显著特征

摘要： 1红螯螯虾简介红螯螯虾,主要指澳洲淡水龙虾,隶属拟螯虾总科滑螯虾属。外壳光滑坚硬,体色呈淡青绿色。身体分头胸部和腹部,头胸部比一般克氏原螯虾稍大,该虾与同属其他滑螯虾区别的显著特征是其头胸甲背面前部有4条脊突,居中两条比较长和粗,从额角向后伸延;另两条较短小,从眼后棘向后延伸。

摘要： "冬不藏精,春必温病"。春季多风,人体一旦精气亏虚,就容易因风邪侵袭而出现以咳喘为显著特征的肺病。良方现世东汉末年,一场持续近十年的特大瘟疫致人死伤无数,“家家有位尸之痛,室室有号泣之哀”。

摘要： 扬派盆景是中国盆景传统“五大流派”之一,它融“诗、书、画、技”于一体,其清秀古雅、飘逸写意的风格和“一寸三弯”的剪扎技艺,至今仍然是有别于其他派别盆景的显著特征。扬派盆景多用松、柏、榆、杨等植物,自幼培育,加工整饰,使用棕丝将其枝干剪扎,以达到一寸三弯、片片如云的效果,特色分明。然而传统的扬派盆景保形不易,且随着时代的发展,盆景爱好者的审美观念亦不断进步.

摘要： 随着计算机技术和机器视觉技术的快速发展,数字图像处理在工业生产方面的应用日趋广泛。数字图像处理技术作为一种新的无损检测技术在工业产品表面检测领域得到了深入研究,同时在工业生产效率和质量检测方面提出了更高的要求。数字图像处理在工业检测中,最难以解决的是检测精度和计算速度问题。为此,文中提出一种显著特征的标记图像倾斜校正方法。该方法主要针对具有显著特征的标记图像进行倾斜校正。在数字图像处理中能够大幅提高检测精度和检测速度。

摘要： 中国共产党从建立起,就坚定不移推进领导制度建设。建党百年来,中国共产党根据不同时期的革命任务,党的领导制度建设经历了初步探索、曲折前进、开拓发展、全面铺开的演进历程;体现出强烈的政治性、突出的时代性、显著的人民性等显著特征;逐渐积累了坚持把马克思主义政党理论和中国国情有机结合、坚持维护党中央权威和集中统一领导、坚持推动国家治理体系和治理能力现代化、坚持结合党的路线体系确保党的领导的正确方向、坚持全面推进党的领导制度体系建设等基本经验。

摘要： 全过程人民民主是对西式民主经验的话语突围和现实超越,在新时代的历史平台中以独特的样式彰显中国式民主的构建道路。在世界一历史双重语境的塑造下,全过程人民民主于自身内在的历史生成逻辑、现实演进逻辑与文化批判逻辑中孕育产生,形成党的领导、人民当家作主、依法治国有机统一的复合结构形态,在多向共建、与时俱进、规范向导的人民当家作主制度体系的依托下,呈现出全链条、全方位、全覆盖的民主新样态。由此,根基独特、结构复合、体系完备、覆盖全面可作为全过程人民民主显著特征的四个认识维度,为深化社会主义民主政治的理论阐释与实践探索提供借鉴价值。

摘要： 中国经济进入新发展阶段,其显著特征是告别高速增长阶段,通过科技创新转换发展动力,推动经济高质量发展。本文围绕我国进入新发展阶段的七个关键议题从学理与操作层面作分析,并提出相应的政策建议。

摘要： 1发展农村畜牧业的重要意义1.1畜牧业是促进农村生产发展的朝阳产业1.1.1发达的畜牧业是现代化农业的一个显著特征,在发达国家,畜牧业在农业中所占的比例通常在60%以上,高的达到90%,而我国只有40%~50%,具有很大的发展空间。

摘要： 为了增强哈希序列对各种几何变换攻击的鲁棒性,设计基于四元极谐变换矩与显著特征的图像鲁棒哈希算法.引入线性插值与自适应Wiener滤波器,实现初始图像的预处理;计算预处理图像的颜色向量角度,并基于Fourier变换,得到其对应的幅度信息,以获取两个不同的频谱;计算两个频谱的残差,确定图像中的局部显著性区域;通过LBP算子,提取显著特征;基于四元极谐变换(Quaternion Polar Harmonic Transform,QPHT),获取预处理图像的QPHT矩;联合显著特征与QPHT矩,形成过渡哈希数组.引入Logistic映射,定义加密函数,实现对过渡哈希数组的加密,输出最终的哈希序列,以增强其抗碰撞性能.测量源图像与可疑图像之间的哈希序列所对应的l2范数距离,并将其与优化阈值比较,对图像的真实性做出判断.在多种几何变换攻击下完成测试,输出数据显示:较当前准确性较高的哈希方法而言,该算法具有更理想的鲁棒性与识别准确率.

