19、图像缺陷检测与原型分类在知识获取中的应用

图像缺陷检测与原型分类在知识获取中的应用

1. 镜头阴影校正用于污垢检测

在自动光学检测中，自动检测给定图像中缺陷部分的技术至关重要。对于镜头阴影图像中的污垢检测，可采用以下方法：
- 去除稀疏斑点 ：运用数学形态学开运算，能去除大部分稀疏斑点。不过，开运算后仍会存在一些噪声。
- 强调大区域 ：应用面积阈值函数，突出面积较大的区域，这样用户就能轻松区分明显或轻微的缺陷区域。
- 降低处理成本 ：当输入图像尺寸较大时，用户可进行下采样以降低处理成本。同时，可修改参数以满足不同需求。

2. 基于原型分类的自动知识获取

2.1 研究背景与目标

在现代药物研究和细胞水平的病理过程检查中，细胞分析是非常重要的科学工具。以细胞内线粒体运动研究为例，有两个主要原因：一是作为正常细胞器运动的参考，便于与病毒或细菌感染疾病状态下的细胞器运动进行比较；二是线粒体的运动和分布是细胞健康的敏感指标，其细微差异可作为多种疾病状态的替代指标。当前应用的目标是识别涉及线粒体运动和分布关键参数的“动态特征”，作为神经元退化或神经退行性疾病的快速筛查手段。

2.2 原型分类器的设计

2.2.1 原型分类器概述

原型分类器依据数据库中的原型对新样本进行分类，并选择最相似的原型作为分类输出。为执行此任务，需要合适的相似性度量，但多数应用中缺乏先验知识来确定正确的相似性度量。可选择统计中已知的部分相似性度量应用于问题，并根据质量度量（如分类准确率）选择表现最佳的度量；也可通过学习正