教学课程资源库 更多>>

关键词： 成像系统   显微热成像   光学微扫描   数字图像处理   自适应位置标定  

摘要： 利用光学微扫描技术,可在不改变探测器结构的情况下,提高显微热成像系统空间分辨率。但为了获得高质量过采样重构图像,微扫描位置需要标定。基于零点定标,提出一种各点自适应定标的微扫描位置标定方法。模拟实际系统在定标前后的欠采样图像,采用不同重构方法进行仿真对比验证;完成了实际采集的欠采样显微热图像序列的重构对比实验。实验结果表明该方法明显改善了显微热成像系统的过采样重构图像质量,提高了系统空间分辨率。此方法还可以应用在其他光电成像系统中。

关键词： 医学超声图像   改进型C-V模型   分割方法   数字图像处理   局部灰度信息  

摘要： 数字图像处理技术近几十年来得到了飞速发展,其在各行各业中也发挥了重要作用。在医学诊疗中,通过数字图像处理技术的应用,越来越多的疾病得以在术前被发现,从而为患者带来了希望,为医生减轻了负担,推动了医学成像技术的发展。医学超声成像技术相比其他医学成像技术,具有低成本、无辐射、实时性、可重复性好等优点,被誉为“现代四大医学成像技术”之一,目前已在乳腺、血管、肿瘤和产前诊断方面得到广泛应用。然而,由于医学超声成像过程中会产生大量斑点噪声,不仅将妨碍医生对图像中病灶性质的诊断,而且也会对后期的图像分割处理产生负面的影响。针对这一现状,本文在深入调研超声成像机制以及当前医学超声图像去噪和分割的研究现状基础上,提出和改进了适用于医学超声图像去噪和分割方法,并对所提出的方法进行了实验验证。\n 本文首先对课题背景和意义、医学超声成像和本文组织结构进行了概述。针对现有的医学超声成像去噪和分割方法进行了现状介绍,然后提出了一种去噪模型和两种改进型的C-V模型,主要内容如下:\n 1、针对现有的医学超声图像去噪模型,深入分析了其各自特性,在此基础上提出了一种自适应SUSAN扩散去噪方法。该方法引入了SUSAN算子进行图像边缘检测,并利用K-means算法自适应地得到图像的全斑点噪声区域和相关参数,最后结合非线性扩散理论对医学超声图像进行迭代去噪。实验结果证明提出方法与PM模型、SRAD模型、NCD模型等在去噪程度和边缘保留方面具有更好的效果。\n 2、首先介绍了传统活动轮廓模型和水平集方法,然后重点介绍了Chan-Vese(C-V)模型,并分析了它的优缺点。从分析中可以看出该模型方法在对灰度不均匀图像的分割方面还存在的不足,针对这种问题,本文提出了一种基于局部灰度信息的改进型C-V模型,即LocalGrayChan-Vese(LGCV)模型,通过使用图像局部灰度信息,该模型可以在较少的迭代次数内分割灰度不均匀图像。实验结果也证明了本方法的有效性。\n 3、当前,大多数图像分割方法都是基于图像灰度信息提出的,但是相比图像灰度信息,相位信息能更准确地检测出带斑点噪声的医学超声图像中边缘。因此,本文在C-V模型的基础上,结合图像中局部相位信息,提出了一种基于局部相位信息的改进型C-V模型,即LocalPhaseChan-Vese(LPCV)模型,并对该模型在医学超声图像分割中的应用进行了实验验证。实验结果也证明了本方法的可行性。

