环区域。在此基础上提出利用肠环信息的虹膜图像粗分类,分别研究了肠环位置区域分布和肠环内纹理复杂度2种分类方式。在自采的1 000幅虹膜图像库下分别进行实验,分类正确率分别为98.8%和98.7%。实验结果表明,所提出方法能够有效地实现肠环区域检测,检测到的肠环信息能够应用于大样本虹膜图像粗分类。

基于自适应匹配窗及多特征融合的立体匹配

针对局部立体匹配方法中存在的匹配窗口大小选择困难、边缘处视差模糊及弱纹理区域、斜面或曲面匹配精度较低等问题,提出基于CIELAB空间下色度分割的自适应窗选取及多特征融合的局部立体匹配算法.首先,在CIELAB空间上对立体图像对进行色度分割,依据同质区域的分布获取初始匹配支持域,同时估计遮挡区域,更新匹配支持域.然后,基于更新后的匹配支持域,采用自适应权值的线性加权多特征融合匹配方法得到初始视差图.最后,利用左右视差一致性检测方法进行误匹配检验,利用基于分割的均值滤波器进行视差优化及细化,得到稠密匹配视差结果.实验表明文中算法有效,匹配精度较高,尤其在弱纹理区域及斜面等情况下匹配效果较好.

三角网格的能量优化参数化方法

三角网格参数化是纹理映射、曲面拟合与曲面重构、网格编辑等工作的基础和环节,参数化变形的大小是衡量参数化好坏的标准.为此提出一种基于变形能量优化的三角网格参数化方法.采用区域增长算法逐层展平空间三角网格,得到空间三角网格曲面的自由边界的参数化结果,并利用保形变换将自由边界的参数化结果变换为规则边界的参数化结果;同时兼顾了参数化的角度变形和面积变形,使得参数化结果具有整体变形较小的特点,并能够避免三角形折叠的现象.将该方法应用于纹理映射中的数值实验表明,其比常见的几种参数化方法具有更好的纹理映射效果.

水下三维声场仿真与可视化方法研究

水下三维声场仿真和可视化是信息化条件下复杂水声战场环境研究的主要内容,对作战人员感知和利用水声战场环境具有重要的作用。针对水下三维声场仿真和可视化的特点,研究了在高性能计算平台下FOR3D模型的N×2D弱三维近似方法并行计算的策略和数据的组织方法,改进基于三维纹理映射体绘制算法,引入渲染到纹理的步骤进行实时的数据重采样、颜色映射和光照计算。仿真结果表明,该方法实现了水下三维声场的快速计算和实时体绘制,为水声战场环境感知和基于可视分析的辅助决策技术提供了重要的途径。

基于特征加权的自然纹理FCM聚类分割算法

为了实现自然材质的纹理分割,根据自然纹理的弱规则性特点,提出一种由图像灰度值、灰度分布统计及图像纹理能量统计作为纹理表征的特征参数,并组成三维特征矢量以实现自然纹理分割的算法。考虑到样本不同特征值对分类的不同影响,算法中引入了特征加权的FCM模糊聚类方法以提高各特征参数在聚类约束力上的可控制性,从而实现纹理图像的更有效分割效果。实验证明,该方法简单高效、可控性强,对各种自然纹理图像具有较好的纹理分割效果。

加权方位特征的纹理图像FCM聚类分割

针对自然纹理的弱规则性特点,提出一种结合图像灰度分布、纹理能量统计的加权FCM纹理分割方法,并在该方法中尝试引入水平位置、垂直位置、中心径向距离等三种方位特征参数。实验证明,该加权FCM聚类算法简单高效、可控性强,纹理分割效果明显,其中样本的三种加权方位特征参数能增强区域分割的聚敛度,有效地提高纹理尤其是非均质粗糙纹理的分割精度。

基于Voronoi几何划分和层次化建模的纹理影像分割

将基于像素MRF分割方法拓展到基于地物目标几何约束的区域MRF分割,提出了一种基于区域和统计的纹理影像分割方法,其基本思想是利用Voronoi划分技术将影像域划分为若干子区域。在此基础上,采用二值高斯马尔科夫随机场(BGMRF,bivariate Gaussian Markov random field)模型,静态随机场模型和Potts模型从邻域、区域及全局层次描述影像的纹理结构,并将该纹理结构模型纳入贝叶斯框架;依据贝叶斯定理构建纹理影像分割模型;利用metropolis-hastings(M-H)算法进行模型参数估计,并依据最大后验概率(MAP,maximum a posterior)准则进行优化,从而完成纹理影像分割。为了验证所提出方法的正确性,分别对合成纹理影像,真实纹理影像及遥感影像进行了分割实验,定性和定量的测试结果验证了提出方法的有效性、可靠性和准确性。

