简介：本文介绍了双频识别声呐水下影像监测系统的工作原理，对通过仿射变换特征图像配准法对数据进行处理得到清晰整体图像的核心技术进行了分析论证；并通过系统在三河闸水下结构损坏监测中的运用情况，阐述了系统在我国水利工程水下监测中的推广应用前景。

简介：摘要

简介：摘要：本文针对遥感影像的图像分类与地物识别问题展开研究，提出了一种基于深度学习算法的新型解决方案。首先，采用卷积神经网络（CNN）对遥感影像进行特征提取与学习，提高了图像分类的准确性和效率。其次，引入了多尺度和多模态数据融合技术，进一步提升了地物识别的精度和鲁棒性。实验结果表明，所提出的算法在遥感影像分类与地物识别任务上取得了优异的性能，具有较强的实用性与推广价值。

简介：

简介：摘 要：遥感技术的发展使其应用越来越频繁，利用遥感技术产生的大量的数据，为违章建筑的建设识别提供了有力的支持，不但可以通过相关的数据平台进行识别，还可以利用卫星遥感图像的独特优势实现早发现、早处理的工作成效。因此，卫星遥感图像在违章建筑监控中的应用就显得尤为重要，它所开展的一系列工作也为违章建筑的监控、处理和纠正提供了技术上的保证。

简介：摘要：本文旨在探讨影像科图像识别技术的现状与未来趋势。通过对影像科学领域中图像识别技术的发展历程和应用场景进行分析，展望未来图像识别技术的发展方向和可能带来的影响。

简介：摘要:本文介绍了口腔影像学技术的最新进展，包括数字X光、CBCT（锥形束计算机断层扫描）和影像增强技术等在口腔疾病早期诊断中的应用。通过分析不同影像学技术在识别龋齿、牙周病、口腔肿瘤等疾病中的优势，探讨了它们在临床实践中的价值与前景，为提高口腔健康管理水平提供参考。

简介：

简介：摘要目的探讨CT影像的孤立性肺结节识别与分析。方法回顾2008年6月～2011年5月间，确诊为孤立性肺结节的患者，对这些患者的病症在CT影像中的表现，对孤立性肺结节进行识别和探讨。结果孤立性肺结节在CT影像中表现为毛刺、分叶征、CT晕征、钙化、空洞症、血管集束征以及孤立性肺结节的位置。结论CT影像对肺结节的识别和诊断有重要意义。

简介：

简介：

简介：

简介：富士通公司公布了一种新的三维图像识别芯片，虽然没能同时公布一个适用的机器人，但富士通公司承诺这款芯片能为用户带来一系列的便利。而且，富士通公司认为为这款芯片找到适合的机器人并不是什么难事儿。其尺寸小、低能耗的特点使得这款芯片适用的机器人种类非常之多，除了适用于那些大的机器人，还可适用于那些小的家用机器人。据富士通公司透露，此系统识别图像的效率是其他类似系统的五倍。目前富士通公司正在探索将这款芯片转化为真正的机器人，预计在不久的将来就能实现。

简介：摘要随着科学技术的不断发展，无人机遥感技术在近几年得到了广泛的应用。这种技术的出现给许多行业带来了新的特点，特别是在精确和高效的水体识别方面。因此，无人机遥感在水体识别中的应用不仅是相同的，而且无人机遥感在水体识别工作中的应用是可行的，具有一定的优势。同时，可以大大提高水体识别工作的效率。因此，在本文中，笔者结合自己的实际工作经验进行了分析和研究。

简介：摘要：遥感影像在土地资源调查中发挥着重要的作用，可以提供全面的土地信息、监测土地利用变化、评估土地质量、管理水资源和监测土地灾害等，为土地管理和规划提供科学依据。

简介：摘要：本文综述了医疗影像识别领域中人工智能算法的应用与发展，重点探讨了卷积神经网络（CNN）和Transformer模型在病灶检测、疾病分类等任务中的性能表现。通过对比不同算法在准确性、效率与资源消耗、以及鲁棒性与泛化能力等方面的差异，揭示了各自的优势与局限性。同时，本文还深入分析了当前医疗影像识别技术面临的挑战，包括数据质量与标注难题、算法可解释性与信任度不足等问题，并展望了未来的发展趋势，包括多模态数据融合、实时性与个性化医疗、以及隐私保护与数据安全等方向。

简介：提出了一种基于多分辨率小波高频特征系数的高光谱遥感影像亚像素目标识别方法.首先利用多尺度小波变换将光谱信号分解为不同尺度的高频特征信号,然后借助接收操作特性曲线(ROC)和马氏距离投影寻踪求取一维最佳识别特征,最后通过高斯最大似然决策函数求解亚像素目标的存在概率.通过38种小波函数的高光谱数据实验证明,该方法对亚像素目标的识别效果较好.

简介：摘要目的构建腕关节三角纤维软骨复合体（triangular fibrocartilage complex, TFCC）的MRI影像组学模型，评价其对TFCC损伤的诊断效能。材料与方法回顾性分析2019年1月至2021年12月于吉林大学中日联谊医院放射线科行腕关节磁共振检查的100例患者病例（损伤及非损伤各50例），所有患者均行高分辨率3.0 T磁共振扫描，选取T2WI冠状位序列，手动勾画图像中的TFCC区域，提取影像特征，采用曼-惠特尼U检验（Mann-Whitney U test）及最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）算法进行数据降维、特征筛选，将所筛选出的相关性最强的影像特征采用支持向量机（support vector machine, SVM）的建模方法建立分类模型，采用受试者工作特征（receiver operating characteristic, ROC）曲线的曲线下面积（area under the curve, AUC）、精确度、敏感度和特异度评价模型的诊断效能。结果从T2WI冠状位序列中提取到88个初始特征，用曼-惠特尼U检验和LASSO算法筛选出12个相关性特征，基于上述相关特征在SVM分类器中构建的模型AUC值为0.88，精确度、敏感度和特异度分别为90%、92%、100%，具有较好的诊断效能。结论基于MRI的影像组学特征可以提供一个识别腕关节TFCC损伤的无创性工具，提高TFCC损伤的检出率。

简介：

简介：摘要：本论文探讨了基于深度学习的图像识别技术在医学影像分析中的应用。随着深度学习的快速发展，图像识别技术在医学领域中的应用日益重要。我们介绍了深度学习算法如卷积神经网络（CNN）和循环神经网络（RNN）在医学影像分析中的广泛应用，包括癌症检测、病变分割、病情诊断等方面。通过大规模数据集的训练，深度学习模型能够自动提取特征并实现高准确度的诊断结果。此外，我们还讨论了深度学习在医学影像分析中的挑战和未来发展方向，如模型的解释性、数据隐私和临床应用的验证等。本研究强调了深度学习在医学影像分析中的潜力，将为医学诊断和病情监测带来革命性的改进。