DTI扩散张量的一种稳健估计方法

为了获得更精确的DTI扩散张量场,提出了一种基于约束M估计子的稳健估计方法,首先对扩散加权图像序列进行双树复数小波降噪预处理,以减少热噪声影响,然后通过试探法找到一个合适的回归起始点,并通过Cholesky分解对扩散张量进行正定约束,最后寻找局部最小获得DTI扩散张量的约束M估计,并在模拟二阶张量场和真实DTI数据集上进行了实验.与最小二乘法和M估计子回归模型相比,该方法可以更有效地排除热噪声和生理性离群点影响,对DTI扩散张量估计很有价值.     

基于非线性扩散滤波的指纹增强算法

根据指纹图像的特性提出了一种利用非线性扩散滤波增强指纹图像以提取细节点的 方法.该算法利用指纹图像的结构张量构造扩散张量.使得滤波沿着指纹脊线方向扩散.在 求解非线性扩散滤波中最重要是怎样选取迭代时间和迭代步长.为了解决这两个问题,根据 扩散张量在大小为(2n+1)×(2n+1)窗口上的离散形式,分解扩散滤波为4n个方向的和, 然后利用托马斯-高斯消元法在每个方向快速求解非线性滤波后的指纹增强图像.该算法的 优点是可以有效地连接断裂脊线,而不会改变指纹脊线的连续性和奇异性.在NIST27数据 库及FVC2002数据库上的实验结果表明,基于非线性扩散滤波的指纹增强算法可以有效地 提高提取细节点的性能和指纹匹配率.     

获得线性模型中稳健初始估计的新方法*

本文首先给出一种从观测量中适当抽取若干样本获得线性模型中参数的稳健初始估计的新方法,其中心思想是寻求在一切线性估计中对辨识单个异常值性能优良的估计,该估计消除了杠杆点,对辨识任何位置上的异常值具有几乎同等的效率。在获得了稳健初始估计后,文中提出在递推估计过程中利用t-分布检验统计量逐个辨识线性模型中的所有异常值,最终求得线性模型中参数的极大似然估计。该方法适用于单站对空中飞行目标的一次跟踪数据处理,当数据可用一阶或二阶多项式线性模型描述时,其崩溃点δ~*=33％。该方法同时适用于低阶的稳健线性回归。     

车载移动测量高精度高程异常改正方法

针对车载移动测量中的粗差对高程异常改正结果影响较大问题,提出一种稳健高程异常改正方法。该方法以薄板样条函数为基础,结合随机抽样一致性算法,以狄克松判别法为准则,得到稳健参数估值,进而对含有粗差的点云数据进行高程异常改正。利用某地实测点云数据,通过三次曲面法、薄板样条函数法和稳健薄板样条函数法分别进行高程异常改正,并采用不同高程的检核点进行精度检核,证明该方法具有较好的拟合精度,能够满足工程需求。     

基于改进卡尔曼滤波的盲图像恢复

为了解决在获取数字图像过程中发生的图像质量下降（退化）的问题,需要使用图像恢复技术进行图像重建。针对未知点扩散函数(PSF)的盲图像恢复,首先利用倒频谱的方法估计模糊图像的点扩散函数,然后再利用改进的卡尔曼滤波方法对图像进行恢复。倒频谱方法是将模糊图像分成反映原图像信息和反映模糊系统信息的两部分相加的形式,通过分析两者的关系估计出模糊图像的PSF。改进卡尔曼滤波器在估计过程中考虑了系统的模型误差,使其对模型误差具有一定的鲁棒性。通过Matlab进行了数字仿真实验,实验结果表明利用所提出的方法可以有效地减小PSF估计不准确对图像恢复的影响,与传统卡尔曼滤波相比恢复效果较好。     

GraceDTI:一个扩散张量成像数据处理与可视化系统

随着高场磁共振的发展和应用,扩散张量磁共振成像(DTI)已经逐步成为一种重要的临床磁共振检查模式。研究了DTI数据的处理和可视化问题,介绍开发的用于DTI图像数据处理和可视化的软件——GraceDTI系统。该系统提供了从扩散张量图像的估计重建、各种导出参数图像的生成、张量场可视化和纤维跟踪与可视化在内的完整的DTI处理与分析功能。该系统可用于临床DTI的辅助诊断,还可作为DTI图像处理的研究平台。     

