基于模式识别的生物医学图像处理研究现状

海量的生物医学图像蕴含着丰富的信息,模式识别算法能够从中挖掘规律并指导生物医学基础研究和临床应用。近年来,模式识别和机器学习理论和实践不断完善,尤其是深度学习的广泛研究和应用,促使人工智能、模式识别与生物医学的交叉研究成为了当前的前沿热点,相关的生物医学图像研究有了突破式的进展。该文首先简述模式识别的常用算法,然后总结了这些算法应用于荧光显微图像、组织病理图像、医疗影像等多种图像中的挑战性和国内外研究现状,最后对几个潜在研究方向进行了分析和展望。

全球尺度下的海洋鱼类图像智能分类研究进展

在全球尺度上了解鱼类物种组成、丰度及时空分布等,将有助于其生物多样保护。水下图像采集是获取鱼类物种多样性数据的主要调查手段之一,但图像信息分析工作耗时耗力。2015年以来,海洋鱼类图像数据集更新和深度学习模型算法优化等方面取得了一系列进展,但细粒度分类表现仍显不足,研究成果的生产实践应用相对薄弱。因此,该文首先分析海洋相关行业对鱼类自动化图像分类的需求,然后综合介绍鱼类图像数据集和深度学习算法应用,并分析了所面临的小样本下的细粒度分析等主要挑战及相应解决方法。最后探讨了基于深度学习的海洋鱼类图像自动化分类对相关图像信息处理研究及应用平台对未来在生态环境监测等海洋相关产业领域的重要性及其前景。该文旨在为快速了解基于深度学习的海洋鱼类图像自动化分类的研究背景、进展和未来方向的工作者提供相关信息。

基于数字图像处理的车牌定位与识别研究(英文)

研究了车牌图像的特征,车牌定位算法基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取,将彩色车牌图像转化为灰度图像.采用基于矩的阈值选取方法进行图像二值化处理,Hough变换的方法对图像进行倾斜校正,最后对已预处理增强的图像进行Sobel垂直算子边缘检测,用阈值分割出前景,搜索出符合车牌字符特征的候选区域,对候选区域进一步分析得到牌照位置.提出并采用基于PCA-BP神经网络的字符识别算法对车牌进行识别,300ms内车牌字符识别率达97.5%,实验证明,在训练样本较少的情况下,该系统的识别率依然较高.

基于图像处理的盲道识别算法

提出一种基于图像处理的盲道识别算法。根据采集到的盲道图像,综合利用阈值分割、彩色连续性空间分割、纹理分割,结合直线检测算法,分析各种盲道特征以区分盲道与普通人行道。实验结果表明,该算法能有效分割多数盲道图像,检测出图片中的盲道区域和盲道行进方向,可以自适应选择速度最快且有效的分割方法,适用于实时导盲系统。

一种彩色印刷图像网点检测与识别算法的研究

针对当前印刷图像色彩检测和控制的方式及设备存在的不足 ,提出了一种新的基于数字图像处理和模式识别技术的网点检测与分色方法 ,并依此设计出了基于色度检测法的网点检测和识别系统———DIA系统 ;最后通过实验验证了该方法的有效性。

建立检测腭咽闭合功能图像处理分析系统的研究

腭咽闭合不全是腭裂修复后最常出现的现象。目前采用纤维鼻咽内窥镜及鼻咽腔钡剂X线造影检查,进行腭咽闭合图像处理,多为定性观察和分析。即使是定量分析也均为手工进行描绘,然后再用键盘送入电脑进行计算,速度慢、步骤多、准确性差,难以在临床上推广应用。因此,建立一个适应于临床医师使用的,便于操作的分析系统迫在眉睫。硬件系统的构成及主要技术指标系统的硬件配置由下列框图所示(图一)。主要包括:主机、VFG—AT图像处理功能板,512×512高精度彩色监视器、录像机、数字化仪、视频打印机和激光或点阵式打印机。下面分别加以说明:

低信噪比序列图像中目标检测、识别及跟踪算法的研究

本文研究红外探测仪器产生的低信噪比序列图像中目标检测、识别及跟踪算法。该算法基于图像累加后沿目标的运动轨迹方向信号积累，并结合目标在各个不同阶段的特性，分别在检测、识别及跟踪阶段完成目标信号的处理，最后给出目标的位置和速度信息。