关键词： 机器视觉   工件表面   缺陷检测   数字图像处理   GPU技术   并行计算  

摘要： 金属工件表面的质量是保证其产品质量和商业价值的重要组成部分。为了克服传统检测手段的不足,本文引用机器视觉检测技术实现工件表面质量的自动监测。机器视觉具有非接触、实时、精度高等优点,广泛的应用于各个领域。本文提出了两个关键的要素,即保证检测的精度和实时性,论文围绕这两个要素展开进行算法设计。视觉技术主要利用数字图像处理作为算法和设计的关键,检测主要包括图像混合噪声滤波,图像分割与二值化,缺陷特征提取,缺陷识别与分类等关键技术。为了实现实时在线检测的需求,本文结合并行计算理论,提出了整个算法的设计思路,并通过实验对思路进行了验证。\n 1、完成系统硬件平台的搭建,并对其中关键技术进行讨论。对系统中的照明方案、摄像机和镜头的选型、图像处理单元等进行了详细的分析,在搭建好的平台上获取工件的最佳表面图片。\n 2、完成核心算法的设计。在MATLAB仿真平台上对图像进行混合噪声滤波,提出了灰度数字形态学滤波,采用正交的模板对图像进行形态学运算,实验对比传统的算子验证本算子的最优比。缺陷的检测需要分割感兴趣的图像区域,本文采用了简单易行的差影法,在对差影后的图像进行二值化时采用OSTU法确定分割阈值。对缺陷的标记方便后续的识别和分类,8连通标记法能够满足缺陷的标记。为了量化缺陷区域,采用灰度特征、形态特征、纹理特征、投影特征等量进行优化表征缺陷的大部分信息。最后采用对缺陷识别与分类比较有优势的BP神经网络作为分类器。对设计的算法进行验证,数据表明能够确保检测的精度。\n 3、实时在线检测的关键是提高算法的处理速度,GPU在处理大规模运算方面具有独特的优势。针对前面设计的缺陷处理算法进行并行化处理,本文在CUDA平台上实现混合噪声滤波,图像二值化,连通域标记,纹理特征量提取的并行算子的设计,通过实验,得出了在保持原有检测精度的同时还能够改善程序执行效率的高性能算法。

关键词： 微气泡   图像处理   气泡直径   速度测量  

摘要： 对实验室条件下拍摄到的气泡图像进行了一系列的图像处理操作,得到了较为清晰的气泡图像。继而应用扫描法测量气泡的直径,用粒子跟踪测速法(PTV)测量稀疏气泡的运动速率,用粒子图像测速法(PIV)测量高密度气泡的运动速率。以上方法均得到了相应的测量结果,为工业上对微气泡的测量提供了一定的参考。

关键词： 数字图像处理   词汇树检索   网页爬虫   图书感知系统   智能手机  

摘要： 随着现在智能移动终端的升级换代以及移动通信技术的高速发展，智能手机终端通过移动网络接入的方式给人们带来了全新的互联网体验。随着图像多媒体信息的日益增加，传统的文字检索引擎已经无法很好的满足用户的检索需求，在这样的背景下，图像搜索引擎开始应运而生，而这其中，以图书检索应用最为广泛。基于手机的图书检索应用，一般需要根据图书的条形码或者图书封面图片作为检索依据，这样的应用，每次只能检索一本图书，并且缺少对图书相关信息的有效整合。\n 针对传统手机图书检索应用的不足，综合考虑书架图书应用场景的特点，本文设计并实现了一款基于词汇树检索的智能手机图书感知系统。该系统通过手机获取书架上排列在一起的图书图片上传到服务器完成图书检索工作，并通过网页爬虫系统为手机用户提供更为详尽的图书相关信息。\n 本系统为了提高检索的准确度，首先需要区分查询图片中每一本相邻图书的书脊边缘线。在详细分析书架图书的图像特征基础上，结合多种数字图像处理技术的特点，通过边缘提取、角度方向提取、过滤短边缘、滤波、直线提取等方法提取相邻图书之间的边缘线，实现相邻图书边缘的有效分割，并通过测试验证算法的效率以及准确性。\n 然后，实现基于词汇树的图像检索算法识别每一本图书，该图像检索算法在传统的SIFT特征提取算法以及视觉特征袋分类方法的基础上，利用k-means分层聚类算法生成视觉词汇，然后采用TF-IDF的加权方式，有效的提高图像检索的效率。\n 同时，为了整合不同网站的图书信息，本文设计并实现了网页图书信息主题爬虫系统。通过分析信息抓取的特点以及网站源代码，利用该爬虫系统从相应网站抓取需要的图书信息并存储到数据库中，整合用户较为关心的图书信息，最终为用户提供一款图像检索与Web信息检索相结合的手机图书感知系统。

