稳健MM估计在扩散张量成像中的应用

在扩散加权图像中存在由热噪声产生的高斯分布偏差和生理噪声产生的异常点,最小二乘(LS)法对于高斯分布偏差具有较好的估算效果,但是对异常点不稳健。为此,采用稳健MM估计方法对扩散张量成像(DTI)数据进行张量估算,将高失效点算法的估计结果作为初始估计值,进行两步M估计。模拟数据与真实数据的实验结果表明,该估计方法具有较好的稳健性,并能有效估算扩散张量。     

一种扩散张量脑脐服体图像分割算法

提出了一种基于矢量活动轮廓模型的扩散张量脑拼刀氏体图像分割算法,其利用矢量Chan-Vese模型构造了控制轮廓线演化方向的矢量符号压力函数,并将向量范数形式用于表达脑拼肌体组织的扩散张量各向异性,给出了具有全局与局部分割特性的矢量活动轮廓模型。10组真实大脑扩散张量图像分割结果表明,该算法对脑拼抵体结构的分割精确、稳定。     

扩散张量成像去噪和纤维跟踪方法

提出一种纤维模型的数学合成方法,并利用合成模型对纤维跟踪方法进行了验证．对Streamline跟踪技术进行改进,采用能量最小化技术对面形或球形张量的跟踪方向进行校正以提高Streamline算法的准确性．为降低图像噪声对纤维跟踪的影响,分别采用小波去噪方法对扩散加权图像和张量场进行处理,并对小波去噪和传统的高斯平滑方法在扩散加权图像噪声抑制方面的作用进行了比较．     

显式重定向的扩散张量图像配准

扩散张量图像配准算法是近年图像配准研究的热点与难点之一.针对配准中容易出现的局部极值和张量重定向问题,以欧氏距离为相似性测度,将张量重定向显式融入目标函数,采用模拟退火算法与Powell算法法相结合的混合优化策略,对临床使用的扩散张量图像DTI(Diffusion Tensor Images)进行配准实验.实验结果表明,该算法稳定性良好,在对扩散张量图像进行配准时,能有效保持扩散张量主特征方向与纤维走向的一致性,同时成功解决了局部极值的困扰,是一种实用的扩散张量图像配准方法.     

DTI图像恢复的向量复扩散模型

为了减小扩散张量图像(DTI)中广泛存在的赖斯噪声影响,提出了向量复扩散模型.该模型是标量复扩散模型的推广和发展.为了评价该模型的去噪性能,对向量图像-扩散加权(DW)图像进行了恢复实验.基于模拟和真实数据进行的实验表明,相对于标量复扩散滤波器,向量复扩散滤波方法得到的PSNR和SMSE数值更高,追踪到的纤维数量更多、长度更长,故其去噪性能优于标量复扩散模型.另外,在信噪比较低情况下该模型优于实数域P&M向量滤波器.     

各向异性张量逆扩散指纹图像增强方法

由热扩散方程给出了一种基于张量扩散的各向异性逆扩散图像增强方法。该方法在对指纹图像滤波的同时,不仅保护了指纹的纹线,而且增强了纹线。实验结果表明该方法比传统的中值滤波、高斯滤波具有增强边缘的效果,更适合纹理密集的指纹图像的处理。     

基于复扩散过程的DTI图像恢复和纤维追踪

为了消除扩散加权图像中广泛存在的赖斯噪声,采用了复扩散滤波器。基于模拟数据的实验结果表明,在信噪比低的情况下复扩散滤波器具有更好的消除赖斯噪声的效果。运用本滤波器对脑部DTI图像进行去噪处理并对去噪后的图像进行纤维追踪,结果显示复扩散滤波器能够有效消除噪声影响从而使得追踪到的脑白质纤维数量增多,长度更长。     

一种新的边缘保留各向异性扩散方法

由于超声图像中的斑点严重影响了图像质量,也增加了临床诊断与治疗的困难,因此对于噪声图像,往往要先用高斯卷积对图像进行一定的平滑,再通过求微分来检测边缘。为了更好地滤除超声图像中的斑点,通过构造基于高斯卷积的结构张量,并将其引入到各向异性扩散方法中,实验结果表明,这种新的各向异性扩散方法不仅能有效地抑制斑点噪声,而且能检测并保留图像边缘与细节特征。     

一种高效稳健的差分视频噪声估计算法

提出了一种高效稳健的白噪声方差估计算法,算法首先对连续的两帧视频进行差分运算以获得更多的亮度平坦区域,进而在差分图像和原始图像中以一定的准则寻找亮度平坦块,最终从这些平坦块中估计出噪声的方差。大量的实验结果表明,本文算法不仅在低噪声水平和高噪声水平时保持了良好的估计准确性,而且对于图像含有大量纹理信息以及图像含有极少平坦块的情况,也给出了准确的估计结果,表现出了良好的稳健性。     

