中国体视学与图像分析杂志
Chinese Journal of Stereology and Image Analysis 중국체시학여도상분석
- 主管单位： 中国科学技术协会
- 主办单位： 中国体视学学会
- 影响因子： 0.29
- 审稿时间： 1-3个月
- 国际刊号： 1007-1482
- 国内刊号： 11-3739/R
- 论文标题 期刊级别 审稿状态
-
基于GVF-Snake模型改进的X线图像分割
参数活动轮廓模型目前越来越被广泛应用于医学图像分割中,而GVF-Snake模型更是其中研究较为广泛的一种.在人体手部指骨的X线图像分割中,对指节间隙的分割要求较高,传统的GVF-Snake模型方法需要较多的控制点选取,且分割结果并不稳定.因此,本文提出了一种基于改进的GVF-Snake模型分割方法,对图像灰度先进行线性分段处理,再通过直方图的重分布处理,使得图像的对比度增强,便于进行GVF-Snake模型法分割.实验结果表明,采用改进的方法,只需少许几个控制点,即可得到比较精确的图像分割效果,是一种比较好的改进算法.
-
基于视差和变化检测的立体视频对象的实时提取
随着立体视频的发展,立体视频对象提取技术也成为研究的热点.本文提出一种基于视差和运动变化检测的立体视频对象实时提取算法:结合立体视频的视差、运动和边缘等信息,由立体匹配得到视差图,对视差图初次提取得到二值图像,再运用对称差分法变化检测,根据对象的运动速度实时选取用于变化检测的视频帧,结合运动信息提取出终的立体视频对象.实验表明该算法能够实时地从复杂背景中提取出视频对象,并可以保证在视频停止变化时保持视频对象的连续输出.
-
基于面部动作单元组合特征的表情识别
人脸表情可以被看作是由面部表情编码系统(FACS)定义的不同面部运动单元的组合.不同于人脸图像的灰度、纹理等表象特征,基于面部运动单元的表情混合特征能够更准确地描述表情,然而,面部运动单元很难精确定位,为了避免这个问题.在前人的工作中通过将图像分成许多子块,并从子块中提取面部运动单元信息来组成基于面部运动单元的表情成分特征.在此基础上.本文首先通过对人脸图像的眼睛和口部作粗定位,接着根据眼睛和口部的水平位置,提取眼睛区域、口部区域和鼻子区域的图像子块,然后对每个子块提取Haar特征,并采用错误率小策略从这些子块中选出面部运动单元组合特征,后使用组合特征进行学习得出弱分类器,并嵌入到Boost学习结构中构造出强分类器.通过在Cohn-Kanada数据库上的测试,证明本文的方法能够取得很好的表情分类效果.
-
基于多颜色空间和场均直方图的视频场景分类
视频分析中的一个热点和难点是研究视频的语义,例如场景分类、视频检索、移动目标行为分析等.其中场景分类是视频语义研究中的一个基础问题.在对视频场景进行分割的基础上,通过分析场景多个颜色分量的统计直方图,发现大多数典型场景总有一个或者多个颜色分量的场均直方图具有独特性,即在某个场景中,其累计的平均直方图的形状是与特定场景相关的.提取高斯拟合后场均直方图各峰的峰高、峰位和峰宽等特征,利用小二乘法,提出了一种基于多颜色空间和场均直方图的视频场景分类方法,并以常见的五种视频场景为例进行了初步应用.实验表明,该方法具有较好的分类效果.
-
基于两幅视图的纵向插补方法
目前,纵向移动视点的多视图插补仍然是高质量漫游系统的一个难点问题.为大家熟知的进入式漫游(TIP)由于采用单幅图像放大的方法造成图像分辨率下降,而多幅图像分别构造TIP模型的方法在漫游过程中存在着明显跳跃的不足.基于两幅视图的纵向插补方法在获得摄像机中心处于同一条直线上的两幅图像后,用平面射影变换求对应的射影区域;然后利用这两幅图像的焦距关系,计算边缘点的空间位置;后利用边缘点确定射影区域的空间位置和像素RGB值.实验证明该算法简单,容易实现,漫游效果平滑.
