中药饮片切面纹理特征提取研究

目的:研究中药饮片切面纹理特征提取方法。方法:利用基于Tamura方法研究中药饮片切面纹理粗糙度、对比度、方向度、线性度、规则度、粗略度等特征参数提取。结果:由于Tamura方法更加符合人眼视觉习惯与心理感知,对比试验表明多种参数结合的Tamura方法能够较好的描述中药饮片切面纹理特点。结论:该方法可以局部反应纹理局部细节,从而实现了将视觉感知用科学、定量的形式表示,为基于机器视觉的中药饮片自动辨识及分级等应用提供理论依据,由于受到饮片颜色、饮片背景、饮片形状等因素的影响,基于Tamura纹理方法提取中药饮片切面纹理特征参数,需要多种特征参数融合才能够较为精确的表示纹理特征。     

一种基于混合区域分割的特征词袋模型识别算法

数字广告图像识别与数据分析在广告精准推送、收视行为分析、商业网络搜索等各大应用领域有着重要的应用。针对网络图片搜索的实际需求,结合图像特征提取识别技术,本文对数字媒体广告图像的识别和分类方法进行了研究。针对传统的基于空间金字塔匹配的视觉词典模型算法匹配条件较为苛刻、缺乏抗形变能力等局限性,在视觉词典模型算法的基础上,引入视觉特征词典特征点的空间位置信息,使用混合高斯模型实现了自适应的空间区域划分。实验结果表明,识别算法的抗形变能力和识别精度在标准库及本地广告库的测试中均能取得较好的测试结果。     

一种基于离散Tchebichef正交多项式和傅里叶梅林矩的局部多特征图像检索算法

提出了一种基于离散Tchebichef正交多项式和傅里叶梅林矩的局部多特征图像检索算法。通过对图像进行正交变换和多分辨率重排序,在变换域中提取出纹理、颜色和形状特征,生成具有较强区分能力的图像特征。由于傅里叶梅林矩具有旋转不变性,因此在处理发生旋转变换和平移变换的图像时,检索效果较好。最后,对提出的算法用多个数据集进行了检索实验,并对实验结果进行了比较和分析。     

基于SIFT算法的图像特征点提取和匹配研究

目的:把SIFT算法应用在牙齿模型图像上,检测牙齿图像的特征点?方法:首先采用高斯差分算子DoG搜索整个图像的尺度和位置信息,从而确定具有代表性尺度?方向的特征点?基于其稳定性选择关键点,得到一个详细的模型以确定每个候选点的合适位置和范围?基于局部图像梯度方向信息将方向矢量和关键点对应起来?在选定范围内的每个关键点周边区域测量局部图像梯度,并采用KNN算法进行特征匹配?结果:通过大量的实验和与其他特征提取方法相比较,该方法能有效地检测牙齿模型图像的特征,并为牙齿模型三维重建提供有效的参数?结论:在口腔医学牙齿模型图像中应用SIFT算法,有助于牙齿模型的三维重建?     

CT图像特征的自动获取与检索新方法

目的自动获取CT图像特征,提出实现基于内容的CT图像数据库检索新方法。方法本研究针对CT医学图像,提出应用最大期望分割算法来获取其区域特征,并组合感兴趣区域的累积直方图特征、纹理和形状信息构成检索的特征向量,从而把图像表征为特征空间中的一个向量集合。结果当向数据库提交查询图像时,经过特征匹配,最终按相似度由大到小的顺序返回目标图像。结论实验结果表明,本研究提出的基于内容的CT图像检索方案在满足临床需求的同时,获得了较高的查询精度和效率。     

图像模糊度在骨龄评价中的应用

目的对手腕骨数字图像的质量进行评价。方法应用模糊数学中的三角模算子，定义数字图像的模糊度，用模糊度算法计算手腕骨数字图像的模糊程度。结果模糊度指标符合人眼的视觉感受，图像模糊程度和模糊度之向存在对应关系。结论模糊度适用于评价图像品质。     