关键词： 数字图像处理   车牌定位   车牌识别   投影检测法  

摘要： 车牌识别是一项涉及到数字图像处理、计算机视觉、模式识别、人工智能等多门学科的技术，它在交通监视和控制中占有很重要的地位，已成为现代交通工程领域中研究的重点和热点之一。该项技术应用前景广泛，例如用在自动收费系统、不停车缴费、失窃车辆的查寻、停车场车辆管理等等。\n 车牌识别一般可以分为车牌的定位、牌照上字符的分割和字符识别三个主要组成部分。其中，车牌定位是车牌识别的关键技术之一，是后续的字符分割以及字符识别的前提，影响着字符分割、字符识别的准确率。本文对近年来国内外关于车牌定位的算法进行了研究分析，在此基础上设计出了本文的车牌定位系统，并给出了实验结果。主要工作如下:\n 首先对车牌图像进行预处理，包括:图像灰度化、灰度图像增强、图像滤波、边缘检测、二值化、消弱背景干扰六个部分，并分别对这六个部分进行了详细的分析，选择出适用于本文的车牌图像预处理方法。\n 其次对于车牌定位部分，本文提出了一种新的定位方法，该方法在继承已有方法优点的基础上，结合车牌纹理及颜色两方面的特征对车牌进行定位。该方法包括牌照区域的粗定位和精确定位两个步骤。在粗定位阶段，根据二值化后车牌区域的灰度跳变特征，采用了一种改进的基于投影检测法的定位算法粗定位出车牌区域;在精确定位阶段，采用了一种新的RGB组合形式加强颜色特征以精确定位出车牌位置。\n 本文是通过VC++平台来实现算法编程的，针对常规背景以及不同光照条件下的图片进行了测试，测试结果证明本算法操作简单、快速、高效，满足车牌定位系统实时性和准确性的要求，能够较好的完成车牌定位的功能，达到了预期的效果。

关键词： 数字图像处理   教学模式   教学改革  

摘要： 研究"数字图像处理"课程的教学内容、教学模式及其内在规律,从教学内容、实践环节、相关科研和考核方式等方面进行科学性教学改革,达到培养创新实践型人才的目的.

关键词： 数字图像处理   图像压缩   图像增强和复原   图像分割   图像分析  

摘要： 简要概述了数字图像处理技术的应用及发展现状、数字图像处理的特点及处理过程,重点介绍了数字图像处理技术的研究内容,进一步分析了影响及制约数字图像处理技术发展的主要因素,最后展望了数字图像处理技术的发展趋势。

