基于纹理映射的医学图像三维重建

提出了一种基于纹理映射的体绘制算法,提高了图像的重建效率,增强了图像的重建效果。算法实现了对二维医学图像序列的三维重建,在目前通用的个人计算机上可以以近似实时的速度重建出高质量的三维图像。针对算法中存在的问题提出了两种不同的改进方法,取得了较好的效果。结合纹理生成的过程和纹理重采样的过程,对重建后的三维图像实现了交互切割的算法。     

改进Mask R-CNN算法在低光道路环境下行人检测研究

针对目标检测算法在低光条件下检测性能下降的问题,以Mask R-CNN目标检测算法为基础,将提出的图像融合模块(MSRCR-IF)引入该目标检测网络中,同时为了更好地利用特征信息,改进了特征金字塔网络,并通过调整区域提交网络以及去除实例分割分支的方式,减少检测目标所花费的时间。实验结果显示:在COCO2017数据集下提出的算法优于其他主流算法,同时在自行构建的低光道路行人数据集下达到了75.05%的平均检测精度,比改进前提高了4.66%。为了验证改进算法的有效性,进行了实车数据测试,结果显示:改进方法能有效提高低光条件下行人检测效果。     

勿需图像矫正的高精度窄基线三维重建算法

精确可信三维重建受图像配准与矫正误差严重影响,为此,提出一种勿需矫正的高精度窄基线三维重建算法。先结合相位相关与曲线拟合原理获得高精度亚象元视差:对两幅图像傅里叶变换的归一化交叉能量谱进行傅里叶逆变换得到一峰值明显的矩阵,用高斯函数对峰值附近数据进行曲线拟合计算配准关系;再将视差累加并进行单位化寻找基线在成像面上的投影(主方向);最后把视差在主方向投影,根据像点深度与该投影成正比例,进行场景三维欧氏重建。无矫正误差与高高精度视差计算使重建结果精确可信,对多类场景进行实验,证明该方法有优良的效果。     

关于光线投射算法的OpenGL高效实现

采用光线投射算法对二维(2D)图片实现三维(3D)重建,用3线性插值算法计算每个采样点的颜色值和不透明度,提高三维重建图像后的精度。该算法实现主要借助于OpenGL函数库及其三维观察矩阵,以其精确计算规则三维数据场在观察方向上的二维投影区域,减少了光线投射算法中投射光线数量。根据Phone光照模型为数据场预先计算和保存明暗表,并通过优化常规现实代码,有效地提高了光线投射体绘制算法的效率。该算法既保证了精度,又提高了显示的速度。     

肝脏CT图像三维分割研究

针对肝脏CT图像的特征,提出了一种将种子区域生长算法和改进Snake模型相结合的策略,实现了肝脏的三维分割提取。该方法先从CT图像序列中筛选出肝脏有明显成像边缘的一张切片,在其肝脏区域内选择若干个种子点,利用种子区域生长算法得到初始边缘,再利用改进的Snake模型对初始边缘进行优化,然后,将此切片的边缘轮廓作为与其相邻切片上的初始边缘,重复该过程,直到分割完所有切片。实验表明该算法具有较高效率,分割结果精确,所产生的分割结果可以作为三维重建合适的数据集。     

深度哈希卷积网络在图像检索中的应用

随着网络图像数据的迅猛增长,基于传统的人工设计视觉特征的图像检索方法的效果已无法满足要求。为此,提出了一种基于深度卷积神经网络的监督哈希编码方法。该方法是基于分类和量化误差的深度哈希,同时学习图像、哈希码和分类器的特征表示,然后利用标记的监督信息和深层架构学习卷积网络差异性特征表示,并直接用于生成哈希码和预测图像标签。根据相互关联的量化误差和预测误差共同调整深度网络的学习,最终对给定图像在低维汉明空间上实现快速检索。在MNIST和CIFAR-10两个图像集上的实验结果表明:所提出的方法与几种主流方法相比检索性能更好。最后,将所研究的深度卷积神经网络应用于Metel多媒体教学资源平台的图像检索中,取得了良好的检索效果。     