基于改进多类支持向量机的印刷缺陷检测

针对印刷品缺陷检测问题,为了对缺陷位置、形状、类型等信息进行有效的识别和分析,提出了一种基于改进多类支持向量机的印刷缺陷检测方法。首先根据人眼视觉特性,将配准后的印刷图像通过基于动态阈值的差分运算,快速地得到二值缺陷图像;然后采用由缺陷几何特征和形状特征构成的特征向量对缺陷信息进行分析和描述;最终通过改进的多类支持向量机实现印刷缺陷的准确识别。实验结果表明,相对于一对一型支持向量机（OVOSVM）和一对多型支持向量机（OVRSVM）,在实际训练样本较少的情况下,该方法具有检测速度快、识别准确率高的特点,能够有效解决印刷品缺陷检测问题。     

基于色差分析的图像修复改进算法

逐块修复的图像修复算法对修复边缘敏感,目前普遍采用的基于等照度线的修复优先权确定方法并不能很好地区分图像的结构和纹理成分,使得修复效果依赖于图像掩码的初始边缘且对于纹理和结构高度混杂的区域不能有很好的修复效果。提出了一种基于色差分析的图像修复改进算法,根据待修复像素块与邻域像素块的像素值变化确定修复优先权。实验结果表明：该方法大大降低了对掩码的依赖性,且在平坦区域、纹理和结构混合区域均具有较好的修复效果,修复效果自然、平滑且符合人眼视觉要求。     

基于SIFT和RANSAC的特征图像匹配方法

针对目前普通图像匹配抗干扰能力不强的问题,将尺度不变特征变换（SIFT）和随机采样一致性（RANSAC）算法结合,提出了一种适应性强的图像匹配算法。首先对图像进行SIFT特征提取,利用最优节点优先搜索并计算最近邻特征向量与次最近邻向量间的欧式距离比来加速完成特征点对预匹配。在此基础上引入随机抽样一致性（RANSAC）算法去除不可靠的匹配对。最后根据匹配点对计算出图像间透射变换的参数。实验结果表明：该匹配算法具有尺度、旋转不变性以及一定的仿射不变性、抗干扰性,可以实现目标物体匹配。     

CT图像特征的自动获取与检索新方法

目的 自动获取CT图像特征，提出实现基于内容的CT图像数据库检索新方法。方法 本研究针对CT医学图像，提出应用最大期望分割算法来获取其区域特征．并组合感兴趣区域的累积直方图特征、纹理和形状信息构成检索的特征向量，从而把图像表征为特征空间中的一个向量集合。结果 当向数据库提交查询图像时，经过特征匹配，最终按相似度由大到小的顺序返回目标图像。结论 实验结果表明，本研究提出的基于内容的CT图像检索方案在满足临床需求的同时．获得了较高的查询精度和效率。     

Endoscopic Image Classification and Retrieval using Clustered Convolutional Features

With the growing use of minimally invasive surgical procedures, endoscopic video archives are growing at a rapid pace. Efficient access to relevant content in such huge multimedia archives require compact and discriminative visual features for indexing and matching. In this paper, we present an effective method to represent images using salient convolutional features. Convolutional kernels from the first layer of a pre-trained convolutional neural network (CNN) are analyzed and clustered into multiple distinct groups, based on their sensitivity to colors and textures. Dominant features detected by each cluster are collected into a single, layout-preserving feature map using a spatial maximal activator pooling (SMAP) approach. A moving window based structured pooling method then captures spatial layout features and global shape information from the aggregated feature map to populate feature histograms. Finally, individual histograms for each cluster are combined into a single comprehensive feature histogram. Clustering convolutional feature space allow extraction of color and texture features of varying strengths. Further, the SMAP approach enable us to select dominant discriminative features. The proposed features are compact and capable of conveniently outperforming several existing features extraction approaches in retrieval and classification tasks on endoscopy images dataset.     

