SAM法在多光谱图像分类中的应用

不同类型的地物具有不同的反射光谱, 在多维光谱空间中构成不同的特征向量, 这便是我们利用多光谱图像区分地物的物理依据。多光谱图像分类的精度受到多种因素的影响, 如模式样本集的数据结构、分类特征的提取、距离测度、分类准则、分类数目等。本文引入光谱匹配识别中的典型方法——光谱角度匹配法(SAM法), 通过与欧氏距离的比较分析与综合, 提出一种可以兼顾到光谱亮度与光谱向量方向(近似为光谱形状) 的距离测度, 并应用于K-均值动态聚类中, 通过与传统分类方法的比较, 证明这种方法的有效性。     

多尺度融合与注意力结合的头颈部危及器官自动分割北大核心CSCD

目的开发一种多尺度融合与注意力机制结合的头颈部肿瘤放疗危及器官图像分割方法。方法基于U-Net卷积神经网络,为增强分割模型的特征表达能力,将空间和通道注意力模块与U-Net模型相结合,提高与分割任务相关性更大的特征通道权重;在网络模型编码阶段引入本文提出的多尺度特征融合算法,补充模型下采样过程中损失的特征信息。使用戴斯相似性系数(DSC)和95%豪斯多夫距离(HD)作为不同深度学习模型之间比较的性能评估标准。结果在医学图像计算和计算机辅助干预国际会议(MICCAI)StructSeg 2019数据集上进行头颈部22个危及器官的分割。相比于已有方法,本文提出的分割方法平均DSC提升了3%~6%,22种头颈部危及器官的分割平均DSC为78.90%,平均95%HD为6.23 mm。结论基于多尺度融合和注意力机制的U-Net卷积神经网络对头颈部危及器官达到了更好的分割精度,有望在临床应用中提高医生的工作效率。     

基于多传感器决策级融合的远距离目标检测

本文针对可见光和红外热图像序列中远距离目标检测,提出了一种基于决策级融合的目标检测方法。该方法首先是通过帧间差累积和提取局部灰度信息的方法对各传感器图像进行目标检测处理;接着采用“与”逻辑对各传感器的目标检测结果进行融合,除去部分冗余信息;然后在各传感器图像中提取融合检测结果中各候选区域的多个图像特征作为进一步消除冗余信息的证据;最后采用D-S证据理论对各候选区域进行基于多特征的目标融合识别处理并将识别的结果作为整个系统最终的目标检测输出。实验结果证明了本文方法的有效性。     

基于图像增强技术的钢铁材料微观组织图像识别的研究

本文采用图像识别技术对钢铁材料在不同状态下形成的不同类型的微观组织照片进行了分析,研究了不同图像增强算法和机器学习算法对钢铁显微组织识别精度的影响.采用图像增强技术将原始图片质量提高,并采用图像特征提取技术获得图像特征.采用随机森林、支持向量机、集成树机器学习算法建立了基于图像特征的钢铁组织分类器.其中基于随机森林算法...     

多尺度融合与注意力结合的头颈部危及器官自动分割

目的开发一种多尺度融合与注意力机制结合的头颈部肿瘤放疗危及器官图像分割方法。方法基于U-Net卷积神经网络, 为增强分割模型的特征表达能力, 将空间和通道注意力模块与U-Net模型相结合, 提高与分割任务相关性更大的特征通道权重;在网络模型编码阶段引入本文提出的多尺度特征融合算法, 补充模型下采样过程中损失的特征信息。使用戴斯相似性系数(DSC)和95%豪斯多夫距离(HD)作为不同深度学习模型之间比较的性能评估标准。结果在医学图像计算和计算机辅助干预国际会议(MICCAI)StructSeg 2019数据集上进行头颈部22个危及器官的分割。相比于已有方法, 本文提出的分割方法平均DSC提升了3%～6%, 22种头颈部危及器官的分割平均DSC为78.90%, 平均95%HD为6.23 mm。结论基于多尺度融合和注意力机制的U-Net卷积神经网络对头颈部危及器官达到了更好的分割精度, 有望在临床应用中提高医生的工作效率。     

大范围地景图像语义分割与处理方法研究

针对大范围地景图像的三维场景建模及仿真等应用,需要对图像中所包含的地物进行快速识别与处理.然而,传统的地景影像地物分类和处理方法存在准确性低、速度慢等问题,且原始图像中存在部分移动地物、障碍物等会对后续建模造成干扰,难以满足要求.因此,本文提出一种大范围地景图像语义分割及分割后模型的处理方法,通过自制倾斜摄影数据集对神...     