基于鲁棒M-估计器的全局运动估计方法

提出一种改进的基于鲁棒M-估计器的全局运动估计方法,在图像像素残差上采用在统计上鲁棒的M-估计目标函数,引入简化的像素残差权值函数作为二值函数,改进了全局运动估计中去除噪声点的方法。实验结果表明,改进算法的运动精度高,对大多数的图像序列都有较好鲁棒性且计算量小。     

非平稳噪声环境下的噪声功率谱估计方法

提出了一种新的非平稳噪声环境下的噪声功率谱估计方法。该方法通过采用非固定长度的时间窗跟踪含噪语音功率谱的最小值,解决了传统跟踪时延较大的问题。不同频带采用不同的阈值计算语音存在概率,从而利用语音存在概率值的大小调节噪声和语音的混合程度。实验证明,本文提出的方法较基于语音活性判决(Voiceactivity detectors,VAD)的一系列方法和传统的最小统计(Minimal statistic,MS)算法有更好的效果,从而有效地改善了增强后语音的质量。     

噪声强度不确定的连续系统的鲁棒采样估计

基于内采产特性讨论噪声强度不确定的连续系统的鲁棒采样估计问题,主要目的是为这类不确定系统设计离散滤波器,使每个状态的估计误差方差不大于预先指定值,从而获得满意的稳态滤波特性,文中首先研究了仅有模型噪声强度不确定时的情形,随后说明当测量噪声强度不确定时可用同样方法进行研究,最后用数值例子说明了本文设计方法的有用性和有效性。     

一种鲁棒的基于子空间分解的盲信噪比估计方法

为解决原子空间分解算法中对信号和噪声子空间维数估计鲁棒性差的问题,根据信号的过采样率信息提出了一种新的构造自相关矩阵的方法,以减少矩阵内部数据间的相关性,从而达到提高信号和噪声子空间维数估计精度的目的.同时,针对利用最小描述距离(MDL)准则估计维数时,只能在有限信噪比范国内实现精确估计这一情况,采用噪声功率(NP)法...     

含结构参数扰动的线性连续系统的鲁棒约束方差状态估计*

本文考虑含结构参数扰动的线性连续随机系统的鲁棒约束方差状态估计问题，即设计滤波增益，使受扰系统每个状态分量的估计误差方差的稳态值不大于预先给定值，同时滤波矩阵具有期望的稳定裕度。本文给出了上述性能鲁棒滤波增益的存在条件及解析表达式，并提供了相应的数值例子。     

一种快速鲁棒运动估计方法

经典的相位法易受高频噪声影响,且计算量大,难以满足实时性要求。提出了基于提升小波变换和离线预建立相关归一化系数与旋转角度对应关系数据库的快速鲁棒运动估计方法。试验结果表明,该方法在保持较高估计精度的情况下,具有较快的估计时间和较好的鲁棒性。     

一种基于图像表观的鲁棒姿态估计方法

提出一种利用图像的表观特征进行头部姿态估计的方法.该方法首先使用了一维Gabor 滤波器对头部图像进行特征提取,然后对提取得到的一维Gabor 特征进一步使用了基于核函数的局部费舍尔判别分析方法增强特征的判别能力.与传统二维Gabor 特征相比,一维Gabor 特征除了在计算速度和存储空间上具有明显的优势以外,更与姿态紧密相关.而基于核函数的局部费舍尔判别分析方法,能够解决姿态问题中存在的非线性问题和多模态问题.大量的实验结果表明,该算法对于姿态估计问题是有效的.特别需要指出的是,该算法具有良好的推广能力     

基于抗差估计方法的WSN节点定位算法研究

针对无线传感器网络在实际应用中,节点间测距结果往往含有粗差,并会严重影响未知节点坐标估计值的准确性和可靠性这一问题,引入抗差估计理论,采用IGGⅢ权因子函数,设计了一种基于抗差估计的节点定位算法。该算法能对含有不同幅度的测量误差分别采取保权、降权和淘汰等相应处理,明显提高定位精度。仿真实验表明:在无粗差的情况下,本文算法与经典最小二乘定位算法的定位效果保持了良好的等效性;在含有粗差的情况下,本文算法借助于选择的阈值,对不同的粗差采取剔除以及降权等适当处理,比经典最小二乘定位取得了更高的定位精度,保证了估计结果的无偏性,体现出良好的抗差性能。     

一种鲁棒的基于两个特征点的深度估计方法

This paper presents a novel depth estimation method based on feature points. Two points are selected arbitrarily from an object and their distance in the space is assumed to be known.The proposed technique can estimate simultaneously their depths according to two images taken before and after a camera moves and the motion parameters of the camera may be unknown. In addition, this paper analyzes the ways to enhance the precision of the estimated depths and presents a feature point image coordinates search algorithm to increase the robustness of the proposed method.The search algorithm can find automatically more accurate image coordinates of the feature points based on their detected image coordinates. Experimental results demonstrate the efficiency of the presented method.