-
基于虚拟定标线的巡检机器人视觉导航
控制巡检机器人沿着导航线移动,关键技术之一就是准确判断机器人相对于导航线的方位和距离.本文提出了一种新的定位导航线技术,即引入虚拟定标线,将图像处理后检测到的导航线与相应位置的虚拟定标线进行比较,从而获得机器人相对于导航线的实际偏离角度和距离,进而利用模糊控制策略,对机器人沿着导航线的行走进行控制.实验表明,该算法能准确实现机器人的定位,控制机器人沿着导航线行进.
-
基于双边滤波的POCS超分辨率图像序列重建算法
针对传统凸集投影(POCS)超分辨率图像序列重建算法使用高斯滤波器来估计点扩散函数(PSF)导致边缘模糊的现象,本文采用双边滤波器来估计PSF,双边滤波方法是将高斯函数和图像亮度信息相乘,优化后的权系数再与图像作卷积,使重建后的图像边缘得到很好保持.运动估计是POCS超分辨率图像序列重建算法的关键技术,本文选择结合图像金字塔的光流估计对图像序列进行配准,得到更加精确的估计结果.实验表明,可以使重建图像取得良好的视觉效果.
-
基于SIFT及射影变换的多摄像机目标交接
运动目标正确交接是多摄像机视频监控中的关键,视野分界线是解决目标交接的有效工具.不需标定摄像机参数,提出了一种利用尺度不变特征变换(SIFT:seale-invariant freatures transform)及射影变换实现目标交接的算法.首先使用SIFT算法在不同视角拍摄的图像间自动生成匹配的特征点,由空间共面的特征点及其相应匹配点生成图像间的单应变换矩阵.然后由图像边界点及单应矩阵计算摄像机视野(FOV:field of view)分界线.后利用目标位置信息及射影变换实现目标正确交接.实验结果表明本文的方法具有有效性和鲁棒性.
-
基于SURF特征的目标跟踪
本文利用SURF特征进行目标跟踪,通过匹配模板图像和视频序列中各个运动对象的SURF特征确定目标位置.文中用于目标匹配的特征是图像中的局部性特征,具有尺度不变性和旋转不变性,对缩放、小视角改变、噪声、亮度变化具有很好的适应性.实验表明该方法是一种简洁有效的目标跟踪识别方法.
-
基于Laws能量和变化频次的伪装色移动目标检测
动态背景下的移动目标检测是视频监控的研究热点之一,具有伪装色的移动目标检测是其中的一个难点.传统的高斯混合模型不适合检测这类移动目标.通过分析动态背景下具有伪装色移动目标的颜色变化规律,提出了利用Laws能量和一种称为变化频次的特殊统计量的检测方法.实验表明,该方法能够有效地检测某些动态背景下一些具有伪装色的移动目标,即在摄像头固定情况下,对于平缓变化的动态背景中颜色变化幅度较大或者表面纹理复杂的具有伪装色的移动目标,该方法具有良好的检测效果.
-
多媒体信息服务中色情图像检测算法
随着3G网络的不断发展,多媒体信息服务已成为移动通讯中的主要业务之一.为了向客户提供绿色健康的多媒体信息,色情画面的检测和过滤显得尤为重要.为此,本文针对3G多媒体信息服务设计了一种色情信息过滤系统.首先,提出基于混合高斯模型的肤色敏感区域提取算法,实现了对不同人种、光照下的肤色区域提取,然后结合基于主动相关反馈的Bootstrap方法进行多视角人脸检测,解决了不同光照、角度下人脸识别问题,后,利用肤色面积、人脸在人体结构中的比例、构图规则以及敏感部位的识别结果判断图像性质.该系统已成功应用于广东移动的现网中,有效阻止了色情信息的传播.
