Log Gabor小波性能分析及其在相位一致性中应用

对Gabor函数与log Gabor函数进行比较，构造了log Gabor小波，从人类视觉系统认知特性的角度分析了该小波的性能，并与Gabor小波进行了比较，最后将log Gabor小波应用在相位一致性的图像特征检测中，实验证明，使用log Gabor小波不但可以提高特征的定位精度，而且在检测效果相似的情况下，log Gabor小波比Gabor小波可以节约一半的计算量。     

基于粒子群优化的有序盲信号分离算法

为了按照规范四阶累积量的绝对值有序分离出源信号,提出了一种新的基于粒子群优化的有序盲信号分离算法.本算法采用信号的规范四阶累积量作为代价函数,使用粒子群优化算法代替传统的梯度算法对代价函数进行优化,通过消源去相关方法从混合信号中消去已分离出的源信号成分,逐次按序提取出源信号,解决了梯度算法容易陷入局部极值而不能正确提取...     

基于动态卷积的胸部X光片疾病分类算法

胸部疾病严重威胁人类健康，及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义．胸部疾病经常通过胸部X光片进行诊断，但由于胸部疾病的多样性以及病理特征的复杂性，现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题．针对以上问题，提出一种基于动态卷积的胸部X光片疾病分类算法．将动态卷积模块加入密集连接网络，在不显著增加网络模型尺寸的前提下，增强网络对多尺度信息的特征提取能力，在提升分类准确度的同时保持高效推理；使用Meta-ACON改进ReLU(rectified linear units)激活函数，通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数，从而增强网络的泛化能力；提出加权焦点损失函数，在焦点损失函数的基础上加入权重调整因子，使网络依据分类的难易程度为每种疾病合理分配权重，增大较难分类疾病的损失占比以提高其分类准确度，进而优化整体性能；对数据加载方式进行优化，增大批数据处理量以提升批归一化效果；在测试阶段使用测试时数据增强策略，综合分析多个维度的分类结果，提高分类的准确性与鲁棒性．在chestX-ray14数据集上的实验结果表明，在密集连接网络中...     

跨阻型集成带阻滤波器设计

作为一种独特的滤波器形式,跨阻滤波器在集成电路中起着重要作用．基于LC原型电路,提出了一种跨阻型集成带阻滤波器的设计方法．首先用状态变量表示LC元件变量关系,然后将关系式表示成信号流图形式,用全差分放大器替换其中的积分部分,最后集成得到全差分有源跨阻带阻滤波器．为验证设计的可行性,给出了六阶Chebyshev跨阻集成带阻滤波器的设计过程及其Hspice计算机仿真结果．仿真结果表明,所设计的滤波器满足设计参数要求,滤波性能良好．     

经典盲均衡算法中稳态剩余误差的分析

阐述了经典盲均衡器的组成原理,分析了稳态剩余误差中理论误差和超量均方误差的产生原因,研究了影响稳态剩余误差大小的因素,如滤波器阶数、步长因子、输入信号的统计特性等,提出了减小稳态剩余误差措施,并利用计算机进行了仿真,仿真结果与理论分析相符．     

基于听觉图像的音乐流派自动分类

音乐流派的自动分类是音乐信息检索系统的重要组成部分.将听觉图像引入音乐流派的分类研究中,用听觉图像模型模拟人耳耳蜗结构,基于音乐流派分类研究常用的GTZAN数据库,将一维音频信号转换为二维听觉图像,对音乐听觉图像进行尺度不变特征转换（SIFT）及空间金字塔匹配（SPM）,从局部到整体地提取图像的纹理特征,最后采用LibSVM中线性核函数的支持向量机对音乐流派进行分类.实验结果表明,与同样基于人耳耳蜗结构提出的美尔频率倒谱系数（MFCC）流派分类方法相比,基于听觉图像的流派分类正确率提高15%.     

循环分层解耦卷积和最大滤波的三维脑肿瘤图像分割

由于脑肿瘤的大小和形状呈不规则状态,从三维磁共振图像中自动分割脑肿瘤是一项具有挑战性的任务．而目前的方法存在两个问题：基于3D建模的方法参数量较大难以训练而且全局或远距离上、下文信息的关联性不足;模型忽略局部区域细节特征使得分割结果边界模糊．为解决上述问题,本文提出了循环分层解耦卷积和最大滤波(recurrent hierarchical-decoupled convolution and maximum filtering,RHMF)的轻量网络实现三维脑肿瘤图像分割．该网络在特征提取阶段提出循环分层解耦卷积取代标准卷积,减少参数利用多时域的反馈信息建立全局上、下文信息关联．引入改进的多尺度策略对不同尺度下的多层次特征进行提取融合,提高网络的目标识别能力．在定位阶段做局部域细节处理,提出了最大滤波模块激活目标区域像素实现特征图的像素级定位,增强目标区域像素与其他区域像素的区别,进一步细化分割,解决边界模糊问题．在BraTS2020数据集上的实验结果表明,RHMF-Net在增强肿瘤区、整体肿瘤区和核心肿瘤区的平均Dice系数值分别为77.23%、90.01%和83.10%,参数量为0.4...     

变分自编码的分层解耦卷积脑肿瘤分割网络

三维卷积神经网络处理图像分割精度高，可以保留更多空间信息，有效解决标签不平衡问题，但存在参数量大的缺点．针对目前三维脑肿瘤分割网络内存资源占用大、硬件设备要求高、计算效率低的问题，将传统3DUNet网络中的3D卷积替换为分层解耦卷积，能够降低空间环境的计算复杂度和内存占用量，在不提高计算量的前提下显著提高分割精度，提高网络性能．为解决传统自编码器不能自主生成数据的问题，使用结合深度学习和统计学习的变分自编码器，在编码器结果中加入高斯噪声，使得编码器对结果具有鲁棒性，在编码器中加入概率分布防止过拟合，提高算法的泛化性能．采用三线性插值在三维离散采样数据的张量积网格上进行线性插值，有效避免线性方程组不断增大导致计算时间过长的问题．通过对损失函数加权混合，避免梯度弥散时出现学习速率下降现象，解决小区域分割不平衡问题，减少局部性能最优，使网络保持较高运算速度的同时有效提高分割精度，在有限内存空间最大化网络特征提取能力．在脑肿瘤公开数据集BraTS2019上的实验结果表明，该网络在增强型肿瘤、全肿瘤、肿瘤核心上的Dice值分别可达78.02%、90.05%和83.14%，参数量仅为0.30×10...     

小波域Wiener滤波器信号的去噪方法

提出采用小波域上的经验Wiener滤波器对信号进行去噪,得到优于小波闽值法的去噪效果．引入平移不变小波,较好地抑制了信号中的伪吉伯斯震荡．结果表明,将小波域上的经验维纳滤波器与平移不变小波相结合进行去噪,所得到的效果是最佳的．     

基于改进模糊C均值算法的颈动脉超声图像分割

颈动脉的内中膜厚度(IMT)是预测心血管疾病(CVDs)病发程度的重要指标.本文研究并提出一种自动、高效的计算机辅助IMT测量算法,该算法依据先验知识自动提取感兴趣区域(ROI),并采用基于隐马尔可夫随机场(HMRF)模型改进的模糊C均值(FCM)算法分割图像,实现IMT的自动测量.实验结果表明,所提算法对超声图像噪声的鲁棒性较强,IMT自动测量结果与真实值(GT)有很高的一致性:两个数据集合的相关系数为98.52%,平均绝对误差为0.022 0?0.016 4 mm.