信号自适应衰减的多壳扩散磁共振成像方法

提升总体平均扩散传播算子(Ensemble Average diffusion Propagator,EAP)的重建精度一直以来都是扩散磁共振成像领域中扩散光谱成像(Diffusion Spectrum Imaging,DSI)的核心问题.在诸多成像算法中,用径向基函数(Radial Basis Function,RBF)作为扩散MR信号插值基函数的方法在纤维方向分布重建及成像统计标量重建方面均获得了理想的EAP重建效果,为进一步提升重建效率及精度,本文基于RBF方法提出了对信号进行自适应衰减建模的方法,并结合确保扩散张量正定性的张量求解算法,分别基于系数l1,l2正则化方法求解最优化参数以作对比.针对体模数据的实验结果显示,该算法在提升各项指标重建精度及计算效率方面均取得了理想效果.     

一种数据稳健光滑的处理方法

实际测量中存在数据误差分布的偏差和异常点问题,然而经典的2k＋1点移动光滑方法不具有稳定性,为解决这一问题,采用M稳健二次多项式线性回归空间回归方法进行稳健光滑,通过对影响函数的分析,指出该方法具有全稳健性能的优点。     

一种新的各向异性扩散时间尺度估计方法

在各向异性扩散(AD)的图像处理应用中,扩散终止机制是当前研究的主要热点。该文把热物理扩散中的扩散平衡概念引入到图像处理的AD中,定义图像扩散平衡(DB)与最优扩散时间(ODTS)的概念,提出利用扩散平衡估计最佳扩散时间尺度的方法。该方法与SURE, MSE及其他时间尺度估计方法相比在噪声压制与特征的保护上达到了一个合理的平衡且不需估计噪声强度(方差),能自适应于图像,在低信噪比下也能获得很好的估计结果,试验测试结果验证了该方法的有效性。     

高维数据挖掘中基于中位数回归的特征提取新方法

为降低噪声对数据特征提取(变量选择)效果的不利影响,基于中位数回归分析方法,利用变量选择降维技术(正则化估计),提出了一种稳健、有效的特征提取(变量选择)新方法,并具体给出了估计算法,该算法具有快速计算的特点.实验结果表明,新方法能够有效地对高维数据集进行估计和变量选择,且具有较高的准确性,即使数据中的信噪比很低时,该方法仍具有较好的效果.因此,该方法为高维数据挖掘特征提取提供了稳健且有效的方法.     

非高斯噪声背景下的诱发电位信号去噪方法

在一些特殊实验条件下EP信号的背景EEG噪声具有显著脉冲特性。基于传统的小波去噪方法不能有效地去除EP信号中具有尖峰脉冲特性的背景噪声。提出中值滤波-小波阈值去噪算法,进行中值滤波抑制信号中的尖峰脉冲,利用小波阈值消噪去除剩余噪声。仿真结果表明经过中值滤波预处理后的小波去噪方法比传统的小波去噪方法在信噪比较低时更具有良好的消噪性能。     

鲁棒SVR在金融时间序列预测中的应用

针对标准支持向量机对噪声和异常值比较敏感的问题,通过限定噪声和异常值的损失上界,提出一种基于不对称Ramp损失函数的鲁棒支持向量回归机模型,应用凹凸过程将其由非凸优化问题转化为凸优化问题并利用牛顿法进行求解.对上证指数和香港恒生指数收盘价的预测结果表明,该模型能在一定程度上抑制噪声和异常值的影响,从而提高预测精度及减少...     