-
基于X射线图像的容器中液体物质的识别
识别容器中液体的物质,是车站、机场安检工作中极为迫切的需求.本文提出了一种全新的基于X射线图像的方法对液体物质进行识别.利用容器的形状知识,通过优化方法来获得各条X射线所穿透的容器外壁厚度和液体厚度,以及外壁和液体的吸收系数,从而可以消除X射线探测信号中容器外壁所造成的影响.在实验中,成功地对高密度容器中的水和酒精进行了区分.实验结果证明,本文的方法能有效区分容器中像水、酒精、汽油这样密度相近的物质.
-
基于MeanShift和Harris算子圆网印花机对花检测的研究与设计
为了实现基于智能相机的圆网印花自动对花系统,本文提出了基于均值漂移(MeanShift)算法的彩色印花图案分割技术和基于Harris角点检测的块匹配算法.将扩展形式的均值漂移算法用于印花图案的分割,实验证明该算法能对印花图像进行良好的分割.把已分割标准图像的各套色区域提取出来,采用Hareis算子进行特征点检测,并以这些特征点为中心,选定标准匹配块,在处理好的实时采集的图像中找到佳匹配块,计算对花误差.通过仿真和实验验证算法是可行性的,为实现在线对花检测闭环控制打下基础.
-
基于边缘形态变换的彩色织物图像分割算法
新疆民间织物图像具有鲜明的民族特色,为了生成和创新民族民间织物图像,如何自动分割织物基元是一个关键问题.论文以问题为驱动,提出了一种基于边缘形态变换的彩色织物图像分割算法.首先,对彩色图像进行颜色空间的变换,然后根据图像特征提出调整图像大小的前处理标准,再利用Canny算子检测边缘,对检测边缘进行形态变换后处理,后标记变换图像的封闭区城进行织物图像的分割.实验数据表明:该算法虽然是几种常用算法的组合,但较好解决了民间织物彩色图像分割问题,而且对不同类型的织物图像,均可以获得令人满意的分割结果.
-
融合多高斯混合模型与Graph Cuts优化技术的目标自动检测方法
本文将时城信息与空域信息融合,利用Graph Cuts全局优特性,通过自适应的信息融合策略,提取运动目标.在自动化跟踪系统中,从图像序列提取运动目标信息,是进行目标检测与跟踪的前提.目前,目标信息提取方法包括对视频图像序列的时域和空域进行分析.利用时域信息,可以比较好地提取出目标的运动信息,区分出前景和背景.而把利用空域信息的图像分割技术运用到目标跟踪系统中,也是近年来比较热点的研究问题.本文提出了一种将时域信息与空域信息很好地融合的运动目标检测方法,通过对多高斯混合模型提取的前景信息进行无监督学习,构建似然能量模型,然后通过Graph Cuts优化技术提取目标.从而实现了鲁棒的目标自动检测.
-
用于医用X射线图像传感器的14位流水线ADC设计
用CMOS(complementary metal oxide semiconductor)图像传感器取代传统医用X射线透视仪器对于医疗设备的便携化、数字化具有重大意义.由于医疗应用的特殊要求,对于CMOS图像传感器要求具有12位以上分辨率的输出,因此本文设计了一个具有14位分辨率的流水线ADC(analog digital converter)来满足X射线CMOS图像传感器系统的要求.由于X射线CMOS图像传感器的面积很大,因此将像素阵列分割成若干块同时并行读出.每一块将用到一个14位的流水线ADC.这种并行结构将大大降低对于ADC速度的要求.根据系统要求,本文设计的ADC的速度为3 MS/s.通过采用类似并行流水线ADC的结构,将ADC设计的速度要求降低一倍,缓解由于高精度设计带来的设计压力.仿真结果表明本设计可以达到14位的设计精度.