图像分割技术在中医舌诊客观化研究中的应用

舌诊是中医四诊的主要内容,是辨证论治的主要依据。客观化研究对中医辨证规范化及中医临床、教学和科研手段的现代化具有重要意义。对舌诊客观化研究中涉及的图像预处理的重要内容——舌体分割提取和舌苔舌质同类区域划分——进行了深入研究,提出了相应算法,通过实验充分证明了算法具有很好的鲁棒性。这给进一步的自动特征提取提供了保障和重要信息。

基于小波域的图像噪声类型识别与估计

提出了一种基于小波域分解的类型识别方法 .该方法利用噪声图像的小波高频子带系数能量分布 ,对图像中最常出现的两类噪声 :高斯噪声和椒盐噪声进行识别 ,并在此基础上对高斯噪声的方差和椒盐噪声的密度进行了估计 .对大量含噪图像的实验结果表明

中医舌象颜色识别的研究

基于由粗到精的思路,将舌质和舌苔的颜色识别问题分解为苔质分离和颜色细分两步。在第一步中,提出一种基于JSEG算法和k-NN法的自动分离苔质的方法,并根据中医望诊先验知识设计先验模板和标准色块来辅助分类。颜色细分是在第一步的基础上采用最近邻法进行的。实验表明,本文提出的方法简单且鲁棒性强,能够有效地用于舌诊客观化。此外,在舌图像的色彩校正和舌体分割两个方面,对前人的研究进行了改进,取得了较好的效果。

基于图像处理的中医舌像特征分析方法

提出一种基于图像处理的舌像检测与分析方法,将传统中医舌诊中舌的特征进行数字化。应用了2DGabor小波变换和色度信息较为精确地检测出舌体区域;提出了运用统计方法标定舌质和舌苔点以及确定其颜色的算法。舌苔的厚度通过色度信息和2DGabor小波系数能量(GWTE)进行量化。分析了在不同相位时,有无舌纹情况下GWTE呈现出的不同特性,根据这一特点用不变矩描述了舌区域的GWTE,从而对舌纹的多少做出了定性的说明。实验表明,提出的相关算法行之有效,得到了较好的结果。

基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法

针对含光照、表情、姿态、遮挡等误差或被噪声污染的人脸图像的识别问题,本文提出一种基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法.该方法首先用低秩矩阵恢复算法求得训练样本图像对应的误差图像;然后,对每一个训练样本图像及其对应的误差图像进行Gabor变换,得到相应的Gabor特征向量,并将这些Gabor特征向量组成一个Gabor特征字典;进而,计算测试样本图像Gabor特征向量在该Gabor特征字典下的稀疏表示系数,并用该稀疏表示系数和Gabor特征字典,对测试样本图像的Gabor特征向量进行类关联重构,同时计算相应的类关联重构误差.最后,根据测试样本图像Gabor特征向量的类关联重构误差,实现对测试样本图像的分类识别.在CMU PIE、Extended Yale B和AR数据库上的实验结果表明,本文提出的人脸图像识别方法具有较高的识别率和较强的抗干扰能力.

彩色图像人脸特征点定位算法研究

本文提出了一种基于复合局部信息模型的改进Active Shape Model(ASM)算法,并进一步提出了基于人脸特征点Gabor小波特征降维分类的特征点搜索方法,对改进ASM的结果进行精确校正,达到鲁棒精确定位特征点的目的.本文首先对经过Adaboost检测的彩色图像人脸区域进行光照补偿,然后根据眼睛和唇色的色度特性定位双眼和嘴唇中心位置,从而得到较好的人脸特征点的初始位置.在特征点位置搜索中,本文结合肤色概率信息对ASM方法进行了改进,从而提高了仅基于灰度梯度信息的传统ASM方法的鲁棒性和准确性.最后选取改进ASM搜索后的某些特征点一定领域内梯度值较高的点,提取其Gabor小波特征,通过线性判别式分析法(Linear Discriminant Analysis)和最近邻分类法对其进行分类,搜寻最符合训练样本Gabor特征的点作为最佳位置点,修正了ASM的搜索结果,使得搜寻结果更加精确.