关键词： 自动聚焦   高通量DNA测序   聚焦评价函数   黄金分割算法   数字图像处理  

摘要： 显微镜自动聚焦系统是高通量DNA图像采集过程中的重要组成部分。高通量DNA测序仪器获取的DNA芯片样本图像的好坏，直接关系到DNA图片数据的后期处理和DNA序列的质量。为满足第二代高通量DNA测序获取芯片样本图像数据的需求，论文基于数字图像处理的方法，构建了基于PC的显微镜自动聚焦系统，从而能够获取清晰、准确的DNA图像。\n 本文主要包含了以下几方面的内容:\n (1)自动聚焦的基本原理。包括了透镜的成像原理、成像系统的点扩散函数和光学传递函数、成像系统的分辨率、焦深和景深以及基于数字图像的自动聚焦系统原理。\n (2)论述了各种类型的聚焦评价函数并对它们进行了实验对比分析。论文把聚焦评价函数分为五大类:基于微分的评价算法、基于图像峰值和谷值的评价算法、基于图像对比度的方法、图像像素相关性评价算法和频率域评价算法。提出了评价聚焦评价函数性能的评价准则，并采用高通量DNA芯片样本数据进行了实验对比分析。选取阈值绝对梯度算法作为粗聚焦搜索算子，归一化方差算法或邻域相关算法作为细聚焦搜索算子。\n (3)讨论了线性搜索算法、二分搜索算法、黄金分割搜索算法以及斐波那契搜索算法。提出了适合Nikon显微镜的广域分割斐波那契搜索算法，它分为两个阶段，粗聚焦搜索阶段和细聚焦搜索阶段，并确定了适合各阶段的聚焦评价函数算子。\n (4)基于PC机的显微镜自动聚焦系统。系统主要包括PC计算机、CoolSNAPHQ2 CCD摄像机、数字图像采集卡、Nikon TE2000电动型倒置显微镜、OptiScanⅡ平台扫描器件等部分。同时采用VC++的MFC框架结构实现了自动聚焦系统的控制软件。

关键词： 核主成分分析   特征提取   图像降噪   边缘检测   算法模型  

摘要： 本文主要研究了基于核主成分分析的图像降噪与边缘检测问题。传统的去噪和边缘检测算法难以保证去噪图片的质量与兼顾人的主观感受，因此，本文给出了一种非线性主成分分析的算法模型，即核主成分分析(KPCA)，它是将原空间数据通过一个非线性变换Φ映射到高维的特征空间F中，在F中进行主成分分析。通过核技巧，它只需在原空间进行点积运算，而不必知道Φ的具体函数形式，从而大大减少了计算时间及繁琐程度。\n 使用核主成分不但可以保留主成分的优点，还可以将主成分分析(PCA)由线性领域拓展到非线性领域。对于一幅图片而言,因图像中包含的信息过大，且图像中的大量数据并不呈线性关系，使用PCA就会显得十分的冗繁，这时用KPCA方法就可以很好地解决图像数据的非线性和特征提取问题，首先用KPCA提取出图像的主分量，再用主分量在原始空间中重建原数据的近似解，即图像重建。\n 在深入研究核主成分分析原理基础之上，本文主要研究以下几方面的内容:\n 第一、在图像重建时，利用样本数据在特征空间中的投影系数重建原始数据近似解，本文采用标准梯度下降法，梯度每次迭代都是沿着迭代点函数值下降最快的方向搜索，梯度法尽管收敛速度较慢，但其迭代的几何概念比较直观，方法和程序简单，存储单元较少，在理论上，梯度法是一种极为重要的基本优化方法。\n 第二、在图像去噪时，从以下两个方面进行对比分析:(1)对原图片分别加入高斯噪声与椒盐噪声，分析比较用KPCA处理两种加噪图像的处理结果;(2)加入高斯噪声后，改变噪声方差，观察KPCA对不同噪声的处理结果;(3)在图像预处理阶段就对图像分块，分块的方式按照方阵来划分，块的大小按实际情况来划分，本文比较了几种不同的分块方法;(4)改变核函数的参数，观察处理结果。\n 第三、在图像边缘检测时，通过对加高斯噪声图片和不加噪的图片进行边缘提取，分析对比两种情况的处理结果。\n 第四、对图像去噪和边缘检测后，图像处理的评价标准分为主观和客观两种。主观评价主要是作为观察者的主观评价，由主观人的肉眼对图片质量进行评估，这种方法受到人的主观因素影响。客观评价主要有信噪比(SNR)，峰值信噪比(PSNR)，均方误差(MSE)和边缘保持指数(EPI)等等。\n 本论文通过KPCA方法与传统的图像去噪和边缘检测算法比较，可以看出KPCA能够很好地提取出图像特征，同时有较好的去噪和边缘提取效果。