王新竹
- 作品数：3 被引量：10H指数：2
- 供职机构：吉林大学通信工程学院控制科学与工程系更多>>
- 发文基金：吉林省科技发展计划基金吉林省教育厅“十一五”科学技术研究项目国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 基于快速三维主成分分析的肺CT图像检测被引量：1
- 2010年
- 为解决基于二维图像处理的计算机辅助诊疗系统（CAD）仅考虑每幅图像自身包含的信息而忽略不同扫描层之间的联系,以及数据处理过程中的海量计算问题,提出一种新的基于快速三维主成分分析（3D PCA）的有效肺CT病灶检测算法。该算法首先引入高维张量奇异值分解（HOSVD）设计3D PCA;然后以提取出的三维空间特征点为种子点,进行区域增长以获取完整的疑似病灶区域;最后,根据医学图像具体特征,设计了一种HOSVD的简化分解算法。对来自吉林省肿瘤医院的10个典型病例的五百余幅临床CT图像进行了实验,并将实验结果与当前同类算法做了比较。结果表明,检测精确度提高了约10%~21%;另外,快速算法与原算法比较,计算复杂度可降低约1/3。由于快速3D PCA可以挖掘更多存在于不同连续扫描层间的有用信息,更精准提取病灶特征,在一定程度上提高了检测率。
- 王青竹王珂李勇王新竹王斌
- 关键词：CT图像图像处理
- 基于三维最小类内散度SVM的肺CT中的结节识别被引量：3
- 2011年
- 提出一种基于三维类内散度的多分类支持向量机的肺部结节识别算法.首先设计可直接处理基于三维矩阵模式的输入样本的多分类SVM,并结合最小类内散度SVM,进一步提出基于三维最小类内散度的多分类SVM.该方法通过直接分析肺部候选结节的三维特征并继承最小类内散度SVM的优点,有效提高分类器的识别精度,降低假阳性.利用其它4种计算机辅助肺部结节检测算法及两位放疗师作为比较,对于来自吉林省肿瘤医院的200组临床病例进行实验,结果证明三维最小类内散度多分类SVM在计算机辅助肺部结节识别中的优越性.
- 王青竹康文炜王新竹王斌
- 关键词：多分类支持向量机
- 基于对称双线性模型的光照鲁棒性人脸表情识别被引量：6
- 2012年
- 针对传统的光照预处理方法降低原始图像质量、丢失部分有效辨识信息的缺点,提出一种新颖的应用对称双线性模型来对人脸表情图像进行光照预处理的光照鲁棒性人脸表情识别方法.首先通过对称双线性模型将训练集图像分解为相互独立的光照因子和表情因子,并提取其光照因子.接下来提取含有未知光照的测试集表情图像的表情因子,并将其转换到训练集的若干个已知光照上,这样处理能够将任意光照的测试图像转换到相同的光照平台上,令所有测试图像的特征具有归一化特性.实验结果表明,本文所提光照预处理方法在识别性能上优于传统的光照预处理方法,应用在光照处理后的JAFFE表情库上识别率达到92.37%,表明其适用于光照鲁棒性人脸表情识别.
- 刘帅师田彦涛王新竹
- 关键词：光照预处理表情识别
