教学课程资源库 更多>>

关键词： 十字教学   数字图像处理  

摘要： 给出一种十字教学方法,即"课程间联系,课程内框架",以理清电子信息工程本科专业及研究生相关课程间的逻辑关系、搭建课程内的知识体系框架为目的,提升学生的学习高度,做到有的放矢,同时找准学习的重点和方向,提高学生的逻辑思维能力、自主学习能力。

关键词： 分数阶光子轨道角动量   边缘增强   数字图像处理  

摘要： 作为光学信息处理中一个重要的应用方向,图像边缘增强在图像分析、目标识别、以及编码等领域中起到了无可替代的作用。自Davis等人提出径向希尔伯特变换以来,螺旋相位滤波在图像的边缘增强对比传统数字图像处理显示出了明显的优势。由于分数阶光子轨道角动量涡旋光束也称分数阶螺旋相位滤波是具有螺旋相位波前,中心附近有黑色涡旋核心和径向开口的特殊光束,其逐渐成为研究热点。本文研究了基于分数阶光子轨道角动量的图像边缘增强。论文的主要研究内容如下:首先,根据径向希尔伯特变换原理,本文建立了基于分数阶光子轨道角动量的图像边缘增强4f光学滤波系统,类比基于整数阶螺旋相位滤波的图像边缘增强理论模型,构建了基于分数阶光子轨道角动量的图像边缘增强的模型,通过基于分数阶光子轨道角动量的图像边缘增强模型的仿真模拟并进行理论分析,给出了影响基于分数阶光子轨道角动量输出图像边缘增强的效果改变的实质是相位结构的改变。然后,针对图像不同的边缘类型,通过对基于分数阶光子轨道角动量典型图像的理论模拟以及验证,其中,典型图像矩形和圆形分别对应直线型边缘和曲线型边缘,通过边缘对比度的理论计算,提出了基于分数阶光子轨道角动量的直线型边缘增强的最优化量子数为1、曲线边缘增强的最优化量子数为1.1。经综合分析,提出基于分数阶光子轨道角动量的一般图像边缘增强的最优化量子数为1.1。从理论上验证了影响分数阶光子轨道角动量图像边缘增强深度的是量子数的大小,提出了基于分数阶光子轨道角动量的复杂图像边缘增强最优化条件为1.1。并且与数字图像处理的图像进行定性比较分析,总结出其优点是:图像边缘呈现浮雕图案,边缘响应较细,图像处理速度快,可以进行图像的实时处理。最后,从理论上验证了噪声模式以及滤波模式对分数阶光子轨道角动量图像边缘增强的影响微弱且不影响信噪比随方差的变化趋势,结果表明当加入方差为0.04的椒盐噪声时,其利用分数阶光子轨道角动量边缘增强信噪比为251.6753,相关度为0.9999,Sobel算子、Roberts算子得到边缘增强信噪比为170.8967、168.3700,相关度为0.7093、0.6765,因此基于分数阶光子轨道角动量的边缘增强信噪比高,受噪声的影响较小。

关键词： 医学图像   语义分割   数字图像处理   深度学习   卷积神经网络  

摘要： 当代医学影像学正处于高速发展和普及的阶段，这些成像技术已经成为疾病诊断和评估中不可或缺的部分。全世界每天都在产生着大量的医学影像数据，大量的医生投入到影像数据解读的工作中，如何让计算机帮助医生进行智能化的辅助诊断、提高医生的诊断效率、降低误诊率已经成为研究领域内的一个热门话题。医学图像的处理涉及多个步骤，图像分割是这些处理的首要步骤，让医学影像更加直观，作为医学图像辅助诊断中的重要一环，现有医学图像分割方法都或多或少的存在精确度不高、适用性不广等问题。　　基于上述需求，本文详细研究了医学图像领域内已有的形态学方法和分水岭的方法，他们都是从一些基本数字图像的角度，结合医学图像目标区域的特点，在二维图像上进行一些连通域、腐蚀闭合等操作实现分割，但是存在准确度不高的问题，对此本文提出一种结合了区域增长和形态学的方法，在图像的三维空间下进行区域增长，接着应用形态学上的腐蚀、闭合操作去除目标区域内的血管等完成目标分割，实验表明在肺部CT图像上本文的方法获得更高的精确度。　　近年来基于深度学习的语义分割也有了很大的发展，本文广泛研究了当下极具影响力的语义分割模型：SegNet、GCN、HDC+DUC、TernausNet，他们在自然图像语义分割上达到了多尺度输入的像素级语义分割。结合这些模型的思想，同时为了适应医学图像特点，本文将这些模型进行了适当的改进和实现，并应用在了一组肺部图像上，实验结果表明这些网络对于医学图像的分割大体上能达到像素级的分割，但是存在边界细节分割模糊、训练过程慢等问题。　　基于这些不足之处，本文针对医学图像提出了新的方法：一种将注意力机制和U-Net结合的模型AU-Net，相对于U-Net来说，该模型在跳跃连接上加了一个注意力操作，将更深层次的卷积特征融合到浅层次的卷积特征中，作为跳跃连接结果与上采样中对应尺度的采样结果串联，可以说是让模型在上采样过程中的“注意力”集中在了待分割的目标区域，这样的模型理论上拥有更高的精确度和收敛速度。　　实验表明，本文提出的AU-Net在CXR肺部CT图像数据上分割的精确度实现了97%的分割准确性，优于其他深度学习模型和传统方法，同时AU-Net不依赖于数据量，即使很小的数据集也能快速收敛。

