一种新的红外小目标检测算法及其应用

针对红外探测系统中单帧红外图像中的小目标检测问题,在分析红外场景模型的基础上,提出了一种基于自适应噪声平滑和Robinson Guard背景杂波抑制的空间滤波算法.该方法对于起伏背景下红外小目标的检测和识别有良好的性能,且具有目标信息损失小的优点.利用ADSP-TS201S高性能数字信号处理器实现了该算法,并成功应用到全向红外搜索跟踪系统中.实验结果表明,在低信噪比情况下,所提出的单帧红外小目标检测算法有很好的检测性能.     

a稳定分布噪声下基于Merid滤波的跳频信号参数估计

常规时频分析方法是处理跳频(FH)信号的有力工具,但在a稳定分布噪声环境下无法有效地实现参数估计。该文提出基于Merid滤波的时频分析方法对跳频信号进行参数估计。Merid滤波器可以有效地抑制a稳定分布噪声,该文先对观测信号进行Merid滤波,再采用短时傅里叶变换(STFT)进行参数估计。仿真结果表明,在a稳定分布噪声环境中,该方法的跳频信号参数估计性能优于基于分数低阶和基于Myriad滤波的两种时频分析方法。     

一种多模态医学影像鲁棒配准方法

为提高多模态医学影像配准的鲁棒性和精度,提出了一种基于主定序和混合熵的配准新方法.首先利用主成分分析方法定义了图像的主定序特征,描述图像邻域像素间的空间信息和微观结构特性;进而结合图像灰度信息构造了一种基于混合熵的配准测度,有效保证了配准测度函数的光滑性和收敛性.多组多模态医学影像测试结果表明,新方法能有效抑制噪声,具有很高的配准精度,鲁棒性强,优于现有的几种方法.     

一种图像测量中标定参照物的快速定位方法

提出一种在图像测量中标定参照模板的自动快速定位方法，该方法采用粗检测与精定位相结合的二步策略，首先在下采样的增强图像中借助形态学与连通分量标记等算法检测可能的模板区域，然后利用感兴趣区域的直方图特性分析和角点检测算法确认真正的模板区域并给出精确的定位信息，实验结果表明了该方法的有效性。     

三维重建中形状插值的快速算法研究

提出一种用于三维重建的层间数据插值算法．该算法首先利用数学形态学算子提取层内图像骨架；然后利用骨架匹配算法获取层间骨架点集的平移、旋转和缩放信息，并利用此信息的线性插值获得插值层图像的骨架点集；最后根据形态骨架的重建算法获得插值层图像．文中算法只对骨架点集进行操作，具有较小的运算复杂度，较好地保留了原始图像的形状信息．实验结果证明了该算法的有效性．     

基于区域增长技术的树状器官的骨架提取算法

提出一种树状体数据的骨架自动提取算法．通过适当地定义体素的间距，就可以借助区域生长技术在体数据中生成从给定根节点到所有体素的最短距离图．基于此距离图，骨架提取算法印可自动检测出所有体数据分支的结束节点及其到根节点的最短路径．然后，通过中心化算法删除冗余点。且保证剩余节点集中于树状体数据的中轴线上．该算法产生的骨架具有单体素宽度和26邻域连通性，可以用作虚拟内窥镜的自动漫游路径，实现所有分支的内表面测览的自动导航．     

基于DICOM和HL7标准的医院放射科信息系统

介绍了当前的两种主要的医学信息系统以及它们所采用的标准，然后分析了RIS和HIS系统，RIS和PACS系统之间交换信息的原理，给出了一个具有普遍意义的放射科信息系统模型，该模型有助于医院放射科真正形成信息共享的网络，进而实现放射科内的全程自动化。     

一种基于快速区域标识的交互式体切割算法

提出了一种基于快速区域标识的交互式体切割算法.在进行切割计算时采用了一种有效的体数据空间标识算法,该方法具有和切割形状无关的特性,可精确地按照用户定义的任意形状对体数据进行切割.同时,还利用基于三维纹理映射的通用图形硬件加速体绘制算法对切割结果进行绘制,该方法在普通PC上可有效地对体数据进行交互式切割.     

多源Web对象与关系数据的集成

利用序列数据语义标注学习方法来解决异构数据源的模式匹配问题,将从多个网站抽取的异构Web对象集成到关系数据库中.在线性链条件随机场的基础上提出了一种可叠加多阶链的组合条件随机场模型.该模型可以在由手工标注数据和关系数据库记录组成的联合样本集上进行训练,因此减少了对繁琐手工标注样本的依赖;此外,通过在线性链条件随机场模型上叠加高阶链,使得该模型能够有效地处理状态变量间的长距离依赖.在多个领域的真实数据集上的实验和分析结果表明,所提出的方法能显著提高异构Web数据的字段标注性能.     

基于样本分布不平衡的近似支持向量机

针对标准的近似支持向量机（PSVM）没有考虑样本分布不平衡的问题，提出了一种新的PSVM算法-BPSVM，根据训练样本数量的不平衡对正负样本集分别分配了不同的惩罚因子，并将原始优化问题的惩罚因子由数值变更为一个对角阵，最后推导出了线性和非线性BPSVM的决策函数，实验结果表明：BPSVM的性能优于PSVM与SVM方法相比效率更高.