摘要： 针对自然界中植物数据规模大且分布不平衡导致的识别困难的问题,提出一种基于显著特征和全局特征融合的植物识别方法.通过多层特征融合方法改进VGG19网络以提取植物的全局特征,并对全局特征进行显著特征提取得到图像的显著特征,将显著特征和全局特征进行自适应加权特征融合得到融合特征,对融合特征进行分类识别.在PlantCLEF2016数据集上的实验结果表明,该方法的准确率可达到81％,验证了其在大规模且分布不平衡的植物识别中可行有效.

摘要： 本文以古希腊数学为参照,研究中国古代数学有显著的特征，并从中国古代数学中不同于古希腊数学的计数制度和工具、推理方式和计算方法、人文色彩浓厚的社会性等显著特征进行系统分析比较。

摘要： 本发明公开了一种基于特征选择和特征融合的图像显著性检测方法，包括以下步骤：对输入图像进行特征提取，并将特征添加至特征金字塔集合中；对特征金字塔集合进行特征选择，获得新的特征金字塔集合；以自底向上的方式，对新的特征金字塔集合中的特征进行特征融合，获得混合特征金字塔集合；利用混合特征金字塔集合中的特征对显著性预测网络模型进行训练，利用训练后的模型对待检测图像进行显著性检测。本发明采用注意力模型对图像的特征进行特征选择，增强了与图像目标相关的特征，使得特征更加有效，并采用自底向上的特征融合结构，将底层的细节特征和高层的语义特征进行了有效融合，大大提升了特征的表征能力，比一般显著性模型网络的检测准确率高。

摘要： 本发明公开一种结合超像素显著性特征与HOG特征的图像分类算法和系统，包括以下步骤：步骤1，将原始数据集进行HOG特征提取得到特征集A；步骤2，利用超像素分割对原始数据集进行处理，得到重构显著性图像数据集；步骤3，将重构后的显著性图像集利用SLBP编码方式得到新的特征集B，所述SLBP编码方式是对传统LBP编码方式的改进；步骤4，特征融合，将步骤1和步骤3所得到特征集A和特征集B进行相加；步骤5，结合步骤4得到的训练数据，利用KNN分类器对测试数据进行监督分类并计算分类精度。本发明方法较好地满足了小型工程设计对传统机器学习算法的要求，一定程度上提好了图像分类精度。

摘要： 本发明公开了一种融合深度特征和显著性特征的遥感图像场景分类方法，首先，利用原始图数据集对在ImageNet数据集上训练好的卷积神经网络进行微调，并利用微调后的卷积神经网络提取原始数据集图像的深度特征；然后，通过显著性检测方法处理原始图数据集得到显著图，并利用在显著图数据集上微调后的卷积神经网络提取显著图的显著性特征；接下来，通过并行特征融合策略融合两种特征，利用融合后的特征训练支持向量机；最后，通过训练好的支持向量机对目标数据集图像进行分类。本发明能够同时获取原始图像的全局信息和突出性信息，有效的提高特征向量的区分性，对遥感图像场景具有更好的特征表达能力和分类精度。

摘要： 本发明公开了一种基于纹理特征和颜色特征融合的图像显著性检测方法，主要解决现有技术对于纹理特征利用不充分，对高纹理图像显著性检测效果较差的问题。其方案是：1)输入图像，并利用基于总变差模型的滤波方法去除纹理，得到含颜色特征的图像；2)对输入的图像，利用Gabor滤波器进行滤波，得到含图像纹理信息的图像；3)根据颜色特征的图像计算初步对比度值；4)根据纹理信息图像计算背景概率；5)对初步对比度值和背景概率进行融合得到新的对比度，进而得到基于颜色和纹理特征的显著图。本发明充分利用了图像的颜色和纹理信息，提高了复杂纹理图像的检测效果，可用于计算机视觉任务中。

