【摘 要】
：
乳腺病灶自动检测对于后续计算机辅助诊断具有重要意义。本文融合背景先验、自适应中心先验以及频率先验等三种先验知识，提出一种多显著性检测方案实现超声影像中的乳腺病灶检测。该方案包含图像预处理、显著性检测和显著性优化等三个步骤。此外，为了提高检测准确率，提出了一种基于经验累积分布函数的自适应阈值分割方法和一种改进的自适应中心先验检测方法。实验证明，本文提出的多显著性检测方案精确率达92.50%，召回率8
论文部分内容阅读
乳腺病灶自动检测对于后续计算机辅助诊断具有重要意义。本文融合背景先验、自适应中心先验以及频率先验等三种先验知识，提出一种多显著性检测方案实现超声影像中的乳腺病灶检测。该方案包含图像预处理、显著性检测和显著性优化等三个步骤。此外，为了提高检测准确率，提出了一种基于经验累积分布函数的自适应阈值分割方法和一种改进的自适应中心先验检测方法。实验证明，本文提出的多显著性检测方案精确率达92.50%，召回率87.05%，F-measure值达91.18%，能够更好地检测乳腺超声病灶。
其他文献
视觉传感器正成为移动装置的重要组成部分或任务载荷。视频信号存在的抖动，限制了视觉传感器的应用范围。现有电子稳像技术由于只使用单一的图像特征为依据，所以无法实现复杂场景视频的稳像。本文以多视几何为理论依据，提出了一种基于相机阵列的视频稳像方法。其特点在于将相机阵列用于获取复杂场景的视频信息，将线匹配用于估计相机阵列的运动轨迹，进而实现视频稳像。实验结果表明相对于对比算法，本文算法可以获得更好的视觉效
行人重识别是指从一堆候选图片中找到与目标最相似的行人图片，本质上是一个图像检索的子问题。为了进一步增强网络提取关键特征的能力以及抑制噪声的干扰，通过对基于注意力机制和局部特征的行人重识别算法的研究，提出了结合注意力与局部特征融合的行人重识别算法。该算法将ResNeSt-50作为骨干网络，联合软注意力与非局部注意力机制，采用双流结构分别提取行人细粒度全局特征和细粒度局部特征，通过关注不同特征之间共享
正交匹配追踪（Orthogonal Matching Pursuit，OMP）算法是压缩感知系统中应用最广泛的重构算法之一。OMP算法中的最小二乘（Least Squares，LS）问题涉及到矩阵求逆运算，是计算复杂度最高的部分。本文提出了一种近似OMP算法，通过优化最小二乘问题提高重构速度，更利于硬件实现。设计了一种基于FPGA的近似OMP算法的硬件实现架构，主要包含计算模块、存储模块和控制模块
大多数图像标签完备方法仅依据待完备图像的视觉特征搜索近邻图像，获取候选标签实现完备，往往忽略候选标签与初始标签隐含的语义和视觉关系。为有效完备图像标签，本文依据信息的相互学习机制提出一种基于视觉和语义互学习的标签完备标注方法。首先，依据待完备图像的视觉特征和初始标签语义，搜索其近邻图像集并获取候选标签；其次，根据候选标签与初始标签的视觉内容相似性和语义相关性度量候选标签与待完备图像的关联度；最后，
本研究以濒危物种观光木（Tsoongiodendron odorum）为研究对象，通过测定广西地区5个不同纬度上观光木当年生小枝及叶片功能性状，探讨观光木当年生枝条生物量的分配规律和叶片功能性状的变化规律及其影响因素。结果表明：（1）随着纬度的增加小枝总重和总叶重总体呈异速生长关系，其生物量更多的趋于对小枝的构建。（2）观光木叶功能性状呈现一定规律：从南向北随纬度的增加，其叶面积、叶重呈逐渐降低的
在卷积神经网络中融入注意力机制越来越成为语义分割强化特征学习的重要方法。论文中提出了一种融合了局部注意力和全局注意力的卷积神经网络。首先，输入图像经主干网络的特征提取，并行输入给局部注意力和全局注意力模块。局部注意力模块以编码-解码结构实现多尺寸的局部特征融合，全局注意力模块根据每个像素与其所在特征图上所有像素的相关性捕获全局信息。融合两个注意力模块不仅减少了局部信息的丢失，而且捕获了具有长距离依
川西高原是中国高海拔泥炭地集中分布区，有机碳资源丰富，但由于方法学差异及数据缺乏，其有机碳分布研究存在一定程度的不确定性，因此，探究其分布特征对于补充该地区泥炭资源数据具有重要意义。通过大量野外调查，收集了川西高原阿坝州和甘孜州共87个样点的0-30 cm深度泥炭沼泽土壤样品，分析了其有机碳含量及有机碳密度分布特征，并讨论了环境因子对有机碳分布的影响。结果表明，在垂直分布上，川西高原泥炭沼泽表层（
鸟类活动引起的电网故障呈现上升趋势，为了辅助输电线路巡检人员进行鸟类识别，本文提出一种基于YOLOv4目标检测的渉鸟故障相关鸟种图像识别方法。利用巡检图像与网络资源构建电网渉鸟故障典型危害鸟种图像数据集，并进行图像标注与数据增广。建立YOLOv4检测模型，采用多阶段迁移学习进行模型训练，并引入Mosaic数据增强、余弦退火衰减及标签平滑三种方法提升训练效果，分析先验框个数、训练方法、样本数量等因素
吸收强度涨落调制成像（AIFM）方法基于血红细胞和背景组织对低相干光照明的吸收差异，通过在频域分离动态的血红细胞信号和静态的背景信号，能够实现对近透明活体生物样本全场无标记的光学血管造影成像。但此成像方法需采集较长的原始图像序列，系统漂移或生物抖动会造成图像模糊，难以实现对某些特定区域的血管造影成像。本文提出一种结合AIFM成像和归一化互相关算法的新方法来提升血管造影图像的质量:原始的图像序列被分
针对相关滤波跟踪算法中训练样本污染容易导致模型漂移和目标丢失等问题，提出基于峰值旁瓣比样本分类的自适应去污算法，建立了样本污染特征、滤波器响应图和跟踪结果之间的内在联系，研究了样本分类机制和参数动态更新策略。通过样本分类阈值将训练样本划分为反映不同污染程度的样本集，并分别训练出对应各类样本集的滤波器；根据峰值旁瓣比动态更新特定样本集的样本权值及其滤波器参数；最后对各类样本集的相关滤波器进行加权融合