几种常用CT图像分割算法分析和探讨

图像分割是数字图像处理的一个经典难题。其分割质量的好坏直接影响到图像处理的后续工作。因而在理论研究和实际应用中受到研究人员的广泛重视。本文在总结了过去的分割方法基础上,就目前常用几种分割方法进行实验研究。主要包括阈值分割、LOG算子分割、FCM聚类分割、分水岭分割,并结合CT图像进行图像分割。文章阐述了各种分割方法的概念及原理,并在此基础上对分割结果进行了分析和探讨,得出各种方法的优点和不足。这些实验结论将为后续研究提供科学依据。     

具有时变时滞耦合的二阶多主体系统的编队控制

多主体系统的编队控制是一类重要的网络协同控制问题.研究了在有向连接拓扑结构下,具有时变时滞耦合的二阶多主体系统的编队控制问题.通过一种多层领导机制的框架建模,得到了时不变编队、时变编队和时变轨迹追踪3种编队问题的充分性条件,并证明了各种预期队列是以指数的收敛速度形成的.数值仿真进一步验证了理论结果的正确性,为该理论在实际中应用起到指导作用.     

一种自适应的仿生图像增强方法:LDRF算法

为了研究基于人类视觉系统特性(亮度自适应特性和视网膜神经元感受野非经典侧抑制特性)的仿生图像处理方法,增强仿生图像增强算法的自适应性,提出了一种新的自适应仿生图像增强算法——LDRF算法.LDRF算法首先建立参数对数模型对图像全局亮度进行自适应调整,然后采用三高斯动态滤波进行局部细节增强,引入Wal-lis算子建立增益因子模型,使局部细节增强具有自适应性,最后通过线性变换恢复图像彩色信息.在大量图像上进行对比实验和分析.实验结果证明,LDRF算法能够避免过增强现象,并且针对不同大小、不同内容的图像能够自适应地进行图像增强,取得了较好的效果,提高了仿生图像增强算法的实用性.     

车辆悬架用电磁执行器的建模与试验研究

应用电磁感应的基本原理,设计了一种新型的车辆主动悬架用电磁直线执行器,该执行器具有响应快,出力大和动行程大的特点。通过两种不同的建模手段,即有限元建模和集总元件动力学建模的电磁力仿真对比分析,两者基本吻合,表明了执行器模型的准确性。利用所建立的有限元模型,研究了执行器结构参数如气隙厚度和次级铜层厚度对电磁力的影响规律,并选取合理的参数进行执行器的样件试制。通过对加工后的样机模型进行电磁力响应的试验测试,并分别与有限元模型和集总元件动力学数学模型进行相应的比较,试验数据与仿真结果基本一致,进一步验证了模型的准确性。     

基于振动信号的水电机组状态劣化在线评估方法研究

实现水电机组状态劣化评估和故障预警是行业研究的热点。论文提出了一种结合时域与频域特征的机组劣化在线评估方法。(1)先利用检测指数确定振动信号中对机组运行状态最为敏感的时域特征;再以机组健康状态下工况参数X(水头、开度等)和检测指数筛选的振动信号时域特征Y为健康样本,利用最小二乘支持向量机构建机组状态健康模型Y=f(X)。基于该模型,以实时工况参数为输入,在线预测对应工况下机组振动信号时域特征健康值,计算健康值与实际值之间的相对误差,作为评估机组劣化程度的时域劣化指标。(2)利用小波变换与奇异值理论对振动信号进行分解,提取健康状态下机组振动信号奇异值特征向量并得到健康聚类中心,实时计算实测信号奇异值特征向量与健康聚类中心之间的相对欧式距离,作为频域劣化指标。结合时域和频域劣化指标,在线计算综合劣化指标评估当前时刻机组劣化程度。结合实际机组运行案例,验证了该模型的有效性和实用性。     

