【摘 要】
：
针对手机终端进行尿常规自动化检测问题,提出一种基于多颜色分量的尿常规检测试纸图像处理算法.对HSV颜色空间中的S分量以及RGB颜色空间中的各个颜色分量执行阈值分割,实现试纸定位,通过透视变换算法做角度校正;使用颜色直方图与投影法对待检测色块进行分割;基于HSV颜色空间建立标准颜色库,将分割后的图像与标准颜色库中的图像利用欧氏距离进行颜色识别.实验结果表明,该方法可以有效地实现尿液试纸条图像分割与检测.
【机 构】
：
重庆师范大学计算机与信息科学学院 重庆401331;中国科学院苏州生物医学工程研究所 江苏 苏州215163;重庆师范大学计算机与信息科学学院 重庆401331;中国科学院苏州生物医学工程研究所 江苏
论文部分内容阅读
针对手机终端进行尿常规自动化检测问题,提出一种基于多颜色分量的尿常规检测试纸图像处理算法.对HSV颜色空间中的S分量以及RGB颜色空间中的各个颜色分量执行阈值分割,实现试纸定位,通过透视变换算法做角度校正;使用颜色直方图与投影法对待检测色块进行分割;基于HSV颜色空间建立标准颜色库,将分割后的图像与标准颜色库中的图像利用欧氏距离进行颜色识别.实验结果表明,该方法可以有效地实现尿液试纸条图像分割与检测.
其他文献
针对自然语言和无人机远程操控的语义理解问题,提出一种基于语义本体的无人机人机交互控制方法.以电力巡线为领域背景,基于本体的方法构建人机交互的概念体系,用OWL语言描述并定义地图信息数据,形成概念本体事实库.以概念本体事实库为基础,构建多元语义关系,生成关于位置节点的拓扑关系结构和语义解释接口,提出基于标签稀疏图的语义位置推理方法和轨迹控制算法,从而实现人机在统一的概念内涵和位置推理基础上的交互控制.研发语义本体人机交互模拟演示系统,通过实验证明:作为人机交互实例,该方法可以为无人机电力巡线提供位置导航和轨
节点的自私行为将严重影响机会网络的传输性能.为激励节点协作,提出一种基于信誉度惩罚策略的重复博弈模型.惩罚策略以信誉度度量节点的历史行为,并设计不同程度的惩罚,重复博弈中节点考虑未来的长久收益以及对自私表现下惩罚的恐惧而选择协作转发.利用演化博弈理论分析并证明了节点由自私向协作行为转变的动态过程中的演化稳定性.仿真结果表明,该模型可有效激励节点参与协作,在自私节点较多时,也能保证较高节点传输成功率和较低的网络延迟.
针对传统组播在5G通信系统中吞吐量低的问题,提出一种组播分组策略与资源分配的联合优化算法.该方法根据用户的信噪比(Signal to Noise Ratio,SNR)采用最大最小距离K-means聚类,将组播用户划分为多个子组,最大化组播子组内最小的SNR.同时在该分组策略下,采用改进的人工鱼群算法进行子载波分配,通过将子载波分配变量映射为人工鱼的位置,把组播系统吞吐量转化为人工鱼在某一位置的食物浓度进行迭代寻优.数值仿真结果表明,该方法的系统吞吐量相比于遗传算法和传统组播分别提高了5.3％和16％.
由于Ad Hoc网络中的节点可以随处移动,因此网络的拓扑结构也随时变化.目前的路由协议很难满足它的通信需求.设计一种适用于动态环境的实时预测路由方案,用于提高数据传输的效率.综合考虑节点的通信半径与路由的可靠性,判断路由重建时机.在预测到通信路由不可靠时,发出路由更新消息,融合各种指标作为选择新路由的依据,从而提高通信连通的有效率.实验结果表明,对通信链路质量的实时预测既能减小通信时延,也能确保新路由的有效性,采用该协议比其他协议数据传输比率平均提高约5％,最高可达约10％.
中文短文本分类最重要的是提取和表示短文本特征,传统的表示方法静态训练词向量,存在特征稀疏、语义不足等问题,对此提出一种基于改进词性信息和ACBiLSTM的中文短文本分类模型.用BERT模型动态训练词向量,引入词性因子优化,将得到的具有词性信息的词向量作为输入层信息;经过卷积神经网络初步提取局部特征,通过双向长短时记忆网络进一步得到具有上下文时序信息的中间向量表示;结合注意力机制,突显关键信息,获得最终文本特征表示.在FudanNews、SougouNews及THUCNews数据集上将该模型与其他模型进行对
针对传统无线传感器网络(Wireless Sensor Network,WSN)对运动目标的定位和跟踪容易产生明显误差的问题,提出利用改进FOA-GRNN和迭代Cubature卡尔曼滤波的实时目标跟踪方法.基于改进FOA-GRNN法,利用从锚点接收到的运动目标的模拟(RSSI)值和相应的实际目标二维位置对GRNN进行训练,从而获得单个目标在二维运动时的准确初始位置;利用迭代Cubature卡尔曼滤波法对实时目标进行精准定位和测距,获得实时目标的准确定位和跟踪信息;将改进的FOA-GRNN法和迭代Cubat
恒星星系的精准识别是开展很多天文海量数据分析和处理任务的基础.受环境因素影响,采集到的暗星体观测数据使得恒星和星系差异不明显,而且暗星体数据量较小,给分类带来困难,所以在恒星/星系识别任务中准确地识别暗星体成为近年来研究的重点.提出一种用于极暗星体识别的硬调整孪生网络模型,解决了小样本问题和困难样本挖掘问题,将极暗星体的识别效果较目前最好结果提升了8百分点左右;同时提出用于暗星体和亮星体识别的代价敏感模型,解决了数据量充足条件下的困难样本挖掘问题,暗星体和亮星体的识别效果较目前最好结果分别提升了1百分点和
随着医学人工智能的发展,医疗领域的知识抽取成为研究热点,其中诊疗关系的自动识别和抽取有助于医生进行诊疗决策.为了提高关系抽取的效果,提出一种结合规则聚类和词频分析的方法.从医疗文本中自动抽取关系发现词作为额外特征输入,并融合深度学习模型进行医疗领域关系抽取.使用以疾病为中心的诊疗流程相关文本展开实验验证,结果表明,将该方法用于医疗关系抽取可以显著提升效果.
深度图与相机位姿参数是图像三维场景重建的重要数据,使用两个卷积网络分别预测,不仅效率低并且切断了二者之间的联系.对此提出一种联合预测深度图与相机位姿的卷积神经网络,输入单幅RGB图像,经过共享编码器编码,经两路子网络分别解码输出深度图与相机位姿参数,其中位姿预测子网络也为双路结构,将位置与姿态参数分离,避免两类参数的串扰.该网络的多任务结构通过信息共享可提升预测精度和效率.实验验证了该方法的可行性与优异性.
针对现有烟火检测算法对小尺寸烟火目标检测效果差,容易产生漏检和误检的问题,提出一种基于改进型SSD的视频烟火检测算法.利用DenseNet网络作为SSD的基础网络,提高其对小目标的检测能力.为了改进SSD中的正负样本不平衡的问题,在损失函数中引入Focal loss函数,通过提高难分样本在损失函数中的权重,提高算法的鲁棒性.在仿真实验中,通过构建烟火数据集对改进的SSD模型进行训练.实验结果表明,相比现阶段主流的几种目标检测算法,该算法在兼顾检测速度的同时提高了对小尺寸烟火目标的检测效果.