摘要： 本发明提供一种基于显著图引导的分层密集特征融合网络用于提取乳腺病变超声图像多尺度融合特征参数的方法。该方法联合使用线性光谱聚类超像素方法和多尺度区域分组方法处理得到的特征表示图，避免有用信息的丢失，然后搭建一个三分支的分层密集特征融合网络进行前景特征、背景特征的提取和融合，用于提取乳腺病变超声图像多尺度融合特征参数。前景和背景两个进行性密集特征提取分支网络以原始图像和相应的显著图共同作为输入，分别用来有效地提取与该分类任务相关的前景和背景特征。根据前景和背景之间已知的相关性和补充性信息，分层特征融合分支网络将上述前景和背景信息进行多尺度的融合，获得更加准确，更加显著的多尺度融合特征参数。

摘要： 本发明公开了一种基于特征选择和特征融合的图像显著性检测方法，包括以下步骤：对输入图像进行特征提取，并将特征添加至特征金字塔集合中；对特征金字塔集合进行特征选择，获得新的特征金字塔集合；以自底向上的方式，对新的特征金字塔集合中的特征进行特征融合，获得混合特征金字塔集合；利用混合特征金字塔集合中的特征对显著性预测网络模型进行训练，利用训练后的模型对待检测图像进行显著性检测。本发明采用注意力模型对图像的特征进行特征选择，增强了与图像目标相关的特征，使得特征更加有效，并采用自底向上的特征融合结构，将底层的细节特征和高层的语义特征进行了有效融合，大大提升了特征的表征能力，比一般显著性模型网络的检测准确率高。

摘要： 本发明公开了一种融合深度特征和显著性特征的遥感图像场景分类方法，首先，利用原始图数据集对在ImageNet数据集上训练好的卷积神经网络进行微调，并利用微调后的卷积神经网络提取原始数据集图像的深度特征；然后，通过显著性检测方法处理原始图数据集得到显著图，并利用在显著图数据集上微调后的卷积神经网络提取显著图的显著性特征；接下来，通过并行特征融合策略融合两种特征，利用融合后的特征训练支持向量机；最后，通过训练好的支持向量机对目标数据集图像进行分类。本发明能够同时获取原始图像的全局信息和突出性信息，有效的提高特征向量的区分性，对遥感图像场景具有更好的特征表达能力和分类精度。

摘要： 本发明公开一种结合超像素显著性特征与HOG特征的图像分类算法和系统，包括以下步骤：步骤1，将原始数据集进行HOG特征提取得到特征集A；步骤2，利用超像素分割对原始数据集进行处理，得到重构显著性图像数据集；步骤3，将重构后的显著性图像集利用SLBP编码方式得到新的特征集B，所述SLBP编码方式是对传统LBP编码方式的改进；步骤4，特征融合，将步骤1和步骤3所得到特征集A和特征集B进行相加；步骤5，结合步骤4得到的训练数据，利用KNN分类器对测试数据进行监督分类并计算分类精度。本发明方法较好地满足了小型工程设计对传统机器学习算法的要求，一定程度上提好了图像分类精度。

摘要： 本发明提出了一种从特征常变图像中提取显著特征并归一化的图像处理方法，主要包含几个部分：读取经过图像增强和拉直的单条染色体子图、提取每张子图中染色体的整体轮廓、提取染色体轮廓中代表深带的连通区域、确定每一个深带区域的中心和轴向宽度、将深带区域归一化成一条完整的条带。这几个主要部分里面分别包含了一系列的图像处理算法方法，包括阈值分割、轮廓填充、区域标记、距离变换等方法，来最终实现精确提取显著条带并归一化的目的。结果显示，同一类的染色体的条带排列模式在归一化以后更加相近，而且与标准模式图也更加相近。

摘要： 本发明提出了一种从特征常变图像中提取显著特征并归一化的图像处理方法，主要包含几个部分：读取经过图像增强和拉直的单条染色体子图、提取每张子图中染色体的整体轮廓、提取染色体轮廓中代表深带的连通区域、确定每一个深带区域的中心和轴向宽度、将深带区域归一化成一条完整的条带。这几个主要部分里面分别包含了一系列的图像处理算法方法，包括阈值分割、轮廓填充、区域标记、距离变换等方法，来最终实现精确提取显著条带并归一化的目的。结果显示，同一类的染色体的条带排列模式在归一化以后更加相近，而且与标准模式图也更加相近。