LID改造对城市内涝与面源污染的影响

为了探究低影响开发(LID)措施对城市雨水-径流-污染过程的改善效果,以广州市某区域为例,提出了4种LID改造措施(绿色屋顶、生物滞留池、透水铺装、3种LID组合),并构建了SWMM模型来模拟分析5种暴雨重现期下不同LID改造措施的水文水质效应。结果表明：单一LID改造措施下,暴雨重现期较大时透水铺装效果最好,该情景下洪峰削减率、峰现时间延迟和总流量削减率都达到了最大;3种LID组合对总流量削减率最高,为26-12%~34-40%;单一LID改造措施下,透水铺装对COD与NH3-N质量浓度峰值削减和峰现时间延迟效果最佳;3种LID组合对COD和NH3-N总量削减率最高,分别为50-51%~60-83%和53-16%~58-47%。LID改造措施对城市内涝、COD和NH3-N都有不同程度的减轻或削减,其中LID组合改造措施的效果最好。     

基于非负矩阵欠逼近和剪枝技术的多结构几何模型拟合

鲁棒几何模型拟合是计算机视觉中一项非常重要且具有挑战性的研究问题.它已被广泛应用于人工智能领域的多个相关任务,如车道线检测、三维重构、图像拼接和运动分割等.鲁棒几何模型拟合的主要任务是从包含离群点和噪声的多结构数据中估计模型实例的参数和数量.然而,当前的模型拟合方法在拟合精度和计算速度上仍然无法满足实际场景中应用的需求.为此,该文提出一种基于非负矩阵欠逼近和剪枝技术的模型拟合方法,以提升模型拟合的性能.该文所提出的模型拟合方法包含误匹配剪枝算法、模型假设剪枝算法和改进的非负矩阵欠逼近算法.我们首先将误匹配移除技术引入到模型拟合中,以减少离群点对数据点采样过程的影响,进而减少生成无效模型假设的数量;接着我们利用模型假设剪枝算法来修剪无效的模型假设并选择有意义的模型假设,以构建一个高质量的非负偏好矩阵;最后,我们将空间约束和稀疏约束引入到非负矩阵欠逼近的优化问题中,并采用结构合并策略自适应地估计模型实例的参数和数量.在合成数据和真实图像上的实验结果表明,该文所提出的方法比当前一些有代表性的模型拟合方法具有更好的拟合性能和鲁棒性.在拟合精度上,该方法比T-Linkage和RS-NMU分别提升了约197.2％和47.7％.在拟合速度上,该方法比T-Linkage和RS-NMU分别快了约2.3倍和1.9倍,而且在三维重建任务的运行速度上比最新的拟合方法MCT快了约42.5倍.     

基于五层十五级遥感数据结构的并行算法研究

针对当前环境与监测预报小卫星宽覆盖和海量数据显示与处理不足的现状,设计五层十五级遥感数据组织结构,并依据此结构设计一种新的并行计算算法,得到并行计算的最大近优估算值,优化环境与监测预报小卫星海量数据的遥感产品生产能力,提高环境监测预报效率。     

一种新的双模式神经网络盲均衡器设计与仿真

在通信系统设计中,常采用盲均衡器来抑制带限信道导致的码间干扰。但传统的常数模算法(CMA)以及基于CMA的双模式算法对于多进制正交调幅信号(QAM)存在较大的误判,收敛后QAM系统性能较差等不足之处。在修正常模算法(MCMA)的基础上,针对QAM信号为多模信号的特点,采用多模算法(MMA)与修正判决引导算法(MDD)结合的双模式算法,并引入可准确模拟信道逆系统的多层感知机结构,得到了一种新的基于双模式算法的多层感知机结构神经网络盲均衡器,利用新算法调整神经网络参数,并且利用重置模块跟踪信道变化。仿真结果表明,新算法调整的神经网络盲均衡器双模式盲均衡器在稳态MSE、收敛性方面都有所提高,并具有抵抗信道突变的能力,为通信系统设计提供参考。     

深度学习的人体图像半自动标注系统

针对目前数据标注过于依赖硬件、手动数据标注效率低下的问题,提出了基于深度学习的人体图像半自动标注系统.系统通过对算法进行改进,增加人体关键点个数进行特征提取和加入运动信息的约束,提高了视频分阶段标注的准确率.使用真实数据集仿真实验证明了通过深度学习算法进行数据标注的可行性,并且使用半自动标注的速度快、准确率高.