简介:摘要:随着我国社会以及经济的不断进步,人们生活以及工作对电力的需求也越来越大。如何在人们的生活质量和工作效率不受影响的状态下,有效的供应电能,是目前电力工作者面临的一大难题。在这样的背景下,状态检修应运而生。状态检修指的是通过对设备进行带电检测的方式,发现设备是否存在安全隐患。如果发现存在安全隐患,会对这些设备进行单独的停电检修处理。应用多光谱图像融合的相关电力设备故障点的检测方法在智能电网的状态检修系统中变得非常重要。
简介:随着我国社会以及经济的不断进步,人们生活以及工作对电力的需求也越来越大。如何在人们的生活质量和工作效率不受影响的状态下,有效的供应电能,是目前电力工作者面临的一大难题。在这样的背景下,状态检修应运而生。状态检修指的是通过对设备进行带电检测的方式,发现设备是否存在安全隐患。如果发现存在安全隐患,会对这些设备进行单独的停电检修处理。应用多光谱图像融合的相关电力设备故障点的检测方法在智能电网的状态检修系统中变得非常重要。
简介:摘要:高光谱图像的波段多、维度高,图像中蕴含着丰富的信息,在军事、农业、食品和医学等领域具有重要的应用价值。高光谱图像分类是高光谱领域的研究热点,对于促进经济发展和改善民生福祉具有重要意义。然而,由于高光谱图像存在数据冗余性大和标记样本数量不足等问题,严重影响分类精度的进一步提高。因此,为了充分提取高光谱图像中的判别性特征,在有限的标签样本和较低的计算成本下取得较好的分类结果,本文的主要研究了针对高光谱图像的判别性特征提取难度大以及计算冗余的问题,提出了一种基于密集非对称卷积与空洞卷积空闲块网络的高光谱图像分类算法。
简介:摘要:高光谱图像分类一直是遥感领域的研究热点。由于高精度光谱特征的遥感对象图像富含深层次特征的光谱信息和空间信息,以及待捕捉特征的光谱信息与高精度光谱遥感数据采集对象之间的非线性空间关系,这些传统分类方法无法对特征进行准确分类,如何利用这些光谱信息对深层次特征进行准确分类识别,如何准确提取地物的深层特征并使其更容易分类,是高精度光谱遥感图像特征分类领域下一步技术研究的热点。目前,卷积神经网络模型作为工业深度学习的主要技术模型,已经发展成为工业图像分析处理的重要技术应用。深度机器学习特征方法系统作为一种强大的特征提取器,广泛应用于高精度光谱度的图像特征分类和分析任务。如何针对具体问题搭建网络,也是深度学习的研究内容之一。
简介:摘要目的探讨多光谱眼底分层成像仪(RHA)在白内障眼中获取可用于观察分析的眼底图像的可行性。方法采用横断面研究设计,纳入2016年12月至2017年1月于上海交通大学附属第一人民医院接受手术的白内障患者41例45眼。扩瞳后行晶状体混浊程度分级以及RHA眼底成像检查。按晶状体混浊程度分为4个组:皮质混浊组18眼,核性混浊组21眼,后囊下混浊组2眼和混合型组4眼。采用RHA2020全层扫描模式获取眼底图像,对眼底图像清晰程度进行评价,并比较皮质混浊组及核性混浊组眼底图像清晰度评分。结果45眼中晶状体混浊度最轻的1眼分级为C0N2P0,最重的2眼分级分别为C2N5P2和C4N2P4。晶状体核混浊4级、皮质混浊3级或后囊下混浊3级明显降低RHA眼底图片的清晰度,尤其是红绿光组合图(620 nm+550 nm)的清晰度降低最明显。在光谱580 nm和590 nm处可观察到皮质混浊组视盘及视网膜血管,清晰程度评分分别为2.0(1.0,3.0)和2.0(2.0,3.0);在光谱810 nm处可观察到视网膜血管、脉络膜血管以及色素分布,清晰程度评分为2.0(2.0,3.0),显著低于红绿光组合图的3.0(2.0,3.0),差异有统计学意义(P<0.05)。核性混浊组中,核混浊3级时RHA眼底图像仍清晰;核混浊4级时RHA眼底图像清晰度明显下降,在光谱580 nm和590 nm处偶可见视网膜血管,其清晰程度评分分别为1.0(1.0,3.0)和2.0(1.0,3.0);在光谱810 nm和850 nm处可观察视网膜血管、脉络膜血管以及色素分布,其清晰程度评分为2.0(1.0,3.0),显著低于红绿光组合图的3.0(1.5,3.0),差异有统计学意义(P<0.05)。在后囊下混浊组中,光谱580 nm处可观察视网膜血管,光谱810 nm和850 nm处可观察视网膜血管、脉络膜血管以及色素分布。混合型白内障组中850 nm处可观察到视网膜血管走行,血管反光不可见,脉络膜血管区域性可见。结论除重度白内障外,RHA中580、590、810和850 nm光谱成像可获取白内障患者的眼底图像,有助于及时发现白内障术前眼底疾病以及评估预后。
简介:摘 要: 随着LED技术的发展,人们逐渐开始追求照明效果和光品质,目前的LED白光还存在着光谱不连续、蓝光危害等问题待解决。现有的一些技术仍具有各自的缺点,本文设计一种可发多波峰的外延多量子阱结构,并研究量子阱对数和位置对芯片发光光谱的影响,获得可调控光谱形状的方法,最终搭配荧光粉而实现低蓝光、光谱连续、高显指的白光。
简介:摘要目的结合图像自动分割技术和机器学习方法对乳腺钼靶X线图像进行准确分类识别。方法以数字钼靶X线图像数据库(DDSM)中的BI-RADS4类的簇状分布多形性钙化钼靶图像为研究对象,自动切分图像的感兴趣区域(ROI)。对小波变换、Gabor滤波和灰度共生矩阵法所提取的特征参数进行融合,并基于灵敏度分析对融合后的特征参数进行筛选。使用基于集成学习的方法,对多项式核支持向量机(SVM)、随机森林和逻辑(logistic)回归分类器进行投票集成,构成用于乳腺钼靶X线图像自动分类的分类器。投票集成方法为软投票。结果提出的集成分类器可高效地识别与分类乳腺钼靶X线图像,其分类的灵敏度、特异度和准确率分别为99.1%、99.6%和99.3%。结论所提出的乳腺钼靶X线图像处理与分类识别方法能为医生的临床判断提供辅助检测的依据,并为细分BI-RADS4类图像提供技术基础。
简介:摘要:血红蛋白细胞显微图像分割是显微图像分析的关键步骤,良好的血红蛋白细胞显微图像分割结果可以提高目标检测、信息分析等后续显微图像处理任务的准确度,帮助专家进行更精确的分析。以往血红蛋白细胞图像分割工作以人工为主,这不仅浪费人力物力,同时专家的专业程度以及疲劳程度也会影响识别的准确度,无法稳定地提供高质量的分割结果。同时,血红蛋白细胞显微图像有着血红蛋白细胞尺寸变化大、血红蛋白细胞形状不规则、血红蛋白细胞边界不明显及噪点较强等特点,这些特点进一步提高了人工识别的难度。因此,对血红蛋白细胞显微图像分割工作进行自动化处理具有非常重要的意义。