基于各向异性扩散滤波的仿组织材料超声扫描数据三维重建

针对仿组织材料超声扫描数据,给出了一种基于各向异性扩散滤波的三维重建方法。该方法先对超声扫描数据进行二维成像,然后应用各向异性扩散滤波方法根据图像的内容采取不同的平滑策略对二维图像进行滤波处理,可以提取质量较好的轮廓。运用此方法对仿组织材料的超声数据进行处理,并采用等值面绘制的方法完成仿组织材料的三维重建和三维显示,实验结果表明各向异性扩散滤波在超声扫描数据三维重建中具有较好的效果。     

大型储罐的三维点云精简方法研究

针对大型储罐三维点云数据散乱、冗余点多等影响计算机显示及容积计算的问题,改进了一种储罐三维点云精简算法。该方法先利用均匀网格法,将待处理的三维点云数据分割成若干小栅格;然后根据随机抽样一致(random sample consensus,RANSAC)算法对每个栅格中的点云数据建立球模型,以保留特征点并滤除冗余数据点,达到精简点云的目的。将该方法与传统的均匀网格法和非均匀网格法进行对比,实验结果表明该方法在保证较高精简率的情况下可以更好地保留储罐点云数据特征。     

一种基于加权多准则的火炮爆炸场中高温火球三维温度场的迭代重建算法

针对爆炸场温度高、温度动态范围大、不可直接测量、温度场重建难以取得较高精度等问题,改进了一种在图像重建中广泛应用的联合代数重建（simultaneous algebraic reconstruction technique,SART）算法,以实现爆炸场中温度场的重建。该改进方法将原算法迭代固定步长改为自适应步长,通过判断相邻像素间是否产生畸变来决定迭代步长的大小,无畸变时迭代步长较大,有畸变时则加入惩罚使迭代步长变小;并在SART算法满足的最小二乘准则中加入均匀性准则,提高重建质量。通过仿真实验讨论了惩罚区域和惩罚系数对重建图像质量的影响,并对比了传统SART算法和在校正项中加入惩罚的SART算法。实验结果表明,由于改进方法在迭代系数中加入了惩罚项,得到的重建图像质量更高。     

基于改进多核学习的多传感数据分类方法研究

物联网（internet of things,IoT）技术中结合多个数据源互补信息提高数据分类准确率的研究受到了越来越多的关注。针对物联网无线传感器采集到数据的多源异构特性,给出了一种基于改进多核学习支持向量机（improved multi-kernel learning-support vector machine,IMKL-SVM）的IoT数据分类方法。传统的多核学习方法中核函数主要是采用经验法选取核函数类型及参数,本文改进方法在确定核函数类型及参数时分为两步：首先采用交叉验证方法初步确定核函数类型及参数;其次在第一步结果中利用支持向量机（SVM）同时训练样本和优化多核函数的类型及参数。实验中针对温度、湿度、光照、大气压力等4种数据设计了两组数据——第一组数据被标记为上午、中下午、傍晚、夜间4类,第二组数据被标记为白天、傍晚、夜间3类,比较了本文的IMKL-SVM方法、单核SVM方法及传统MKL-SVM方法在两组数据集上的分类准确率。此外,针对UCI公开数据集AReM进行了分类实验,实验结果表明IMKL-SVM方法针对具有多源异构特性的物联网数据实现了较高的分类准确率。     

光纤水听器测量聚焦换能器声压和温度分布

为了解决人体中高强度聚焦超声(HIFU)焦点处的温度场分布检测的难题，给出了从声压分布入手探测温度场分布问题的新方法。通过搭建光纤水听器自动扫描系统，利用光纤水听器同时测量仿组织材料（TMM）样本中焦斑区域的声场和温度的分布，探究声压和温度在人体组织中的分布关系。通过实验得出，声压最大处和温度场最高处坐标同为(0 mm,0 mm)；-3 dB和-6 dB声束宽度：声压为2.4 mm、3.22 mm，温度为2.44 mm、2.98 mm。实验结果表明，声压和温度的最大值高度重合；仿组织材料样本中超声焦点处的横切面温度分布要比声压分布陡峭，即相比声压分布，温度场的能量分布更加集中，焦点半径更小。     

基于Hessenberg测量矩阵的超声图像重建

针对超声图像连续性差、自身具有稀疏性的特点,提出了一种适用于超声图像的压缩感知重建方法。该方法以小波变换为稀疏基,Hessenberg矩阵为测量矩阵,引入正交匹配追踪(OMP)算法实现了超声图像的重建。超声C-扫描图像重建结果表明在观测数据采样率降低、数据缺失等条件下均能清晰的成像,验证了该方法的有效性。此外,本文给出Hessenberg测量矩阵的有限等距性(RIP)性质证明;并与基于Toeplitz测量矩阵的图像重建方法进行了比较,实验结果表明利用本文方法的重建图像在平均结构相似度(SSIM)、峰值信噪比(PSNR)和三维差值图等指标上均较优。该压缩感知重建方法在采样率为50%,原始数据较差的前提下,成功恢复出相似度在80%以上的超声图像。     

基于归一化椭圆权重L-M算法的单应矩阵估计

针对特征定位误差服从各向异性高斯分布时单应矩阵的优化问题,提出了一种归一化椭圆权重的烈文博戈马奎特（EW L-M）算法。该算法对目标函数添加椭圆权重的形式,使得目标函数在马氏距离的基础上兼有欧式距离优点。模拟与真实数据的实验结果表明,本文提出的方法能在更少的迭代次数下估计出更精确的单应矩阵,且对不同级别的误差表现出更强的鲁棒性。     

基于改进对数频谱差方法的超声衰减成像

给出了一种基于改进对数频谱差算法的超声衰减成像方法。不同于对数频谱差算法中以扫描数据包络信号的极值点进行数据分割,该方法先估计扫描回波数据与发射波的相关系数,并把其作为特征参量来对扫描数据进行分割。制备了3个含不同衰减粒子的仿组织模块,并测量其衰减系数,实验结果验证了本文方法是可行的。最后对仿组织模块进行超声衰减成像,得到的模块衰减图像进一步验证了本文方法的准确性。     

基于射影不变性的单幅图像测量

设计了一种由正方形及其内切圆组成新的平面模板,在此基础上提出了一种基于射影不变性的单幅图像测量方法。在该方法中,首先利用Canny算子检测出空间平面和平面模板的图像中直线和椭圆的特征;然后运用最小二乘法拟合出直线和椭圆的方程,从而可以得到直线与椭圆的切点;根据射影几何中直线和点的结合性保持不变的性质,得到空间平面上的点与图像特征点间的对应,从而估计出空间平面与图像平面之间的单应矩阵;最后,由单应矩阵实现了对空间平面上任意两点距离的测量。模拟实验和真实图像实验说明本文的方法是可行的。     

基于曲率熵和高斯混合模型的DEM简化算法研究

针对现有数字高程模型(DEM,digital elevation model)简化算法对地形变化复杂区域的简化效果不够理想的问题,提出了一种基于高斯混合模型(GMM,Gaussian mixture model)和曲率熵的DEM精简算法。该算法首先根据DEM数据的高程信息对其进行聚类,将体现地形局部几何信息的熵与曲率相结合作为简化指标,针对不同的子类依据曲率熵的大小进行不同程度的精简。GMM聚类算法的引入能够保证各种地形数据在简化的过程中均得到一定程度上的保留,不会在平坦的区域简化过多的数据从而造成数据的不连续性。实验结果表明,与传统的简化算法相比,本文提出的算法具有高精度、数据空洞小、地形保持度高的特点,更加适合结构复杂、变化多样的地形。