中医辨证论治与光能量的关系

论证中医学辨证论治与光能量的联系。根据现代中医学研究,指出阳相对于阴处于更多的、更高的能量耗损状态。结合八纲辨证和人体红外辐射所反映的生物能特征,分析红外热成像系统(TTM)在中医辨证中的运用。八纲辨证先分阴阳,而阴证和阳证的典型表现是寒证与热证。寒证患者机体热量不足,机体功能衰退向外红外辐射小。热证患者热量过剩,机体代谢亢盛向外红外辐射大。理论上只要能分清机体产生热量的高低,就可以大体准确地辨明阴阳。TTM能从机体代谢过程所产生的热量大小反映生命活动中的能量态信息,可区分疾病的阴阳属性。可以利用机体代谢过程所产生的红外辐射大小,区分疾病的阴阳属性。TTM有助于中医学辨证论治,使用时要依据中医学的理论,要辨清中医的脏腑的概念,具体问题具体分析,结合其他因素综合考虑。

结合活动轮廓模型的无监督纹理图像分割

定义了清晰度参数、细节信号能量参数和边缘信号能量参数3个纹理参数,对图像的纹理特征进行分析,以获取原图像的特征能量图;再利用基于简化Mumford-Shah的活动轮廓模型对图像进行纹理分割,该分割模型能较好地处理模糊、缺省的边界,同时具有去噪的功能·利用水平集方法求解该模型,解决了演化曲线拓扑可变的问题·与传统的纹理分析方法相比,文中方法能更好地表达图像中复杂纹理的信号特征·通过对合成纹理图与自然纹理图进行分割及大量实验结果表明:该方法能有效、快速地分割纹理图像·

车载LiDAR点云数据分割与半自动化建模方法

针对车载激光雷达(light detection and ranging,LiDAR)点云数据的不完整性问题,提出一种车载LiDAR点云数据分割以及基于分割后点云数据的半自动化建模方法。首先对点云数据进行标准格式转换及稀化;然后以不同地物的属性和几何特征为分割条件,分别建立道路、建筑物、树和路灯等附属设施的三维模型,并利用车载以及航空图像的纹理信息辅助建筑物的立面和顶面三维建模;最后以真实街景为实验区,基于拓普康IP-S2车载LiDAR点云数据,完成该街景的分割与建模。实验结果表明,该文提出的点云数据分割与街景地物重建方法比较简单,可实现道路和建筑物的半自动化分割;利用成熟的建模软件和方法,实现了建模的完整性和较强的可靠性。

基于非乘积型小波的纹理分析

提出了一种基于非乘积型小波的纹理分析方法：首先利用非乘积型小波分解原始图象，然后对高频部分的子图分别进行像素能量计算、纹理滤波以及直方图分割，从而得到粗分类的结果图；再把所有子图合并，并进行适当的后处理；最后利用小波的多尺度特性，决定分析是否终止，从而得到纹理分析结果。本方法是一种无监督分类，精确度高且计算复杂度低。

基于车载LiDAR数据的建筑物三维重建

车载LiDAR点云数据量大且杂乱无章,当前尚没有完整算法来实现建筑物点云的自动分割和模型重建,特别是带有纹理信息的模型重建.以一栋结构复杂的建筑物为例,结合建筑物实际特征,采用自动与手动相结合、先简单后复杂、凹凸一致性等原则对数据进行分割和滤波处理;再采用点云数据与CAD底图配准的方式进行三维重建、纹理映射和渲染,从而实现结构复杂建筑物的真实三维重建.

基于匹配扩散的多视稠密深度图估计

提出一种高精度的基于匹配扩散的稠密深度图估计算法.算法分为像素级与区域级两阶段的匹配扩散过程.前者主要对视图间的稀疏特征点匹配进行扩散以获取相对稠密的初始深度图;而后者则在多幅初始深度图的基础上,根据场景分段平滑的假设,在能量函数最小化框架下利用平面拟合及多方向平面扫描等方法解决存在匹配多义性问题区域(如弱纹理区域)的深度推断问题.在标准数据集及真实数据集上的实验表明,本文算法对视图中的光照变化、透视畸变等因素具有较强的适应性,并能有效地对弱纹理区域的深度信息进行推断,从而可以获得高精度、稠密的深度图.

基于卷缩轮信息的虹膜识别

本文利用图像纹理元的灰度模式及统计特征完成卷缩轮的分割 ,并在卷缩轮分割的基础上实现对虹膜的识别 ;同时 ,运用该方法进行了实验 ,实验效果很好。