基于改进BP神经网络的心电信号分类方法

心电信号的准确判别是实现心电监测系统智能诊断的关键。为提高心电信号的分类精度,研究了一种改进BP神经网络的心电信号分类算法。首先对MIT-BIH Arrhythmia Database样本专家标注心拍进行统计分析,选择正常心拍、室性早搏、左束支传导阻滞心拍和右束支传导阻滞心拍作为神经网络识别目标,采用主成分分析法提取25个心拍特征作为样本向量。仿真结果表明,改进BP神经网络具有较好的分类识别能力,整个样本分类准确率为98. 4%。算法收敛速度快,分类精度高,有助于检测和诊断心脏疾病。     

一种改进的自适应模板匹配法

本文提出了一种基于数据流修正的自适应模板匹配定位方法.该方法首先在图像预处理的基础上,进行模板匹配.从而定位待识别目标;然后采用数据流修正的自适应方法.根据待识别目标的大小来改变模板尺寸.避免了设置固定模板的缺陷:最后,对模板匹配算法进行优化,使模板匹配的效率得到提高.采用该方法对车牌图像的定位进行实验,实现了车牌的准确定位且处理速度快,能满足系统实时性和自适应性的要求.     

一种改进下降序列影像匹配方法

针对嫦娥三号获取的下降序列影像匹配过程中,程序耗时较大且匹配结果不理想的问题,提出了一种改进的SURF(Speeded Up Robust Feature)匹配算法。算法通过高斯模板辅助进行梯度直方图统计,并采用最佳匹配区域限制,优化匹配效率。首先通过高斯模板卷积后,采用直方图统计的形式代替60°区域扫描方式,精确描述特征点;然后在最佳匹配点搜索时,通过建立着陆器下降过程几何模型,得到匹配点间的几何约束关系,减小匹配点搜索区域,最终完成了特征点匹配优化。实验结果表明,与经典方法相比,改进后的算法具有匹配过程耗时少,误匹配数量低的优点,有效地提高了匹配效率。     

基于粒子群优化的模板匹配跟踪算法

针对基于模板匹配的跟踪算法运行速度较慢、成功率较低的问题,提出了一种基于粒子群优化(PSO)的模板匹配跟踪算法。该算法采用粒子群优化算法作为模板匹配算法候选模板的搜索策略,并采用自适应的更新目标模板。首先,在设定的搜索区域内随机采集30个候选模板,计算出个体最优候选模板和全局最优候选模板;其次,根据粒子群优化算法进行迭代求出匹配值最佳的候选模板即为目标;最后,根据最佳候选模板的匹配值大小来自适应更新目标模板。理论分析和实验仿真表明,与基于模板匹配的跟踪算法和基于粗精搜索的模板匹配跟踪算法相比,基于粒子群优化的模板匹配跟踪算法的计算量平均要少91.1%和69.8%,且成功率为原算法的2.02倍和1.94倍。实验结果表明,基于粒子群优化的模板匹配跟踪算法能实现很好的实时跟踪,并且提高了跟踪的鲁棒性。     

加权模板匹配的二值化阈值不敏感性研究

数字图像二值化处理过程中,阈值的选取非常之关键,为了在实际应用中能够快速准确地匹配出二值化图像中的目标图像,文中采用模板匹配的方法,对标准模板匹配算法和加权模板匹配算法的二值化阈值敏感性进行了研究。根据实验图像在二值化处理过程中所取阈值的波动对图像匹配结果的影响情况,得到加权模板匹配算法与标准模板匹配算法的二值化阈值敏感性差异。实验结论同时表明加权模板匹配算法具有较强的二值化阈值不敏感性和匹配性能好的优点。     

基于解析形式的二维参数可变形模板匹配算法

为了更好地进行图像轮廓提取，对基于解析形式的二维参数可变形模板匹配方法中的模板结构、形变方式、离散化方案、内外部能量函数及优化算法等方面进行了研究与改进，并以生物体为原型，提出了一种具有3种生物组织结构的、形变方式可通过模板结构加以明确控制的、新的参数可变形模板匹配算法，该新算法是利用Gaussian函数来扩展外部力的作用域，并采用贪心优化快速算法进行能量函数优化。实验结果表明，这一新的模板匹配算法具有良好的轮廓提取速度、提取精度及稳定性。     

基于改进模板匹配的目标跟踪算法

基于模板匹配的目标跟踪应用中,常见的一个问题是相似性度量值受噪声影响较大.为解决这个问题,提出了一种新的相似度量方法.通过采用距离加权、模板更新以及局部匹配的方法,提高了在不同光照条件及变形情况下跟踪算法的鲁棒性.对原算法和改进算法进行了对比实验,结果表明改进后的算法在存在严重遮挡的情况下,仍能准确地跟踪到运动目标.将mean-shift跟踪、基于子空间分解的粒子滤波跟踪及基于改进的模板匹配跟踪进行了比较,实验结果表明改进后的算法实现简单,跟踪性能与其他两种跟踪算法相近.     

基于改进K均值聚类生成匹配模板的心搏分类方法

为提高分析含大量数据的动态心电时的准确性和分析效率,提出了一种基于改进的K均值聚类生成心搏模板的匹配方法.使用K均值聚类和波形反混淆技术进行循环纠错,生成可变宽心搏模板、并建立心搏模板库.利用可变宽心搏模板和相关系数相结合的策略,对动态心电中心搏进行快速准确分类.实验方法经心率失常数据库MIT-BIT和ANMA/ANSI标准验证,分类结果总体准确率达98.06%,达到了心搏分类目标.     

量子可逆逻辑综合的关键技术及其算法

最优化量子可逆逻辑的关键在于用最小的量子代价自动构造量子可逆逻辑.为了提高可逆逻辑自动生成与优化的效率,提出了类模板技术和一种快速算法.模板技术是一个有效的优化工具,类模板技术可以显著提高模板技术的匹配效率;R-M算法是可逆逻辑综合的一种较好的迭代方法,基于R-M算法的原始思想,构造了一个Hash函数,并在此基础上提出了一种可逆逻辑综合的快速算法.实验结果表明,在同等实验环境下使用类模板技术与快速算法,其优化的效果与效率远远优于已知的其他算法.     

基于多方法融合的车牌自动定位算法研究

提出了一种将模板匹配、形态学和投影法多方法融合的车牌定位算法.首先,对预处理后的车牌图像采用优化的模板匹配算法粗定位车牌区域;然后运用形态梯度方法对租定位后的图像进行边缘检测;最后,采用投影法进行精确定位,通过对投影的分析找到车牌的准确位置.实验结果表明,该算法对车牌定位的准确性和处理速度都有很大提高,满足了系统实时性和准确性的要求.