基于模型的三维目标识别技术研究

三维目标识别技术已经成为当前图象识别研究的重要方向。本文在简要介绍若干目标识别基本方法的基础上,结合三维目标识别的特点,着重讨论了基于模型的三维目标识别技术。针对三维数据图象,详细探讨了其中的图象分割、特征描述及模型匹配等关键技术,实验结果验证了其有效性。本文的工作,对于三维数据图象处理及目标识别在进一步的性能改进和复杂目标识别方面起到很好的借鉴作用。     

一种遥感图像机场跑道的多尺度提取方法

遥感图像机场跑道边缘的提取是机场识别的主要方法。传统Hough变换在线段提取方面具有较高抗噪性,但用于遥感图像机场跑道提取时存在边缘定位性较差及弯曲跑道误检率高的问题。本文提出了图像空间多尺度Hough变换方法,提高了Hough变换在提取、检测线段时的定位能力;将传统Hough变换的对参数空间改进为相对参数空间,增强了Hough变换检测小线段的性能,并利用分段线段的连接,达到机场跑道边缘中直线段与曲线线段检测的目的。试验结果表明该方法在保持Hough变换高抗噪性的同时,可有效地检测复杂背景下遥感图像中的机场跑道边缘,并保证了边缘的连接性。     

基于形状特征的三维模型检索技术综述

在CAD产品设计、3D产品展示、影视动漫制作等应用中经常使用成千上万共享的3D模型,但现有的搜索引擎还不提供有效的3D模型检索服务。基于内容的检索技术能有效地根据3D模型的实际内容,如几何形状,拓扑结构等,查找到用户期望的模型,因而可以用于自动智能检索。本文综述了目前基于形状特征的三维模型检索的主要关键技术,对常用的特征类型进行总结,并重点对特征提取方法进行分类总结。其中基于统计特性的特征提取方法比较简捷,计算简单,但对三维模型的内容描述不够充分;基于扩展特征的方法适用于结构变化较小的网格模型,但计算量较大;基于体素化的特征利用了模型的体积特征,加速了检索过程,效率较高,但不支持多分辨率检索;基于射线采样的特征适合较为简单的模型形状,但容易出现二义性;基于视图的特征主要是在三维模型的二维投影视图上提取的,计算复杂度较低,但容易丢失一些表示三维结构的重要信息。本文同时列举分析了当前实现并发布的典型检索系统。此外,对未来的研究方向进行了展望性描述。     

小鼠多染色性红细胞微核图象自动分析的研究

近１０年多年来，各种生物材料的微核实验（ＭｉｃｒｏｎｕｃｌｅｕｓＴｅｓｔ，ＭＮＴ）已得到广泛应用，而其中小鼠骨髓红细胞的ＭＮＴ应用最为广泛。为了提高一般常规方法的检测速度，减少主观误差，我们用图象分析系统对小鼠多染色性红细胞微核（Ｍｉｃｒｏｎｕｃｌｅｉ，ＭＮ）进行了自动化检测的研究。所编制的软件能将８９％的红细胞从图象中分割出来，其中约８８％含ＭＮ的红细胞能被正确识别。这个初步结果是令人满意的。     

二值图像的多尺度细化算法

在给出二值图像多尺度表示方法的基础上,提出一种基于多尺度表示的细化算法,与目前已有的算法相比较,它的计算量小、抗噪性能好、便于硬件实现.实验结果表明,该算法很好地克服了传统细化算法的不足,为处理受强噪声污染的二值图像提供了一个新的思路.     