一种应用于药品泡罩包装检测的改进分水岭算法研究

针对分水岭算法存在的过分割问题以及泡罩包装药品图像的特点,提出一种改进的分水岭分割算法对泡罩包装的药品进行分割。该方法将形态学重建运算与使用控制标记符的方法相结合,首先对原图像进行开闭重建,根据邻域像素连通性提取重建后图像的局部极大值作为标记,从而抑制其他的局部极小值,然后依据标记对原始的梯度图像进行修正,最后对修改后的梯度图像进行分水岭分割。试验表明,该方法在缺陷药品检测中,可以有效的抑制传统分水岭的过分割,分割效果良好。     

基于数码相机图像的三维重构

针对传统三维坐标测量方法的局限性，提出了利用数码相机对物体进行三维重构，达到对物体进行非接触测量的目的．采用标准图像法对数码相机内部和外部参数分别标定，与传统的相机标定相比，简化了求解的复杂性．基于同一物体的两幅图像，给出了其三维重建理论和算法．并举例说明了三维重构的具体实现步骤和方法．     

基于深度学习的复杂背景下目标检测

针对某些静态图像背景复杂,受环境因素(光照、遮挡、掩盖等)影响较大的问题,提出一种基于深度学习算法的卷积神经网络(convolutional neural networks,CNN)结构对目标进行检测。利用CNN网络可自主提取图像特征并进行学习的优点,避免了复杂的人工特征选择和提取过程。通过一种区域合并的方法进行端到端的交替训练,在复杂背景图像的处理中体现出较优的性能。CNN的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度、减少训练参数的数目、提高检测效率。试验验证结果表明:此方法在互联网图像数据库检测方面达到了较高的精度。采用坦克模型图像对复杂背景下的单目标、多目标以及不同程度的遮挡、伪装等情况进行试验,得出该方法具有一定的鲁棒性。     

过程模拟法重建三维数字岩芯的准确性评价

由于利用X 射线CT 扫描获得反映真实岩石微观结构的三维数字岩芯过于昂贵和费时,因此,正确评价利用岩芯二维薄片图像重建三维数字岩芯的准确性具有重要理论和应用价值。采用过程模拟法,依据岩芯的二维薄片图像,通过模拟真实岩石的形成过程沉积过程,压实过程和成岩作用重建了三维数字岩芯,并且应用局部孔隙度分布函数和平均渗流概率函数进行了重建三维数字岩芯的准确性评价。结果表明：过程模拟法重建的三维数字岩芯与真实岩芯具有相同的均匀性和连通性,且重建三维数字岩芯与真实数字岩芯都是各向同性的。重建的三维数字岩芯不仅可以用来表征真实岩芯的孔隙结构,而且也可以作为其他岩石物理属性模拟的基础。     

基于Marching Cubes与Ray Casting的医学图像三维重建

本文研究了医学图像三维面绘制和体绘制的典型算法MarchingCube和RayCasting的原理和三维可视化工具包VTK的实现机制,在VC 6.0平台下,利用VTK分别实现了基于上述算法的DICOM格式的CT序列图像三维重建,并给出了关键算法和3D可视化结果。     

网络环境下基于任务的合作学习模式在英语教学中的应用研究

依据合作学习的相关理论,针对英语教学的特点,通过任务教学法构建了网络环境下以合作学习为特征的教学模式,以解决英语教学中学习低效的问题,充分利用网络资源,学习分工明确,使学生在有分工的合作环境中达到共同的学习目标,同时还能使学生更加有效地进行自主学习,实现个体与整体的共同发展。试验表明,该模式提高了英语教学的效果。     

基于激光扫描的人脸软组织三维重建研究

提出了基于激光扫描技术进行人脸软组织三维重建的方法.首先采用激光扫描系统对人脸进行扫描,然后利用采集的点云数据,通过计算机辅助设计与制造(CAD/CAM)中的反求工程方法,建立面部三维曲面模型.通过重建的模型与原始点云数据进行比较分析可知,面部轮廓的反求精度可达0.30～0.02 mm.利用本文所提出的面部软组织重建方法,可以为颌面外科与面部正畸研究提供三维研究模型.     

基于DCT的模糊面部超分辨率性别识别模型研究

为解决智能监控领域中存在的基于人脸图像的性别识别准确率不高的问题,本研究构建了DCT-FSR-CNN模型。该模型以相邻两帧面部图像作为超分辨率的双输入,通过离散余弦变换和局部超分辨率技术对图像进行融合处理以提高图像整体分辨率;对Alexnet网络进行优化改进,通过融合网络中间层进行特征值优化以提高分类器的准确率。同时,将该模型与其他4种性别识别模型进行实验对比,在现实的模糊面部图像数据集上的实验结果准确率和运行速度均有明显提升,证明了该模型的应用性和有效性。     

任意方向上三维切割的实现

提出了一种通过对虚拟切片序列进行提取来实现任意方向上三维切割的方法,通过对重建三维体进行旋转,选择需要生成虚拟切片的部位的切入方向和切入点,就可以得到任意方向的虚拟切片.从实现结果可以看出,与传统的三维切割方法相比,该方法可以更好的节约存储空间且操作可具有更大的随意性.     

