基于局部复杂度信息测度的冠脉造影图像分割

针对冠状动脉造影图像中血管与背景的对比度低以及背景复杂等问题,提出了一种基于局部复杂度信息测度的冠脉血管分割方法.通过对造影图像过渡区特征的分析,构造了局部复杂度信息测度作为特征参数,提取造影图像的过渡区.根据提取的过渡区直方图确定一个最佳分割阈值,提取冠脉血管.实验结果表明,本文方法在小血管的提取、连通性和有效性方面...     

多孔储液材料的仿生制备及其摩擦学性能研究进展∗

多孔储液材料因其优异的自润滑性能备受关注,特别是其孔隙结构参数与性能间对应关系的研究一直是学术界和工业界亟待解决的问题。 针对该类多孔储液材料,从来源、制备方法以及摩擦学特性等方面对其发展脉络及面临的问题进行梳理和分析,认为在仿生关节软骨制备适合工业应用的摩擦副方面,如何提取关键仿生特征参数是关键。 目前在进行服役可靠性、工况适应性分析时,多用孔隙率来表征多孔结构特征,在明晰孔隙形态参数(孔径,分布,贯通型等)与力学-物理性能、润滑状态之间的映射关系方面存在明显的不足,导致从优化孔隙形态参数入手实现多孔储液材料力学-物理性能与摩擦学性能的统一方面仍具挑战性。 3D 打印技术的快速发展有望解决当前多孔材料成形过程中孔隙形态参数不可精确控制的问题,并为其自润滑理论的发展提供有效试验手段。     

基于小波变换和稀疏成分分析的盲图像分离法

针对图像信号不满足稀疏性条件,不能直接用稀疏成分分析模型进行盲分离的现象,提出一种基于小波变换和稀疏成分分析的盲图像分离法. 利用小波分解将混合图像从空域转化到频域,获取混合图像高频对角分量,在频域空间利用线性聚类稀疏成分分析法估计混合矩阵,进而最终重构源图像. 实验结果表明,该方法能准确有效地提取源图像. 目视结果及相关系数分析结果均表明,与经典独立成分分析法(FASTICA)相比,该方法分离精度高,分离效果好.      

高分辨率遥感影像感兴趣区域快速检测

传统高分辨率遥感影像感兴趣区域的检测方法通常要利用先验知识库对整幅影像进行全局分析与搜索,具有很高计算复杂度。从人眼视觉特性出发,提出一种新的高分辨率遥感影像感兴趣区域快速检测算法。基于视觉关注模型对高分辨率遥感影像进行空间降维,确定视觉关注焦点;根据关注焦点位置在原始遥感影像中描述出相应的感兴趣区域。实验结果表明,新方法不仅具有较低计算复杂度,而且有效避免了影像分割、特征检测等计算复杂度较高的全图搜索方法,提高了高分辨率遥感影像感兴趣区域的检测效率。     

一种基于整数平方量化阈值的小波图像编码算法

作为JPEG2000的重要组成部分,整数小波变换(IntegerWaveletTransform)和嵌入式零树编码(EmbeddedZerotreeWaveletCoding)有许多优越性,但是图象经整数小波变换(IWT)后各子带系数幅值的动态变化较小,因此其能量集中性较第一代小波变换差很多,不利于零树编码(EZW)。该文从零树编码的量化阈值入手,将传统零树编码中“2的整数次幂”量化阈值改为从1开始的整数平方量化阈值,通过缩短了各量化阈值间的距离,减少了重要系数集中出现在较低量化阈值的机会,增加了编码过程中零树的数量,从而充分利用了整数小波变换能量集中性较低的特点。实验证明,该算法通过整数平方量化阈值有效地将整数小波变换同零树编码结合起来,提高了编码效率。     

基于部分位平面交替偏移的感兴趣区图像编码

提出一种基于部分位平面交替的感兴趣区（ROI）图像编码方式-PBAshift。采用4个策略提高编码效率：1）向上偏移最重要ROI位平面至最大背景（BG）位平面之上，保证最重要ROI位平面得到优先编码；2）将最重要的BG位平面与一般重要ROI位平面交替偏移；3）重要性一般的BG位平面与重要性最差的ROI位平面不偏移；4）向下偏移重要性最差的BG位平面。实验表明，PBAShift不仅支持元需ROI形状信息的单ROI编码，而且支持不同兴趣度下的多ROI编码，对今后医药与遥感图像压缩具有重要意义。     

基于分级位平面偏移的多感兴趣区图像编码

被JPEG2000推荐的Maxshift方式能够高效完成单一感兴趣区(ROI)图像编码,但无法支持不同兴趣度下的多ROI编码.本文提出一种采用分级位平面偏移框架的多ROI编码方式-CBShift.新方法将所有ROI与背景位平面按重要性不同分为重要ROI与背号位平面区(MSRB)、一般重要ROI与背景位平面区(GSRB)及不重要背景区(LSB).当图像中含有多个ROI时,通过调节每个ROI在GSRB区的位平面偏移量支持不同兴趣度下的多ROI编码.实验显示,新方式不仅具有Maxshift方式的优点,而且支持不同兴趣度下无需ROI形状信息的多ROI编码.     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

跨尺度耦合的连续比例因子图像超分辨率

目的 虽然深度学习技术已大幅提高了图像超分辨率的性能,但是现有方法大多仅考虑了特定的整数比例因子,不能灵活地实现连续比例因子的超分辨率。现有方法通常为每个比例因子训练一次模型,导致耗费很长的训练时间和占用过多的模型存储空间。针对以上问题,本文提出了一种基于跨尺度耦合网络的连续比例因子超分辨率方法。方法 提出一个用于替代传统上采样层的跨尺度耦合上采样模块,用于实现连续比例因子上采样。其次,提出一个跨尺度卷积层,可以在多个尺度上并行提取特征,通过动态地激活和聚合不同尺度的特征来挖掘跨尺度上下文信息,有效提升连续比例因子超分辨率任务的性能。结果 在3个数据集上与最新的超分辨率方法进行比较,在连续比例因子任务中,相比于性能第2的对比算法Meta-SR(meta super-resolution),峰值信噪比提升达0.13 dB,而参数量减少了73%。在整数比例因子任务中,相比于参数量相近的轻量网络SRFBN(super-resolution feedback network),峰值信噪比提升达0.24 dB。同时,提出的算法能够生成视觉效果更加逼真、纹理更加清晰的结果。消融实验证明了所提算法中各个模块的有效性。结论 本文提出的连续比例因子超分辨率模型,仅需要一次训练,就可以在任意比例因子上获得优秀的超分辨率结果。此外,跨尺度耦合上采样模块可以用于替代常用的亚像素层或反卷积层,在实现连续比例因子上采样的同时,保持模型性能。