改进的HMM和小波神经网络的抗噪语音识别

通过MFFC计算出的语音特征系数,由于语音信号的动态性,帧之间有重叠,噪声的影响,使特征系数不能完全反映出语音的信息。提出一种隐马尔可夫模型（HMM）和小波神经网络（WNN）混合模型的抗噪语音识别方法。该方法对MFCC特征系数利用小波神经网络进行训练,得到新的MFCC特征系数。实验结果表明,在噪声环境下,该混合模型比单纯HMM具有更强的噪声鲁棒性,明显改善了语音识别系统的性能。     

SIMO信道中信噪比估计算法分析与仿真

针对单输入多输出(SIMO)信道信噪比估计问题,在建立同一信号模型的基础上,研究期望最大化估计、二阶矩四阶矩估计、四阶联合估计和六阶矩估计等4种算法。从天线数、调制方式及噪声功率等方面进行仿真,将结果与Cramer-Rao下界进行对比。结合仿真结果分析各种算法的实现复杂度。     

恒定光照下基于LFPL的APTZ调节

为提高光照恒定情况下视觉系统中PTZ调节的主动性和稳定性,提出恒定光照下基于LFPL的APTZ调节方法。采用基于局部粒子滤波的目标预定位方法,对运动目标实现自动估计的标定,提高系统调节的主动性,解决非线性跟踪问题。动态选取光照不变特征滤波粒子克服了光照变化和噪声等因素对目标预定位方法的影响,增强视觉系统的鲁棒性。对水平角和抑角采用Fuzzy控制方法,提高视觉跟踪系统的稳定性。实验结果表明,该方法是正确有效的,使用该系统对变速运动目标的长距离跟踪结果较传统方法更稳定,在光照变化和噪声条件下的运动目标跟踪实验也取得较好的结果。     

计算机视觉中强鲁棒性的遗传一致性估计

用于估计计算机视觉模型的传统鲁棒算法均存在估计精度和稳定性不高等问题。为此,结合遗传算法的全局最优性及几何模型估计的特殊性,提出一种强鲁棒性的遗传一致性估计算法,以估计各种误差和错误概率下的计算机视觉几何模型。仿真实验结果表明,相比于RANSAC、MAPSAC、MLESAC等鲁棒算法,该算法在估计精度和鲁棒性方面性能更优。     

改进的基于响度域的语音增强算法

针对短时谱幅度最小均方误差估计(MMSE-STSA)语音增强算法在非平稳噪声环境下噪声抑制能力较差的问题,提出一种改进的MMSE-STSA算法。该算法在响度域进行谱幅度估计,并采取基于概率的语音判决方法。实验结果表明,相比传统的MMSE-STSA算法,改进算法在非平稳噪声环境下能够获得更好的语音质量。     

Robust Estimation of Rotation Angles from Image Sequences Using the Annealing M-Estimator

A robust method is presented for computing rotation angles of image sequences from a set of corresponding points containing outliers. Assuming known rotation axis, a least-squares (LS) solution are derived to compute the rotation angle from a clean data set of point correspondences. Since clean data is not guaranteed, we introduce a robust solution, based on the M-estimator, to deal with outliers. Then we present an enhanced robust algorithm, called the annealing M-estimator (AM-estimator), for reliable robust estimation. The AM-estimator has several attractive advantages over the traditional M-estimator: By definition, the AM-estimator involves neither scale estimator nor free parameters and hence avoids instabilities therein. Algorithmically, it uses a deterministic annealing technique to approximate the global solution regardless of the initialization. Experimental results are presented to compare the performance of the LS, M- and AM-estimators for the angle estimation. Experiments show that in the presence of outliers, the M-estimator outperforms the LS estimator and the AM-estimator outperforms the M-estimator.     

Robust Kalman filter and smoother for errors‐in‐variables state space models with observation outliers based on the minimum‐covariance determinant estimator

In this paper, we propose a robust Kalman filter and smoother for the errors‐in‐variables (EIV) state space models subject to observation noise with outliers. We introduce the EIV problem with outliers and then present the minimum covariance determinant (MCD) estimator which is a highly robust estimator in terms of protecting the estimate from the outliers. Then, we propose the randomized algorithm to find the MCD estimate. However, the uniform sampling method has a high computational cost and may lead to biased estimates, therefore we apply the sub‐sampling method. A Monte Carlo simulation result shows the efficiency of the proposed algorithm. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society