基于模糊集和k-means算法的变压器红外图像分割

针对k-means算法的k值选定和复杂背景下红外图像误分割问题,提出了一种结合模糊集理论和k-means算法的改进方法。该方法根据灰度级直方图估计k值,在获得k值的基础上,利用直方图均衡化和模糊集理论进行图像增强,然后通过k-means算法结合数学形态学的开运算,再进行图像分割。实验结果表明,该方法获得了更为准确的聚类结果,同时实验对比发现该方法相较其它方法分割效果更好,又兼顾了快速性和变压器温度细节表现能力。     

老人和孩子：灾难性事件的一个新闻图片框架分析——以《人民日报》报道日本3.11大地震为例

老人和孩子已经成了灾难性事件的一个常用框架,《人民日报》一周内对日本311地震的报道,运用框架理论,具体分析新闻图像的框架效果,使得该结论能够应用到更广泛的大众传播中,达到更好的传播效果。     

基于视角不变的三维手势轨迹识别

提出了一种新颖的基于视角不变的三维手势轨迹识别方法,手势分割采用Kinect传感器获取图像深度信息,通过先定位起始点再定位结束点的方法定位手心点,使手势轨迹点定位有自动无延时的特性。采用改进的质心距离函数表示视角不变的三维轨迹特征,隐马尔可夫模型用于训练和识别有效的轨迹。实验结果表明,该方法具有光照及复杂背景鲁棒性,数字0～9的平均识别率可达97.7%。     

基于超分辨率模型与YOLO V4的织物疵点检测

针对工业条件限制下采集的印花布数据集图像分辨率低、检测效果差等问题，课题组提出基于超分辨率模型SRGAN与YOLO V4网络的织物疵点检测方法，并对SRGAN算法进行改进。课题组首先使用改进的SRGAN算法对原数据集进行超分辨率重构，提高图像分辨率；然后将重构图翻转变化与原图共同作为数据集输入YOLO V4进行网络训练；最后通过YOLO V4网络检测印花布表面疵点。实验结果表明：该方法可提高低分辨率织物图疵点检测效果，准确率高达90.29%，比超分辨率重构前提升了13.19%，能实现实时定位疵点的准确位置并输出疵点类别。     

基于多级特征稀疏表示的遥感图像分类

针对遥感图像样本较少、特征维数高、特征对分类器贡献差异等问题,提出一种多角度、多尺度特征增益的多级稀疏表示遥感图像分类方法,将遥感图像在8个角度5个尺度高斯分解以提取Gabor视觉特征,将粒子群算法中的惯性权重和加速因子设置为适应度的函数以避免早熟和加速收敛,改进后的粒子群算法寻找中心最大频率和带宽参数的最优取值,通过稀疏表示构建Gabor特征视觉词典,形成遥感图像稀疏系数矩阵作为分类器的输入,在分类器中引入信息熵和条件熵,计算特征增益以区分不同特征对分类器的贡献差异,并给出特征增益支持向量机高斯核函数的表达式实现图像分类。在Pavia University数据集上仿真测试结果为:改进粒子群寻优中心最大频率和带宽组合参数后相比随机确定组合参数的分类精度分别提高67.56%和62.49%,均方误差分别降低0.432 1和0.430 9,30步训练时间增加了37.354 s和34.276 s,分类的总体精度相比未考虑特征增益的SVM、BoVW或PLSA分别提高了1.96%、4.47%和5.39%,Kappa系数分别提升0.038 9、0.068 5和0.076 8。和弦图对分类结果可视化,更加直观地表现出所提方法类间混淆最少,总体分类精度最高。结果表明:二维Gabor滤波器组的中心最大频率和带宽对分类器的性能具有较大影响,通过寻优组合参数值用较小的时间可换取分类性能的较大提升,低频窄带提高了图像的描述能力和可解释性,特征增益可进一步提升分类器的性能,从而整体上改善遥感图像分类效果。