用形状相似性进行基于内容的图象检索

状特征由于其简单、直观等优点在基于内容的图象检索技术研究中非常重要。本文在简要介绍了基于内容的检索技术（Content－basedRetrieval,CBR）的基础上,从不变特征提取。相似性度量、检索方式等方面,详细探讨了利用形状相似性进行图象CBR的技术关键。实验结果表明,不变矩和相对面积等特征相结合可以有效地进行形状检测。相信本文的工作,将对构建某些特定应用的系统具有很好的参考价值。     

Spectral detection of micro-metastases and individual metastatic cells in lymph node histology

The detection of micro-metastases and individual metastatic cells in lymph node tissue by spectral methods is summarized. These methods are based on instrument-based acquisition of thousands of infrared spectra of individual tissue pixels from the tissue section, and analysis of the resulting spectral hypercube by multivariate algorithms. The method of infrared image acquisition, followed by multivariate analysis, is henceforth referred to as Spectral Histopathology (SHP). SHP produces pseudo-color images of tissue sections which reveal details that compare very favorably with images collected from hematoxylin/eosin (H and E) stained tissues in that the same tissue structures are detected. However, the infrared results are based on objective and reproducible measurements and do not depend on subjective interpretation. One of the major topics of this paper is the comparison of spectral patterns observed for the same cancer type from different patients. While this is easy in some tissue types, we found it to be difficult in tissues of very different cellularity, or tissue sections that exhibit high levels of inflammatory response. In both cases, spectral quality will be compromised due to confounding effects resulting from scattering effects. The correction of these effects now permits the direct comparison of different patient samples, and paves the way for diagnostic algorithms for cancer detection to be developed.     

Spatial spectral imaging as an adjunct to the Bethesda classification of thyroid fine‐needle aspiration specimens

BACKGROUND:

Thyroid fine‐needle aspiration (FNA) biopsy, the preoperative diagnostic standard of care for patients with thyroid nodules, has limitations. Spectral imaging captures visible light information that is beyond the capability of the human eye, potentially increasing the accuracy of FNA biopsy. In the current study, the authors demonstrated the feasibility of using spectral imaging in combination with automated spatial analysis based on trainable pattern recognition as an adjunct test for thyroid FNA classification by developing an algorithm that distinguishes between images of papillary thyroid carcinoma (PTC) and benign goiter (BG).

METHODS:

A multispectral camera was used to capture spectral images representing 100 cases of PTC and BG. Used in conjunction with commercial software, 10 cases were used as a training set to develop a “classifier,” a classification algorithm that segments digitized multispectral images into regions of PTC, BG, and “nonfeature.” This algorithm was used to generate a screening test and a diagnostic test that were validated on an independent set of images representing 30 cases of PTC and 30 cases of BG.

RESULTS:

The area under the receiver operating characteristic for the PTC/BG classifier was 0.90. The screening test had a sensitivity of 0.93 and a specificity of 0.73. The diagnostic test had a sensitivity of 0.70 and a specificity of 0.90.

CONCLUSIONS:

The authors developed image classification tests that distinguish between FNAs of PTC and BG, demonstrating the potential value of spatial spectral imaging as an adjunct test for the classification of thyroid FNA samples. The data support prospective testing to determine the value of the PTC/BG classifier in routine clinical use. Cancer (Cancer Cytopathol) 2013. © 2012 American Cancer Society.     

A Novel Model for Smart Breast Cancer Detection in Thermogram Images

Background: Accuracy in feature extraction is an important factor in image classification and retrieval. In thispaper, a breast tissue density classification and image retrieval model is introduced for breast cancer detectionbased on thermographic images. The new method of thermographic image analysis for automated detection ofhigh tumor risk areas, based on two-directional two-dimensional principal component analysis technique forfeature extraction, and a support vector machine for thermographic image retrievalwas tested on 400 images.The sensitivity and specificity of the model are 100% and 98%, respectively.     

