简介：摘要：宫颈癌是威胁女性健康的最大杀手之一，每年全世界大约会新增的病例数多达数十万。其中我国的宫颈癌发病率常年居于世界第一，严重危害着我国女性的生命安全，遏制宫颈癌在我国的蔓延刻不容缓。在宫颈癌的检测方法中宫颈细胞的显微图像检查是公认的最简单、最经济和最直接的方法。这种方法是通过观察宫颈细胞的显微图像，根据医生的专业知识去判断出宫颈细胞是否病变。但是，观察过程中，显微图像所显现在医生面前的细胞，大多都是以重叠，不清晰的细胞块出现，不利于医生的准确观察。

简介：

简介：摘要：图像匹配是信息领域中的一项重要技术，同时也是其它一些图像处理技术的基础。因此,对现有匹配算法展开研究以提高图像处理质量具有十分重要的意义。本文分析了图像匹配常用方法的优点和不足之处，讨论了图像匹配中需要进一步研究和解决的问题。

简介：摘要：随着科学技术的发展，人工智能已经被广泛应用到生活中，计算机视觉作为其中的重要领域，也被研究者逐渐重视。本文重点讲述了卷积神经网络以及图像分割的发展史，重点讲述了目前具有代表的deeplab神经网络架构中的特点，分析其中的原理，对后续的研究具有借鉴作用。

简介：摘要：深度学习是人工智能领域的重要研究方向，TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍，在Tensorflow框架基础之上实现了U-Net网络模型；然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。

简介：摘要：图像加密本质上就是对数字图像信息进行隐藏换位的一种方法。本文通过实验模拟仿真分析，比较普通置乱加密算法和Logist混沌序列加密算法，发现原始图像的统计特性经过混沌序列加密后扩散到均匀分布中，降低了原始图像和加密后图像的相关性，增加了破解的难度，提高了图像的保密性。

简介：摘要：深度学习已广泛应用于医学成像的分割中。2015年提出的U-Net模型显示了精确分割小目标及其网络架构可扩展的优势，使其成为医学成像分割任务的主要工具。近年来，随着对医学图像分割性能要求的不断提高，研究人员通过采用新方法或将引入其他方法等手段，从结构、创新性、效率等方面对U-Net架构进行了许多进步。U-Net的成功之处在于它在MRI、CT、眼底成像、超声图像和X射线等几乎所有主要图像模式中被广泛应用，并有巨大的发展潜力。

简介：摘要：书法是我国传统文化的重要组成部分，书法书写的生成一直是毛笔制作行业的重点和难点。传统的模型和基于经验的方法，笔触只能用简单的几何图形来表现，真正写毛笔字时的笔触和笔迹很难还原。传承中华文化，最重要的部分是不断创新和加强科学技术，提高实时笔画生成技术。基于影像语言的分割技术可以复原真实的笔画。

简介：摘要：在图像分析中，经常会对图像中的几何参数进行比较分析，其中涉及长宽,面积等，通常采用最小外接矩阵的方法进行分割测量，测量的时候一般先提取叶片的最小矩形，由于植物叶片表面粗糙并且不规整，边缘的棱角也呈现的极不规律，这就要求我们在处理的过程中，针对最小外接矩阵的各项参数以及所采用的算法都具有一定的特性，。如今，通常采用目标旋转法，顶点链码法两种。但是之前的算法要求高速的计算机运算。在原有的基础上，提出一种优化算法进行分析在植物叶片上。

简介：摘 要：针对传统的帧间聚类法提取关键帧存在大量冗余关键帧信息的问题，为了消除视频序列之间的冗余关键帧信息，本文提出改进的帧间聚类算法。首先使用帧间聚类法提取关键帧，其次是使用感知哈希算法区分两帧之间的相似性，将得到的关键帧计算其哈希值，并比较哈希值之间的汉明距离来判断关键帧的冗余关系，进而选择出最佳关键帧。最后以较少的关键帧来表达视频的主要内容，使得拼接工作量大大减少。针对传统算法图像配准提取特征点不精确，鲁棒性低，纹理差的区域很难识别到特征点等问题。本文使用LoFTR算法在图像重叠区域进行特征点检测，能够显著提高特征点的匹配精度。匹配特征点之后，使用RANSAC(Random Sample Consensus)算法获取单应性矩阵，之后对图像进行变换，实现对图像重叠区域的对齐，再通过加权平局融合算法对图像进行融合，实现对视频序列的无缝拼接。最终得到全景图在标准差和信息熵两个方面与对比实验相比均有提升，对比实验结果证明提出的算法显著改善了拼接的效果。

