32位微处理器在工业实时显控系统中的应用

提出了一种基于32位微处理器MC68331的工业实时显控系统设计方案.实现了主微处理器和显控系统微处理器进行异步串行通信时抗干扰性能优良的电平转换电路设计,利用MC68331内部的SIM(系统集成模块)及GPT(通用定时器)模块配置外围扩展系统,最大限度地节省了硬件资源,降低了成本.     

基于倒金字塔深度学习网络的三维医学图像分割

基于深度学习的医学图像分割对医学研究和临床疾病诊断具有重要意义。然而,现有三维脑图像分割网络仅依赖单一模态信息,且最后一层网络的特征表达不准确,导致分割精度降低。引入注意力机制,提出一种基于深度学习的多模态交叉重构的倒金字塔网络MCRAIP-Net。以多模态磁共振图像作为输入,通过三个独立的编码器结构提取各模态的特征信息,并将提取的特征信息在同一分辨率级进行初步融合。利用双通道交叉重构注意力模块实现多模态特征的细化与融合。在此基础上,采用倒金字塔解码器对解码器各阶段不同分辨率的特征进行整合,完成脑组织的分割任务。在MRBrainS13和IBSR18数据集上的实验结果表明,相比3D U-Net、MMAN、SW-3D-Unet等网络,MCRAIP-Net能够充分利用多模态图像的互补信息,获取更准确丰富的细节特征且具有较优的分割精度,白质、灰质、脑脊液的Dice系数分别达到91.67%、88.95%、84.79%。     

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。     

结合颜色不变量的SIFT和形状上下文图像匹配算法

针对传统图像匹配算法sift和shape-context存在的不足,把这两种算法分别作了改进,并提出一种二者相结合的混合匹配算法。首先在传统sift算法的基础上融入图像的颜色信息,即加入颜色不变量,构建彩色描述子;在shape-context算法中改用基于重心点的形状上下文直方图,代替传统的基于各个轮廓点的形状上下文直方图,生成形状上下文描述子。然后把这两种描述子级联成新的联合描述子,依据设定的新的联合距离对特征点进行匹配,得到初始匹配对。最后利用偏最小二乘法消除误匹配,得到精确匹配点对。实验结果表明,提出的算法能够有效提高图像匹配准确率。     

基于圆对称性的离焦模糊图像还原方法

针对离焦模糊图像,圆盘离焦模型和高斯离焦模型的还原效果并不理想,提出基于圆对称性的离焦模糊图像还原算法。通过刃边函数估算模糊半径,利用信噪比还原图像,进而计算图像的信号功率谱。提出改进的DCT分块加权清晰度评价函数,对DCT系数作指数加权优化,并根据圆对称性模型检测出的多个模糊半径还原出多个图像,并筛选出最清晰图像作为还原结果。实验结果显示,与传统的还原方法相比,该方法提高了还原图像的清晰度和分辨率。     

结合区域生长与容差机制的暗通道去雾算法

针对传统的暗通道先验算法在处理带有大面积天空区域的有雾图像时出现明显的块效应、色彩失真和亮度偏低等问题,提出了一种结合区域生长与容差机制的去雾算法。首先通过灰度图腐蚀求出暗通道;接着利用种子区域生长法分割出天空区域,并把天空区域的平均灰度值作为大气光值估计;然后结合大气散射模型得到粗略的透视率,并采用改良的容差机制和引导滤波对透视率进行修正和细化;最后,引入Retinex法对图像进行后处理,进一步调整色彩和亮度。实验结果表明,本文提出的去雾算法对带有天空区域的图像去雾效果明显,天空区域的色彩有了显著改善,图像整体清晰明亮。     

连续图卷积视频烟雾检测模型

目的 视频烟雾检测在火灾预警中起到重要作用,目前基于视频的烟雾检测方法主要利用结构化模型提取烟雾区域的静态和动态特征,在时间和空间上对烟雾信息作同等或相似处理,忽略了视频数据在时间线上的连续性和特征的非结构化关系。图卷积网络（GCN）与神经常微分方程（ODE）在非欧氏结构与连续模型处理上具有突出优势,因此将二者结合提出了一种基于视频流和连续时间域的图烟雾检测模型。方法 目前主流的视频烟雾检测模型仍以离散模型为基础,以规则形式提取数据特征,利用ODE网络构建连续时间模型,捕捉视频帧间的隐藏信息,将原本固定时间跨度的视频帧作为连续时间轴上的样本点,充分利用模型的预测功能,补充帧间丢失信息并对未来帧进行一定程度的模拟预测,生成视频帧的特征并交给图卷积网络对其重新建模,最后使用全监督和弱监督两种方法对特征进行分类。结果 分别在2个视频和4个图像数据集上进行训练与测试,并与最新的主流深度方法进行了比较,在KMU （Korea Maritime University）视频数据集中,相比于性能第2的模型,平均正样本正确率（ATPR值）提高了0.6%;在2个图像数据集中,相比于性能第2的模型,正确率分别提高了0.21%和0.06%,检测率分别提升了0.54%和0.28%,在视频单帧图像集上正确率高于第2名0.88%。同时也在Bilkent数据集中进行了对比实验,以验证连续隐态模型在烟雾动态和起烟点预测上的有效性,对比实验结果表明所提连续模型能够有效预测烟雾动态并推测烟雾起烟点位置。结论 提出的连续图卷积模型,综合了结构化与非结构化模型的优势,能够获得烟雾动态信息,有效推测烟雾起烟点位置,使烟雾检测结果更加准确。     

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.     

基于新的形态学梯度参数的DTI图像分割算法

为了解决传统DTI图像分割中更细致边缘信息的丢失问题,提出了新的张量形态学梯度参数,并基于张量相似性形态学梯度和各向异性形态学梯度,采用标记的分水岭算法对DTI图像进行分割.通过对人脑胼胝体图像的分割实验表明,利用新参数TMG-l2和TMG-RA能够更加快速、准确地对DTI图像进行细致边缘轮廓的定位和分割,保护了重要分割区域的边缘信息.