-
基于形态学重构运算的医学CT图像滤波方法
提出一种基于数学形态学开-闭重构的医学CT图像滤波方法.该方法合理选取不同尺度的结构元素和标记图像,利用数学形态学开-闭重构运算对图像进行滤波,解决了传统滤波方法处理医学CT图像时滤波效果差及模糊图像边缘信息的问题.仿真结果表明该方法在复杂噪声情况下能够有效滤除噪声并且边缘保持效果较好.
-
低剂量对比剂在64排螺旋CT主动脉成像中的探讨
目的探讨64排螺旋CT不同体重注射不同对比剂量在胸腹主动脉血管成像的中应用.方法临床可疑主动脉病变患者,知情同意后分A、B两组.A组20例:体重在60kg以上注射60ml时比剂+40ml生理盐水、B组20例:体重在60kg以下按1ml/kg对比注射+适量的生理盐水;两组均采用相同注射速率和浓度行对比剂浓度实时监控触发扫描,测量升主动脉、胸7(T7)及腰2(L2)水平降主动脉、主动脉分叉处CT值及血管横截面直径,并在扫描前测量患者的体重、身高、血压、心率.由两位影像诊断高级职称医师对重组主动脉及分支血管显示进行评价,并对血管强化程度、血管横截面直径、体重、身高、血压、心率数据进行统计学分析.结果两组在升主动脉、胸7(T7)及腰2(L2)水平降主动脉、主动脉分叉等处的平均CT值分别为:331.10Hu、342.52Hu、308.71Hu、299.75Hu和337.10Hu、325.59Hu、322.06Hu、308.34Hu,血管横截面平均直径为:37.40mm、25.12mm、17.91mm、15.50mm和35.20mm、23.08mm、12.37mm、11.80mm,体重为:72.50kg、49.50kg,身高为:175.70cm、150.50cm.血压为:130/78mmHg、124/78mmHg,心率76.5次/分、74.6次/分;两组间各点的平均CT值强化不具有统计学意义(p>0.05),重组血管清晰度及显示血管分支也无差异,各点的血管横截面平均直径具有统计学意义(P<0.05),体重、身高具有明显差异(P<0.01)、血压、心率各组不具有统计学意义(P>0.05).结论 64层螺旋CT行主动脉MSCTA检查时,个性化因人而异不同体重注射不同对比剂量可获得良好的CTA图像,并满足诊断要求,为临床提供可靠的诊断依据,还降低了CIN潜在的风险.
-
CT扫描中的汇聚式双目立体视觉系统参数研究
CT扫描过程中人体的微小运动会造成运动伪影,降低了CT图像的分辨率,影响临床医学诊断.本文搭建了一个基于汇聚式的双目立体视觉系统用于记录CT扫描过程中的人体运动,以便在后续工作中消除运动伪影.因此,系统记录的三维坐标的精度将直接影响后续的算法修正工作.本文对于此立体视觉系统进行了参数测试实验,对于定标模板设计、定标参数选择、摄像机摆放以及世界坐标系的选取进行了详细的讨论与研究.实验结果表明:经过参数优化的系统空间分辨率达到了0.05 mm,满足了实际应用需求.
| 年 | 期数 |
| 2018 | 01 02 03 |
| 2017 | 01 02 03 04 |
| 2016 | 01 02 03 04 |
| 2015 | 01 02 03 04 |
| 2014 | 01 02 03 04 |
| 2013 | 01 02 03 04 |
| 2012 | 01 02 03 04 |
| 2011 | 01 02 03 04 |
| 2010 | 01 02 03 04 |
| 2009 | 01 02 03 04 |
| 2008 | 01 02 03 04 |
| 2007 | 01 02 03 04 |
| 2006 | 01 02 03 04 |
| 2005 | 01 02 03 04 |
| 2004 | 01 02 03 04 |
| 2003 | 01 02 03 04 |
| 2002 | 01 02 03 04 |
| 2001 | 01 02 03 04 |