关键词： 数字图像处理技术   公安领域   应用   发展前景  

摘要： 数字图像处理技术是一种将数码摄影及图像处理技术结合的技术类型,其具有较高的应用价值,可广泛的应用到诸多领域中,满足实际需求。数字图像处理技术可运用到公安领域,为公安人员扩展思维空间,保障执法公正提供帮助。故此,文章展开对数字图像处理技术的研究,分析其在公安领域的应用及发展前景,旨在为相关人员提供参考。

关键词： 数字图像处理技术   现状   发展方向  

摘要： 在计算机时代背景下,数字图像处理技术为人们的生活研究带来诸多便利,本文首先分析了数字图像处理技术的发展状况,并针对数字图像处理技术的发展方向进行了研究探讨,希望能够为相关专家学者的研究提供参考.

关键词： 神经丝蛋白质   图像处理   关联检测   k-均值聚类分割   Snake模型  

摘要： 视频监控检测技术是运用计算机技术将视频信息中的运动目标检测识别出来的技术,该技术目前已广泛应用于运动检测、生物医学、交通监视、人机交互、日常生活、视频索引、国防、天文观测、高校教室监控、图像检索等各个领域。近年来在医学领域也取得了不错的成果。当神经丝蛋白质过量表达时,神经信息的传输通道过载,不能有效的将信号传递给接收组织,导致骨骼肌萎缩,造成一系列神经退行性疾病。以往的神经丝标定方法是对神经丝进行免疫染色,之后进行人工手动标记,但是该方法需要大量的劳动力,且容易造成误差。故本文提出了一种基于数字图像处理技术的荧光显微下神经丝自动跟踪算法。本文分为三个模块对神经丝蛋白质运动进行分析研究,分别为图像预处理模块、图像分割模块和特征提取模块。首先,对神经丝蛋白质运动视频做数字化处理,将神经丝蛋白质运动视频信息转化为机器可以识别的数字图像信息,然后将对神经丝蛋白质图像做图像复原和归一化处理,将所有图像转化成标准模式,并对神经丝蛋白质图像做图像增强。其次,对预处理后的图像做图像分割处理,采用阈值分割算法和关联检测法搜索整张图像中包含完整目标神经丝蛋白质的部分并分割该区域,并依据两帧间图像的联系检测提取出下一帧图像中目标神经丝蛋白质的位置区域,依据神经丝蛋白质自身的特征属性,采用k-均值聚类分割算法将目标区域中的神经丝蛋白质完整的分割出来。最后,对神经丝蛋白质图像进行特征提取,将k-均值聚类算法分割后的神经丝蛋白质图像转化为二值图像,并提取出二值化图像中神经丝的最大边缘曲线,将该曲线上的离散点作为参数活动轮廓模型的初始差值点对原始图像进行轮廓提取,得到神经丝蛋白质的轮廓曲线,建立相邻两帧图像间神经丝蛋白质的空间特征关系并判断神经丝蛋白质的运动方向,最终建立神经丝运动轨迹,达到跟踪的目的。在实验部分,本文通过对比基于Mean Shift算法、Kalman滤波算法、粒子滤波算法的目标跟踪算法和本文使用的图像处理算法对神经丝蛋白质运动视频做跟踪实验,发现基于图像处理的神经丝跟踪算法明显优于其他三种算法,具有更好的跟踪精度和鲁棒性。

ISBN: (纸本)9787564366698

关键词： 数字图像处理   课程   教学案例  

摘要： 在新型工程教育的大背景下,对于本科生的教育教学改革已迫在眉睫,必须向着更加能够培养学生的自主学习能力和创新能力、更加使学生快速与当代新经济的需求接轨的目标不懈努力。对于《数字图像处理》这样一门理论知识繁杂的专业课程,笔者打破了传统教学模式,秉承"学通、会用"的要求,在构建出整个课程体系框架之后,设计典型的特色案例,让学生在解决实际问题中理解并会应用本门学科,真正发挥数字图像处理这样一门基础而又重要的专业技术在相关领域中的作用。