简介：摘要：近年来，图像采集受到环境因素干扰较大，如何重建原始图像去除天气因素带来的干扰成为计算机视觉行业最具挑战性的重大问题之一。常见的图像去雾方法是--对抗生成网络、灰度补偿和特征融合、多边缘信息融合、重加权二阶正则项。主要解决了还原路面纹理的细节、沙尘图像的检测精度和分割准确率较低、对计算机要求较高、边缘融合软件需要集成大量的高画质影片、图片等数据的问题。本文介绍了一种基于CNN网络的图像去雾算法，可改善图像的修复效果。

简介：摘要：本文对低照度图像增强的空域法、基于Retinex理论、基于去雾算法和基于深度学习的算法进行了综述，并给出了对比分析。

简介：摘要：为了获得理想的视觉效果，技术人员要在计算机视觉算法的基础上实施图像处理技术，将物体在三维空间内的实际坐标用三维体素表示出来，并矫正因投影而造成的畸变图像。相比于传统的BP神经网络，基于计算机视觉算法的图像处理技术显然更具优势，有更高的精度。本文将重点对其进行探讨。

简介：摘要：图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。图像匹配是目标识别、目标跟踪、超分辨率影像重建、视觉导航、图像拼接、图像配准、三维重建、视觉定位等许多领域的核心问题之一，对于后期的图像分析与图像处理起着至关重要的作用。随着人工智能与深度学习的快速发展、软硬件技术的不断提高，基于双摄像头的视觉系统愈发成为当今社会研究的热点问题。本文对双目视觉的图像匹配算法进行了研究。

简介：

简介：摘要：本文对基于图像处理的输电线路异物识别的研究现状进行了详细的综述。首先对一些典型的算法进行了分析和评价，总结出算法中的不足，对比分析了各种算法的应用场景。最后总结现存的问题，分析并展望了深度学习应用于输电导线异物检测的优势。

简介：摘要：现代无人机设备等设备容易受到雾霾天气影响，在景色图像获取的时候会表现出低对比度、弱色彩、低信息可辨识度等现象，为了解决此类现象，本文期望借助深度学习算法的方法。依靠其强大的数据学习与决策能力，能够在图像去雾方面呈现出良好的实际效果。

简介：摘要：遥感图像目标检测在城市规划、资源调查和灾害监测等领域应用广泛，基于遥感图像的目标检测具有重要研究意义。遥感技术为人们快速、全面了解地表覆盖变化提供了技术支持，在高分辨率遥感技术不断发展的大背景下，大量高品质遥感图像的采集越来越方便。遥感图像是利用遥感技术生成的远距离图像，可以对目标进行有效的处理。目标检测是遥感图像处理的基础任务之一，通过对遥感图像的分析可以分辨出水体、植被等目标，同时遥感影像可以识别更小的目标，如具体的树木、人、交通标志、足球场标志线等等，因此遥感图像目标检测已经成为当前研究的热点问题。遥感设备拍摄图像时由于设备距离目标较远，包含的地面范围大，受到分辨率的限制，待检测目标可能以微小形式显示在遥感图像中，这些检测目标具有尺度小、特征弱等特点，为图像目标的检测工作带来较大难度。

简介：[摘要]目的：查究基于深度学习的肺炎病灶分割算法在新冠肺炎中的应用效果。方法：抽选肺炎CT影像与分割病灶模型36例，肺炎CT影像测试模型6例，CT影像测试分类模型28例，非肺炎/肺炎CT影像训练模型108例，基于深度学习，对新冠肺炎疑似患者14例的CT影像进行病灶分割分析，并进行对比分析。结果：基于深度学习的肺炎病灶分割在新冠肺炎中的应用，病灶分切部位的特异性是97.2%，灵敏度是95%，新冠肺炎阳性患者的病灶密度、受累肺叶数量均与阴性患者间的数据差异性较大，在统计学方面存在意义（P＜0.05）。结论：致。

简介：[摘要]目的：查究基于深度学习的肺炎病灶分割算法在新冠肺炎中的应用效果。方法：抽选肺炎CT影像与分割病灶模型36例，肺炎CT影像测试模型6例，CT影像测试分类模型28例，非肺炎/肺炎CT影像训练模型108例，基于深度学习，对新冠肺炎疑似患者14例的CT影像进行病灶分割分析，并进行对比分析。结果：基于深度学习的肺炎病灶分割在新冠肺炎中的应用，病灶分切部位的特异性是97.2%，灵敏度是95%，新冠肺炎阳性患者的病灶密度、受累肺叶数量均与阴性患者间的数据差异性较大，在统计学方面存在意义（P＜0.05）。结论：致。