基于数据场可视化技术的石油勘探应用研究

石油勘探开发是石油工业的重要部分,直接决定了我国的石油产量,在石油勘探开发过程中,会采集到大量的数据,形成三雏数据场。本文是将三维数据场可视化技术应用到石油勘探开发过程中的地质建模和数值模拟之中,达到了较好的效果。直观、准确地再现了油藏分布以及石油开发过程中的参数的动态变化,辅助相关领域工作人员的分析、设计,具有广泛应用前景。     

X射线CT模型及重建算法

该文从系统论的观点出发,将由投影重建图像中的变换看成空间变化的动态系统模型。基于所建立的连续模型,首先对传统算法的优劣点作了分析比较,接着介绍了基于小波的多分辨分析在图像层析重建中的运用及发展;基于离散模型,从信息论的角度将级数展开法归于单目标优化成像算法,同时介绍了多目标优化理论并对其中多目标熵优化理论的最新发展作了着重探讨。     

基于特性模型与神经网络的乳腺图像肿块自动检测技术

钼靶X线摄影是最常用的乳腺癌早期诊断手段。该文针对乳腺图像中的肿块提出了一种基于特性模型与神经网络的计算机辅助诊断技术。它首先建立两种特性模型分别描述脂肪组织和腺体组织中的肿块;然后对脂肪中的肿块采用迭代阈值法进行检测,对腺体中的肿块采用小波域黑洞检索法进行标记;接着采用一种基于Canny算子和能量场约束以及ANFIS控制的填充膨胀方法分割疑似肿块;最后使用一种MLP分类器剔除假阳性。实验结果表明,该算法在面对特性迥异的多种肿块时可取得较高的检测精度,并保证较低的假阳性率。     

考虑小波系数相关性的超声图像降噪算法

为了抑制超声图像中的斑点噪声,提出一种考虑小波系数尺度间相关性的超声图像降噪算法.该算法采用Rayleigh分布对超声图像斑点噪声的统计特性建模和Laplacian 分布对小波系数的统计特性进行建模,进而利用贝叶斯最大后验的方法获得对无噪图像的估计.为了更好地保留图像细节,在阈值计算过程中,该算法通过考虑下一尺度对应的小波系数来构造一个尺度间相关因子.实验结果表明,所提出算法在有效减少斑点噪声的同时,更好地保持了图像边缘和细节.     

三维成像声纳图像后处理与可视化

针对基于线阵合成孔径技术的三维成像声纳缺乏有效后处理与可视化方法的问题,提出一个适用于三维成像声纳图像后处理与可视化方案。鉴于水体和地层2种介质具有不同的声学特性,使用组合算法分离水体和地层数据,利用基于边缘梯度均值约束的三维自适应区域生长算法分别对水底和地层目标进行检测,融合水体和地层数据,采用光线投射法进行三维实验数据的可视化。湖试和近海海试结果表明,该方案能够适应声成像中水体与地层的不同特点,有效检测目标,提高声纳图像的表现能力。     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

基于内容的医学图像检索技术

建立一个高效、准确的医学图像检索系统是目前具有挑战性的任务.文中在简述基于内容的医学图像检索模型后,着重探讨和分析了检索模型中图像特征提取、特征选择与融合、相似度匹配、图像预过滤、相关反馈等核心技术和相关算法,以及一些最新的应用.最后对基于内容的医学图像检索技术进行了展望.     

基于吸引区域的多模态脑磁共振图像仿射配准

针对单个对象的多模态脑磁共振图像之间的几何形变较小的情形,为达到全局优化的目的,提出一种基于吸引区域的多模态脑磁共振图像仿射配准方法.把配准优化搜索过程分成两个步骤：寻找包含全局最小值的吸引区域和在吸引区域中进行最小值搜索.该配准优化使用吸引区域里目标函数的近似对称性予以实现.对于正常人群和脑胶质瘤患者群,进行了磁共振 T1加权和扩散加权图像之间多模态配准实验,并使用两种相似测度对3种不同的配准方法进行评价,实验结果表明：该方法与传统的局部优化方法相比,配准后的相似性测度均有显著性改善.     

基于自动随机游走的乳腺肿块分割算法

针对乳腺X线影像肿块分割易受弱边缘和周围组织干扰的问题,提出一种基于自动随机游走的乳腺肿块分割算法.利用二维最大熵阈值法、区域生长及形态学方法自动确定一系列标记点,采用平均边缘梯度评价法选择有效标记点进行随机游走分割以获得初步分割结果,并在此分割基础上进行星芒状结构检测,获得完整的肿块分割边缘.随机选取227例肿块图像进行分割,对分割结果进行特征提取和分类.实验结果表明,该算法克服了半自动随机游走的应用局限性,提高了乳腺肿块的分割精度;与其他分割算法相比,该算法在后续的分类中具有更高的分类精度.     

计算机辅助乳腺癌诊断中的非平衡学习技术

针对计算机辅助诊断(CAD)中学习算法处理非平衡数据时,分类器预测具有大类样本的分类误差小,而稀有类样本的分类误差大的倾向性分类问题,提出基于反向k近邻的欠采样新方法.通过去除大类样本集中的噪声及冗余样本、保留具有类别代表性且可靠的样本作为有效样本以此平衡训练样本集,解决了欠采样引起的类别信息的丢失问题.基于UCI Breast-cancer数据集的仿真实验结果表明,该方法解决了非平衡学习问题的有效性,进一步的横向评测对比显示该算法性能显著优于其他同类算法.