【摘 要】
：
在复杂多变的海面环境下,应用红外成像技术对海面中小目标进行搜救时,为有利于后续针对不同场景的目标处理,有必要对采集的原始图像进行分类处理。根据不同的环境条件,将海面红外图像分为五类场景。从两个方面对训练集图像进行特征提取,一个是通过高斯滤波将图像分为基础层和细节层,然后使用改进的方向梯度直方图(HOG)方法提取特征;另一个是提取图像的局部对比度得到局部特征。将提取的特征向量融合并输入到分类器中,使
论文部分内容阅读
在复杂多变的海面环境下,应用红外成像技术对海面中小目标进行搜救时,为有利于后续针对不同场景的目标处理,有必要对采集的原始图像进行分类处理。根据不同的环境条件,将海面红外图像分为五类场景。从两个方面对训练集图像进行特征提取,一个是通过高斯滤波将图像分为基础层和细节层,然后使用改进的方向梯度直方图(HOG)方法提取特征;另一个是提取图像的局部对比度得到局部特征。将提取的特征向量融合并输入到分类器中,使用支持向量机(SVM)对测试集图像进行分类。文章使用了HOG和局部对比度方法(LCM)结合的新特征描述符
其他文献
We present a multiview method for markerless motion capture of multiple people. The main challenge in this problem is to determine crossview correspondences for the 2 D joints in the presence of noise
Monte Carlo based methods such as path tracing are widely used in movie production. To achieve low noise, they require many samples per pixel,resulting in long rendering time. To reduce the cost,one s
In this paper, we consider salient instance segmentation. As well as producing bounding boxes,our network also outputs high-quality instance-level segments as initial selections to indicate the region
Quantitatively evaluating the psychological and perceptual effects of objects is an important issue,but is difficult. In cognitive studies, the psychological potential field(PPF), which represents psy
We propose a novel end-to-end deep learning framework, the Joint Matting Network(JMNet), to automatically generate alpha mattes for human images.We utilize the intrinsic structures of the human body a
慢性肾脏病是一种在世界范围内广泛存在的肾脏疾病。该疾病一旦发展到晚期,伴随而来的是严重并发症与较高死亡风险。因此,早期筛查对于慢性肾脏病诊治至关重要。超声作为一种无创方法,能动态观察肾脏形态和病理特征,常用于肾脏检查。本文提出一种新的卷积神经网络模型,称为纹理分支网络,基于超声影像作慢性肾脏病筛查。该模型通过在经典卷积神经网络中引入纹理分支来提取和优化纹理特征,可自动生成输入图像的纹理特征和深度特
相较于以往将靶区作为单独区域进行自动分割的神经网络,本文提出了一种利用靶区周围器官的位置及形状信息来限定靶区形状及位置,并通过多个网络的叠加融合空间位置信息,从而提高医学图像自动分割精度的堆叠式神经网络。本文以格蕾丝眼病为例,基于全卷积神经网络构建了堆叠式神经网络,对其左右两侧放疗靶区分别进行分割。以医生手动勾画结果为标准,计算体积戴斯相似系数(DSC)和双向豪斯多夫距离(HD)。相较于全卷积神经
超声检查是甲状腺病变检查中的常用手段,其检查结果主要由甲状腺超声图像和检查所见文本报告组成。实现医疗图像与文本报告的互相检索(简称:互检)可以为医生及患者提供极大的便利,但目前尚未有将甲状腺超声图像与文本报告相关联的互检方法。本文提出一种基于深度学习的跨模态甲状腺图文互检方法,并在跨模态生成对抗网络的基础上提出改进方法:①将原网络中用于构建公共表示空间的部分全连接层之间的权重共享约束改为余弦相似度
基于深度学习的脑图像分割算法是目前的一个研究热点。本文首先对脑图像分割的意义以及相关算法内容进行系统阐述,突出了基于深度学习的脑图像分割算法的优势。然后,本文从针对脑图像存在的问题所提出的基于深度学习的脑图像分割算法、先验知识引导的基于深度学习的脑图像分割算法和基于通用深度学习模型的脑图像分割算法三个方面,介绍近年来流行的基于深度学习的脑图像分割算法,以便相关领域的科研工作者更系统地了解目前的研究
针对肺部病变及支气管干扰等因素导致的肺实质分割困难的问题,本文提出一种融合表面波(surfacelet)变换与脉冲耦合神经网络(PCNN)的肺实质分割算法。首先,通过surfacelet变换对三维肺部计算机断层扫描数据进行多尺度多方向分解,利用局部修正拉普拉斯算子选择处理后的子带系数增强图像的边缘特征;然后,经surfacelet逆变换得到增强后的图像作为PCNN的反馈输入;最后,通过循环迭代完成