光学体视显微图像立体测量系统研究与开发

根据立体视觉的原理,设计实现了基于光学体视显微镜图像的立体测量系统。从图像采集、摄像机标定、立体匹配到深度图生成,建立了完整的系统。对系统中的摄像机模型进行了线性标定,达到了亚像素的标定精度。在立体匹配中实现了三种不同的算法:改进的区域相关性匹配算法、基于边界特征的概率松弛迭代匹配方法、新序数测度法(New Ordinal Measure),并对结果的精度进行了分析和比较。     

基于MeanShift和Harris算子圆网印花机对花检测的研究与设计

为了实现基于智能相机的圆网印花自动对花系统,本文提出了基于均值漂移(MeanShift)算法的彩色印花图案分割技术和基于Harris角点检测的块匹配算法。将扩展形式的均值漂移算法用于印花图案的分割,实验证明该算法能对印花图像进行良好的分割。把已分割标准图像的各套色区域提取出来,采用Harris算子进行特征点检测,并以这些特征点为中心,选定标准匹配块,在处理好的实时采集的图像中找到最佳匹配块,计算对花误差。通过仿真和实验验证算法是可行性的,为实现在线对花检测闭环控制打下基础。     

Spectral characteristics of acute lymphoblastic leukemia in childhood

Although the differentiation and classification of acute leukemia are based upon cytochemical features as well as immunologic, cytogenetic, and molecular characteristics, in many cases the morphological distinction of normal lymphocytes from lymphoblasts of acute lymphoblastic leukemia (ALL) is difficult using light microscopy. In this study the distinction between normal lymphocytes and lymphoblasts of childhood ALL is proposed using their spectral characteristics. The method has been based upon the analysis and classification of optical absorption characteristics of the bone marrow cells. Spectral microscopy system is capable of capturing a great number of narrow-band images, in the wide spectral range of the optical spectrum. The analysis showed statistically significant difference (P < 0.0001) between normal lymphocytes and lymphoblasts as far as it concerns the detection, identification and mapping of their spectral absorption characteristics. Our results suggest the potential of spectral imaging as a new method for the distinction of lymphocytes from lymphoblasts in cases that with the light microscope, the morphologic differences are not visible in the bone marrow smears at diagnosis or the follow up of the children with ALL.     

基于小波变换极大模的多模医学图像融合

多模态医学图像融合由于其对医学临床诊断的意义已引起广泛的关注,基于图像边缘特性的融合方法逐渐成为研究的重点。本文提出了一种基于离散二进小波变换的多尺度边缘检测和图像融合的方法,实现了特征级图像融合。不同于以往的从极大模值点直接重建图像,本文的算法利用极大模值点建立有效的融合规则,然后从融合的小波系数重构信号。融合图像的交互信息和峰值信噪比等检测指标表明此方法优于传统融合算法。     

以PET/CT图像为基准的能谱CT平扫成像在宫颈癌中诊断价值的初步探索

目的:初步探索以PET/CT图像为基准的能谱CT平扫成像在宫颈癌诊断中的应用价值。方法:回顾性收集我院21例病理证实为宫颈鳞状细胞癌的患者，所有患者术前均行PET/CT扫描及能谱CT扫描，以PET/CT融合图像为参照，在能谱CT图像上勾画感兴趣区，记录宫颈癌病灶及周围正常组织有效原子序数（effective atomic number，Eff-Z）值、单能量70 keV下的CT值和能谱曲线，绘制ROC曲线，得出最佳诊断阈值。结果:宫颈癌病灶及周围正常组织的Eff-Z值及70 keV下的CT值差异具有统计学意义（P＜0.05）。宫颈癌病灶Eff-Z值为7.33±0.09（7.1~7.5）；病灶周围正常组织Eff-Z值为7.01±0.10（6.8~7.2）；Eff-Z为7.25时，敏感度为90.5%，特异度为100%。70 keV单能量重建成像宫颈癌病灶CT值为（38.27±5.04）HU（29.2~50.9 HU），病灶周围正常组织CT值为（29.79±7.14）HU（19.9~43.1 HU）；CT值为34.2 HU时，敏感度为85.7%，特异度为76.2%。宫颈癌病灶能谱曲线平直，病灶周围正常组织曲线在40~70 keV呈上升趋势，之后趋于平缓。结论:能谱CT在宫颈癌诊断中有一定的作用。