用于监控智能报警系统的图像识别技术

利用遗传算法的最佳熵阈值法进行图像分割 ,缩短了寻找阈值的时间 .分割后提取可疑区域 ,再运用人工智能中的基于缺省规则推理对可疑区域进行分别处理 .本系统运用于非法入侵对象识别和火灾识别 ,经实验验证实用可靠 ,满足实时性要求 .对采集的彩色图像具有与灰度图像同样良好的效果 ,能将报警信号和可疑区域图像通过网络传送到报警中心 .

基于多区域分割的步态表示与识别算法研究

提出了一种基于多区域分割的步态表示方法,将视频中的目标人体区域部分按人体结构特点划分为多个子区,每个子区通过连接人体重心的椭圆进行拟和,建立多连接椭圆的人体结构模型,预处理阶段引入一个归一化过程以实现对各种视角下的步态序列进行表示.识别过程将模型参数作为步态特征,并引入了一定的融合机制对特征进行选择和融合.实验表明,该算法对于多个视角下的步态序列均具有较好的识别性能.

脉象特性分析和识别方法的研究

针对几种常见的脉象运用统计学习理论和方法进行了识别分类的研究。在特征提取方面本文采用了多种不同的信号分析方法,研究了脉象的特征提取,主要分析途径是,时域波形特征提取,频域与倒频域分析,小波域分析,基于AR模型的脉象信号建模以及波形的模板匹配研究。另一方面,研究了几种分类器,作为脉象识别的分类器。通过实验对不同特征的有效性和不同分类器的性能进行了对比。实验结果表明,模板匹配方法和时域特征提取方法较好。

基于背景复杂程度估计的红外图像预处理

从频率意义上对红外小目标图像的基本特征进行了分析,提出了一种基于红外图像加权信息熵的背景复杂程度估计方法,及一种自适应巴特沃思(Butterworth)高通滤波器截止频率调整策略。实践证明,该方法可以较大程度地保留图像中小目标对象的频率信息,基本做到天空背景中处理质量较好,海杂波背景中保证小目标不丢失。图像预处理的良好鲁棒性得到了体现。

彩色序列图像的人脸检测和识别系统

文中实现了彩色序列图像的人脸检测和识别的系统 .所用到的关键性技术是肤色运动分析、主成分分析 (PCA)和支撑向量机 (SVM) .首先根据彩色序列图像中人脸的色度特性、运动特性、几何特性和灰度分布特性完成人脸的检测工作 ;其次通过人脸模式之间的相关性进行主成分分析 ,提取并且选择特征 ,将所选择的特征训练SVM ,最后用已经训练好的SVM完成对人脸的识别任务 .系统算法结构遵循以下原则 :先使用运算量少的简单方法尽可能减少搜索空间 ,然后在已经大大减少的空间中再用复杂方法处理 ,可以在保持高的检测和识别率的同时 。

基于不变矩的人脸识别方法的研究

人脸识别是模式识别与计算机视觉领域中的一个重要的研究课题 ,在公安、交通、银行、海关以及安全系统等领域有着广泛的应用前景。该文提出了一种基于小波及不变矩矢量的人脸识别方法。利用小波变换减小或消除了表情因素对人脸识别的影响 ,然后利用不变矩矢量作为人脸的特征来进行人脸识别。我们采用了支持向量机和最近邻分类器作为分类器 ,在ORL人脸数据库的基础上进行了测试。实验取得了良好的效果 ,证实了算法的有效性。

图像复杂度研究综述

图像相关复杂度的研究领域很广泛,除了计算机科学领域,还延伸到医学、认知心理学等研究领域。在以上应用领域,与图像相关的复杂度的定义有很多,包括图像复杂度、视觉复杂度、场景复杂度,其中图像复杂度又可以进一步细分为颜色复杂度、纹理复杂度和形状复杂度。文中对以上这些复杂度的应用、定义和计算方法进行了归纳总结,并依据组成论中相关复杂度的定义,提出了一种研究图像复杂度的思路,即从图像组成元素的角度来研究图像复杂度。这种图像复杂度的定义只与图像本身所包含的元素、内容有关系,与图像处理任务和算法无关。同时,这种图像复杂度的定义符合一般意义下人对图像复杂性的感受和理解。图像元素可以分为颜色、形状、纹理三大类,它们又可以进一步用一些特征来表示。根据组成论,文中给出了定义这3种特征的广义集的方法。后续研究将进一步给出图像复杂度的计算算法,并通过与人工实验的相关性分析来验证计算结果是否与人的感受相一致。