聚焦超声治疗系统中超声图像去噪方法研究

利用超声成像实现手术导引治疗是聚焦超声治疗系统的重要环节.由于超声图像受散粒噪声影响往往像质较差,如何有效实现超声图像的去噪是后续处理和分析的关键.在此基于小波域隐马尔可夫树模型,将贝叶斯估计和同态滤波思想有机结合,提出一种新的医学超声图像去噪方法.测试结果表明此方法能有效去除噪声,同时保留原始图像的细节边缘.     

一种具有边缘保持特性的超声图像小波域阈值去噪新方法

超声图像去噪是医学图像处理的研究热点之一,基于小波域阈值去噪技术及阈值选取方法的分析,提出一种新的医学超声图像小波域阈值去噪方法.这种方法采用半-软阈值去噪技术和广义交叉确认函数寻找阈值,在有效去噪的同时较好地保留了图像边缘细节.首先, 把对数超声图像小波分解;然后,基于广义交叉确认函数寻找最小均方误差意义上的近似最优阈值,对所有的高频段采用半-软阈值去噪; 最后, 经小波反变换和指数变换获得去噪后的超声图像,文末对超声图像小波域阈值去噪方法作出定性比较,并对算法的去噪性能给出定量分析.仿真实验和实际测试结果表明此方法是有效的、可行的.     

分段2维主成分分析的超光谱图像波段选择

目的 超光谱图像具有极高的谱间分辨率,巨大的数据量给分类识别等后续处理带来很大压力。为了有效降低图像数据维数,提出基于分段2DPCA的超光谱图像波段选择算法。方法 首先根据谱间相关性对原始图像进行波段分组,然后根据主成分反映每个光谱波段的信息比重分别对每组图像进行波段选择,从而实现超光谱图像的谱间降维。结果 该算法有效降低了超光谱图像的光谱维数,选择的波段明显反映出不同地物像元矢量的区别。结论 实验结果表明,该波段选择算法相对传统算法速度更快,并且较好地保留了原始图像的局部重要信息,对后续处理有积极意义。     

一种基于采样直线组的局部纹线周期估计方法

利用一组平行采样直线,计算局部纹线周期。首先将整幅图像分块,在每个块内,做和块纹线方向垂直的一组平行采样直线,然后对每条直线上的像素二值化,通过此直线上纹脊和纹谷的宽度,计算出若干纹线周期,对这些纹线周期统计平均,作为该图像块的纹线周期。实验表明,本方法合理,可行的。     

一种分块表示的彩色目标跟踪算法

一种基于分块加权彩色直方图特征的目标表示方法。将图像分为部分叠加的块,分别对每块计算加权量化彩色直方图,构成直方图组。将直方图组用于基于mean shift的彩色目标跟踪系统,利用Kalman滤波估计目标状态。     

基于增强群跟踪器和深度学习的目标跟踪

为解决基于外观模型和传统机器学习目标跟踪易出现目标漂移甚至跟踪失败的问题,该文提出以跟踪-学习-检测(TLD)算法为框架,基于增强群跟踪器(FoT)和深度学习的目标跟踪算法。FoT实现目标的预测与跟踪,增添基于时空上下文级联预测器提高预测局部跟踪器的成功率,快速随机采样一致性算法评估全局运动模型,提高目标跟踪的精确度。深度去噪自编码器和支持向量机分类器构建深度检测器,结合全局多尺度扫描窗口搜索策略检测可能的目标。加权P-N学习对样本加权处理,提高分类器的分类精确度。与其它跟踪算法相比较,在复杂环境下,不同图片序列实验结果表明,该算法在遮挡、相似背景等条件下具有更高的准确度和鲁棒性。     

弹簧钢60Si2Mn疲劳试验断裂分析

对60Si2Mn弹簧钢进行了疲劳寿命试验.试验结果表明,疲劳寿命较低,未达到标准要求(不低于20万次).采用化学成分检测、断口扫描观察、能谱分析和金相检验等方法,对疲劳试验中断裂弹簧进行了分析、检测.分析结果表明,钢丝表面微裂纹是导致弹簧疲劳断裂的直接原因,该裂纹是由于母材表面存在轧制缺陷,经过拉拔表面产生硬化组织,由...     

车载光测设备平台倾斜的测量与数据处理

车载平台倾斜对光测设备的测角精度影响较大,为了消除这种影响,提出了采用编码器测倾装置测量平台倾斜角度并进行事后修正的方法。首先,分析了光测设备工作时,车载平台倾斜的原因;其次,采用编码器测倾装置测量平台倾斜角度,并将测得的数据传送到控制计算机;最后,根据车载光测设备静止和工作时的不同特点,对存储的数据进行滑动均值滤波处理和滑动加权均值滤波处理,将处理后的数据用于事后测角误差的修正。实验结果表明,将编码器测倾装置测得的数据进行滤波处理后,减小了噪声对倾斜数据的影响,提高了数据的可使用性,为下一步车载光测设备测角误差修正模型的建立奠定了基础。     

基于粒子滤波的小波特征跟踪方法研究

该文提出了基于粒子滤波的小波特征跟踪方法。粒子滤波基于蒙特卡罗模拟方法来实现递推贝叶斯滤波,是一种实用的后验概率求解方法。文中研究了目标的Gabor小波网络表示,用一定数量的小波构成一个集合来表示目标特征,各小波的参数由优化方法来确定。构建了基于粒子滤波的跟踪框架,每个粒子表示一种Gabor小波网络的可能形式,并计算与当前图像的相似度。粒子权值与相似度成正比,目标状态的后验概率由粒子加权表示。与传统的“峰值”跟踪方法不同,粒子滤波具有“多峰”的跟踪形式。并结合对光照、噪声不敏感的小波表示形式,具有较强的抗局部遮挡能力。     

基于隐马尔可夫模型边缘表示的多尺度边缘检测

基于增强图像特征空间的特性分析，提出一种新的图像边缘表示模型——隐马尔可夫模型，该模型把边缘作为一个可观测序列，认为它是人们根据感官知识(不可观测的状态量)所观察到的具有一定空间关系的像素集合；通过小波变换，得到多尺度增强图像；特包含在低分辨率图像边缘中的全局信息进行综合，作为高分辨率图像中隐马尔可夫边缘模型的训练数据，使用Viterbi算法完成高分辨率图像中边缘点的搜索，从而，使得多分辨率边缘检测对先验知识的依赖大大降低，同时降低了计算复杂度。边缘的隐马尔可夫模型表示也为多分辨率数据融合提供了一种有效的工具，实验表明该模型是合理的、可行的。