基于动态规划的实时立体匹配算法

立体匹配通过计算和标识匹配图像的视差图来获得图像的深度信息,一般计算量大,无法满足实时性要求。本文聚焦立体匹配的匹配代价聚集和视差计算环节,在动态规划方法的基础上,提出了一种实时的立体匹配算法。根据连续性约束,提出了基于自适应形状窗口的快速匹配代价聚集算法,加速了臂长和匹配代价聚集的计算效率;利用边缘检测技术获得图像边界信息,修改动态规划的转移方程,使得边界像素可以在整个视差空间中选择视差值,降低边界处匹配视差的误匹配率。实验结果表明：通过结合上述两个步骤的改进算法,可以获得满足实时性要求、高质量的匹配视差图,整体的匹配准确率较高。     

Diabetic Retinopathy: A Quadtree Based Blood Vessel Detection Algorithm Using RGB Components in Fundus Images

Blood vessel detection in retinal images is a fundamental step for feature extraction and interpretation of image content. This paper proposes a novel computational paradigm for detection of blood vessels in fundus images based on RGB components and quadtree decomposition. The proposed algorithm employs median filtering, quadtree decomposition, post filtration of detected edges, and morphological reconstruction on retinal images. The application of preprocessing algorithm helps in enhancing the image to make it better fit for the subsequent analysis and it is a vital phase before decomposing the image. Quadtree decomposition provides information on the different types of blocks and intensities of the pixels within the blocks. The post filtration and morphological reconstruction assist in filling the edges of the blood vessels and removing the false alarms and unwanted objects from the background, while restoring the original shape of the connected vessels. The proposed method which makes use of the three color components (RGB) is tested on various images of publicly available database. The results are compared with those obtained by other known methods as well as with the results obtained by using the proposed method with the green color component only. It is shown that the proposed method can yield true positive fraction values as high as 0.77, which are comparable to or somewhat higher than the results obtained by other known methods. It is also shown that the effect of noise can be reduced if the proposed method is implemented using only the green color component.     

基于改进的GHSOM聚类算法的图像检索

传统的图像检索需要顺序比较图像库中的图像与请求图像的相似度,检索速度和检索准确度都很低。针对此问题,提出了一种基于改进的增长型分层自组织映射网络（GHSOM）的图像检索方法。先将图像特征库用改进的GHSOM算法进行聚类,在图像检索时先在GHSOM网络模型上找到相似的类,然后在相似的类上继续进行检索,大大提高了检索效率。并且在搜索相似的类时充分利用GHSOM网络的分层结构,更进一步地提高了检索效率。改进的GHSOM网络根据算法的特点构建了赤迟信息量（AIC）准则,用该准则来选择每个独立的SOM网络的生长参数,使得每个网络都能正确地表达映射到它的数据集的结构,提高GHSOM网络的聚类效果,从而提高检索的准确性。实验结果表明,改进的GHSOM算法得到了更好的聚类效果,基于它的图像检索方法提高了将近3倍的图像匹配速度,同时图像检索准确率也得到了一定程度的提高。     

基于颜色和边缘特征CAM Shift目标跟踪算法

针对连续自适应均值漂移(CAM Shift)目标跟踪算法只适用于特定颜色目标跟踪且容易受到光照变化影响和背景色干扰的缺点,提出了一种改进的CAM Shift目标跟踪算法。该算法采用颜色空间三基色权重直方图建立目标模型,并用目标边缘特征增加目标权重。首先通过颜色空间三基色均匀量化获得特征值,建立基于核函数概率密度估计的目标模型;然后用Sobel算子检测目标边缘特征,结合颜色特征,分别赋予不同的权重投影生成概率密度分布图;最后用Mean Shift算法迭代寻找目标,并通过矩运算调整跟踪窗口大小和方向。实验结果表明：该算法可以有效跟踪多色彩目标,并能够抵御一定光照变化和大面积同色干扰的影响。