由于椎骨间的形态差距较小、椎体的结构较为复杂,椎骨的CT图像分割处理近来成为医学研究的热门话题之一.本文针对脊柱CT图像水平集分割方法对初始轮廓敏感问题,提出了基于加权随机森林和水平集模型的有效椎骨CT分割方法WRF-CV(Wighted R...由于椎骨间的形态差距较小、椎体的结构较为复杂,椎骨的CT图像分割处理近来成为医学研究的热门话题之一.本文针对脊柱CT图像水平集分割方法对初始轮廓敏感问题,提出了基于加权随机森林和水平集模型的有效椎骨CT分割方法WRF-CV(Wighted Random forest-Chan Vese).本文方法提取图像的SIFT特征,利用加权随机森林回归算法获得脊柱中心点位置,并将平稳控制演化速度和噪声敏感度的水平集分割模型初始轮廓置于预测中心点处,通过求解能量函数演化方程最小值来实现椎骨分割.本文对5190张CT图像进行了评估,方法在椎骨分割测试中得到较好的分割效果,可以更加有效准确地分割椎骨CT图像.展开更多
针对当前加密图像可逆信息隐藏方法中存在的嵌入率低,标记图像直接解密后视觉质量差的问题,提出一种位平面分块编码的加密图像可逆信息隐藏方法。算法通过2D sine logistic混沌映射对图像分块加密,保留块内像素的相关性。将加密后的图...针对当前加密图像可逆信息隐藏方法中存在的嵌入率低,标记图像直接解密后视觉质量差的问题,提出一种位平面分块编码的加密图像可逆信息隐藏方法。算法通过2D sine logistic混沌映射对图像分块加密,保留块内像素的相关性。将加密后的图像块化分成8个位平面,在低阶位平面中,根据块平面内0元素和1元素的分布情况,进行编码压缩,利用压缩后块平面内生成冗余空间进行机密信息的嵌入,图像的其余位平面部分则保持不变。在接收端,接收者获取密钥后可以进行信息提取,图像解密和图像的无损恢复。利用标准图像库中图像进行仿真实验,结果表明:随着可嵌入低位平面数的增加,算法的嵌入容量逐渐增大,在低阶平面数取3时,该算法保持较高的嵌入率时,仍然使得直接解密后的图像仍具有较高的PSNR值。展开更多
针对目前人脸识别方法中的特征提取缺乏细节和运算量较大的问题,提出一种面向方向选择的差值局部方向模式人脸识别算法(Direction-Selected Difference Local Direction Pattern)DSDLDP,首先利用Kirsch算子计算像素的卷积值,并进行第一...针对目前人脸识别方法中的特征提取缺乏细节和运算量较大的问题,提出一种面向方向选择的差值局部方向模式人脸识别算法(Direction-Selected Difference Local Direction Pattern)DSDLDP,首先利用Kirsch算子计算像素的卷积值,并进行第一次相邻差值计算,然后选择特定方向进行二次差值计算生成DSDLDP模式编码,并利用等价模式降低编码模式种类.最后人脸图像被划分成多个通过DSDLDP编码的图像块,生成对应的直方图,串联起来表示人脸向量.实验结果表明,与当前主流的人脸识别算法相比,DSDLDP算法提取人脸特征更为细致,识别率更高,抗噪声有更好的鲁棒性.展开更多
文摘由于椎骨间的形态差距较小、椎体的结构较为复杂,椎骨的CT图像分割处理近来成为医学研究的热门话题之一.本文针对脊柱CT图像水平集分割方法对初始轮廓敏感问题,提出了基于加权随机森林和水平集模型的有效椎骨CT分割方法WRF-CV(Wighted Random forest-Chan Vese).本文方法提取图像的SIFT特征,利用加权随机森林回归算法获得脊柱中心点位置,并将平稳控制演化速度和噪声敏感度的水平集分割模型初始轮廓置于预测中心点处,通过求解能量函数演化方程最小值来实现椎骨分割.本文对5190张CT图像进行了评估,方法在椎骨分割测试中得到较好的分割效果,可以更加有效准确地分割椎骨CT图像.
文摘针对当前加密图像可逆信息隐藏方法中存在的嵌入率低,标记图像直接解密后视觉质量差的问题,提出一种位平面分块编码的加密图像可逆信息隐藏方法。算法通过2D sine logistic混沌映射对图像分块加密,保留块内像素的相关性。将加密后的图像块化分成8个位平面,在低阶位平面中,根据块平面内0元素和1元素的分布情况,进行编码压缩,利用压缩后块平面内生成冗余空间进行机密信息的嵌入,图像的其余位平面部分则保持不变。在接收端,接收者获取密钥后可以进行信息提取,图像解密和图像的无损恢复。利用标准图像库中图像进行仿真实验,结果表明:随着可嵌入低位平面数的增加,算法的嵌入容量逐渐增大,在低阶平面数取3时,该算法保持较高的嵌入率时,仍然使得直接解密后的图像仍具有较高的PSNR值。
文摘针对目前人脸识别方法中的特征提取缺乏细节和运算量较大的问题,提出一种面向方向选择的差值局部方向模式人脸识别算法(Direction-Selected Difference Local Direction Pattern)DSDLDP,首先利用Kirsch算子计算像素的卷积值,并进行第一次相邻差值计算,然后选择特定方向进行二次差值计算生成DSDLDP模式编码,并利用等价模式降低编码模式种类.最后人脸图像被划分成多个通过DSDLDP编码的图像块,生成对应的直方图,串联起来表示人脸向量.实验结果表明,与当前主流的人脸识别算法相比,DSDLDP算法提取人脸特征更为细致,识别率更高,抗噪声有更好的鲁棒性.