关键词： 森林火灾   Hadoop   特征融合   火焰识别   数字图像处理  

摘要： 森林是人类的重要资源和天然氧吧,有调节气候、净化空气和保持水土等功能,对生态环境平衡起着重要作用。但森林也是最容易发生火灾的地方,且一旦发生火灾,造成的损失将不可挽回,因此基于森林火灾的监测成为学者们的研究热点。随着森林监控范围的不断扩大和监控摄像头的大范围安装,导致监控数据大规模增长,带来的存储与处理压力使现有监测系统越来越难以应对,适应处理大规模数据的火灾图像识别算法也比较少,为此本文针对新形势下的森林火灾监测展开了研究,利用Hadoop技术处理海量监控数据,同时设计适合火灾图像识别的并行监测算法,提高对海量火灾图像数据的识别效率,满足大范围森林火灾图像的监控要求。首先,本文介绍了Hadoop平台的基本理论,主要包括HDFS文件系统、MapReduce框架和作业执行原理,针对海量图像小文件在Hadoop平台上处理会引起任务启动过多导致集群效率下降的问题,采用序列化文件的方式优化图像数据,经实验验证,优化后的图像数据使Hadoop集群的处理效率显著提升;随后根据火灾火焰图像与常见干扰物的区别,选取颜色特征、纹理特征和Sift特征作为识别判据,用中心矩、能量、对比度等描述符定量描述各特征;接着设计并实现了Hadoop下的火灾图像特征提取,在此基础之上,提出了一种并行的随机权值多特征融合图像分类算法,并依据Hadoop原理设计了适合算法的并行SVM实现方案,通过随机权值矩阵、归一化和特征融合等步骤训练得到最优SVM;最后,通过实验验证了Hadoop平台在处理海量图像数据和大运算量问题上的有效性,同时也证明了提出的并行算法相对于传统算法,不仅处理耗时短而且也取得了不错的识别效果。基于Hadoop平台的森林火灾监测,一方面用HDFS文件系统解决了海量数量的存储,另一方面基于MapReduce框架设计的并行算法也提高了火灾图像的识别率和处理效率,具有一定的实用价值。

关键词： 玄武岩   孔隙   CT扫描   数字图像处理   有限元  

摘要： 由于岩石介质具有非均质性、不透明性和多孔隙等特性,在物理试验或数值模拟中真实体现其内部三维细观结构具有一定困难。自然界中岩体的矿物组成和成岩条件复杂,因此造成岩体具有上述特殊性质,使得从岩体细观角度分析其工程和力学性质显得尤为重要。本文采用CT扫描技术、边缘检测算法、滤波算法、三维点阵映射与重构算法,建立了可以反映岩体内部细观结构的三维非均匀数值模拟方法,提供了一种有效的细观结构描述方法。通过对不同孔隙分布特征和孔隙率的玄武岩试样进行CT扫描试验,构建了可以反映玄武岩内部孔隙结构特征的三维非均匀巴西盘和直接拉伸数值试样。结合并行计算,针对岩石内部孔隙结构特征对试样破坏机制及抗拉强度的影响进行相关研究,有助于揭示孔隙对岩石宏观破坏的影响规律。主要研究工作内容为以下三个部分:1、对玄武岩试样进行CT扫描试验,获得的CT扫描图像可反映玄武岩内部细观孔隙结构。对CT图像进行剪裁、二值化、中值滤波等预处理,为构建三维细观模型提供图像资料。2、利用RFPA3D-CT软件,构建三维巴西盘和直接拉伸细观数值试样模型。模型规模可达280万单元,单元精细度可达到1/3 mm,能较好反映玄武岩中的细观孔隙结构。同时采用数字图像处理技术统计计算了巴西盘与直接拉伸数值试样的孔隙率,对孔隙率的影响进行了研究。3、结合并行计算进行了巴西劈裂与直接拉伸试验,得出以下结论:（1）通过巴西劈裂试验表明,孔隙空间分布特征与孔隙率同时对试样裂纹扩展模式与抗拉强度产生显著影响。孔隙的存在极大地削弱了玄武岩试样的抗拉强度,同时孔隙率与抗拉强度呈指数分布。当岩石试样的孔隙率较低且分布稀疏时,产生的次裂纹较少。当试样的孔隙含量较大时,产生的次裂纹较多。（2）通过直接拉伸试验表明,初始裂纹萌生位于孔隙处,随着荷载的增加拉伸裂纹横向扩展。孔隙的存在影响了试样拉伸破坏的最终形态,导致岩石试样的破坏面位置不确定,同时不同试样的拉伸裂纹形态各异。（3）在巴西劈裂试验中,试样沿着加载中轴线劈裂破坏,贯通裂纹的位置是固定的。而在直接拉伸试验中,裂纹则出现在试样中最薄弱的区域,导致最终破坏面位置不确定。因此会出现利用直接拉伸试验方法测定的抗拉强度小于巴西劈裂试验抗拉强度的情况。