声肌图(SMG)的初步研究

超声波扫描术可以检查在静态或者动态情况下的人的肌肉,也有报道用超声波扫描术来估计人的手臂或者手的肌肉和神经。但目前还没有研究报道超声扫描肌肉空间变化时得到的图像变化和相应的关节运动之间的关系。我们把超声扫描肌肉时得到的动态超声图像以及从中得到的动态信号称为“声肌图(sonomyography)”,简写成SMG。本文提出了SMG信号的概念,对手腕进行屈伸运动时在前臂采集到的SMG信号使用图像处理法进行了初步的研究分析,并讨论了其潜在的应用价值。     

基于屈肌声肌图的假手控制初步研究

医学超声成像是研究骨骼肌的结构形态变化特性的有效工具。通过自行开发的信号采集与控制软件,同步采集手腕屈伸时前臂屈肌的超声图像、表面肌电（Surface Electromyography,SEMG）信号以及手腕屈伸角度值。简单分析了屈肌厚度变化的声肌图（SMG）和表面肌电、手腕角度之间的关系,并初步实现了利用屈肌厚度变化SMG控制假手的张合。实验结果表明,肌肉厚度变化SMG具有控制假手的可行性。     

基于DS-VSMM的声网络低空机动目标跟踪

针对低空机动目标的声网络无源跟踪问题,提出一种基于有向图切换的变结构多模型算法.首先,将多个声传感器组网并对其时延的方位角数据进行配准,改善无源声探测网络的融合性能.其次,通过变结构多模型对目标状态进行估计,并利用有向图切换方法对新激活的模型分配权重,跟踪结果为多个模型估计结果的融合输出.通过与交互式多模型算法的仿真比...     

骨骼肌运动特性的多信号结合研究

超声可以清晰地观测骨骼肌空间形态变化,是研究骨骼肌运动形态特性非常有效的工具。定义超声扫描骨骼肌得到的有关骨骼肌结构的空间形态变化信息为“声肌图（sonomyography,SMG）”。文章通过一套自行开发的可以无干扰、同步、连续采集B超图像、力或力矩、角度、肌电信号等骨骼肌相关信号的超声运动与弹性测量系统,记录了手腕屈伸运动时前臂桡侧腕伸肌处的B超图像、表面肌电信号和手腕屈伸角度,讨论了多信号研究骨骼肌运动特性的可行性。结果表明了多信号研究骨骼肌特性的优越性。     

多参量的骨骼肌等长收缩初步研究

骨骼肌的力学特性总是和它的结构形态相关的,表面肌电信号是骨骼肌的电生理学特性的表现,但它不能表征骨骼肌的结构形态特征。把超声扫描骨骼肌得到的有关骨骼肌结构的空间形态变化信息定义为“声肌图(sono-myography)”,简写成SMG。文章研究了肱二头肌等长收缩活动时的肌肉厚度变化率SMG信号和表面肌电信号、力矩之间的关系,根据实验结果归纳给出了经验公式,它对于了解骨骼肌功能、对骨骼肌建模以及对康复设备的研发等有着直接的作用和意义。     

空间目标序列图像相关跟踪算法

提出一种用于跟踪空间目标的相关匹配算法。它先对匹配像素用动态阈值分类,若灰度绝对差大于阈值,再使用最小绝对差平方累加和作为相似性度量。同时提出一种新的模板修正策略,即每隔一定帧后对模板求质心,调整质心在模板上的位置。仿真实验结果表明,该算法可以克服图像噪声、局部突变、目标变光对匹配的影响,对目标与背景灰度差在20个灰度级以内的低对比度目标跟踪也有较高的精度和可靠性。实验中可以持续几千帧稳定地跟踪空间目标。结合快速搜索和粗精匹配方式,处理一帧时间在20ms以内。     

声相关计程仪检测技术

声相关计程仪(Acoustic Correlation Log,ACL)检测技术用于对ACL在陆上进行功能检测。阐述了检测技术原理、检测方案以及检测平台的设计与实现。采用声呐阵对接检测的方案,可以连续对ACL完成一系列的检测。为了对70k Hz ACL进行功能检测,使用快速多通道并行的A/D、D/A模块,基于运行在PXI控制器的WINDOWS平台,开发了微软基础类库(Microsoft Foundation Classes,MFC)框架下的检测软件,搭建了完整有效的可视化检测平台。该检测平台可以完成对70 k Hz ACL的在载体功能检测,包括发射通道检测、接收通道检测以及串口输出检测等主要功能检测。检测平台使用便捷,性能稳健。经实验室测试证明,检测方案具备可行性,检测平台具有实用性。     

基于相关分析的声发射储罐罐底检测降噪方法

基于声发射原理的大型储罐罐底腐蚀和泄漏检测方法近些年被业界普遍认同。作为一种高效率、低成本的先进方法取得了越来越多的应用。然而由于该方法本身的特点,在检测过程中不可避免地会采集到大量的噪声信号。如不能有效地消除这些噪声信号,就会严重影响对罐底评估的准确性。因此,人们提出了多种去噪方法,然而这些方法却不能很好地消除“虚定位”事件。针对该问题,提出了一种基于相关分析的声发射罐底检测降噪方法以消除“虚定位”事件。通过对现场实际检测数据的处理表明,该方法能够有效消除“虚定位”事件,使得罐底评估的结果与开罐实测的结果更加相符。     

一种基于 MCD 相关跟踪的投影特征快速提取方法

针对产品内部复杂精密元件射线成像检测中有效。快捷的特征提取问题，在分析MCD（Maximum Close Distance)相关跟踪算法的优缺点的基础上，提出了一种基于MCD相关跟踪的投影特征快速提取方法。它保留了MCD算法的抗干扰能力。匹配精度高的优点，同时将大量信息压缩为少量的投影特征，减小了计算量，提高了检测速度。     

利用声化学激活血卟啉抗肿瘤效应的研究

本文介绍了超声激活血卟啉抗肿瘤效应－声动力学疗法的国内外研究进展，总结了近几年来的研究方法及结果，声动力学疗法弥补了光动力学疗法的不足，具有较大的应用前景。     

基于自适应空间正则化和畸变抑制的相关滤波跟踪

针对背景感知相关滤波器的空间正则化权重固定,不适应目标变化和增大搜索区域,易引入背景噪声导致滤波器判别力下降等问题,本文提出一种基于自适应空间正则化和畸变抑制的相关滤波跟踪算法。首先提取FHOG特征、CN特征和灰度特征以增强算法模型对目标的表达能力;其次,在目标函数中加入畸变抑制项来约束当前帧的响应图,增强滤波器的判别能力,以缓解滤波器模型退化问题;最后,在目标函数中加入自适应空间正则化项使空间正则化权重能够随着目标的变化而更新,使得滤波器能充分利用目标的多样性信息。本文在公开数据集OTB-2013、OTB-2015和VOT2016上进行实验,以对所提算法进行评估。实验结果表明：本文算法速度为20 f/s,距离精度和成功率等评估指标均优于对比算法,在遮挡、背景干扰、旋转变化等多种复杂场景下都有良好的鲁棒性。     

A color image tracking method based on target characteristic hue decision

针对传统相关匹配算法在无效搜索点耗费大量时间的状况,提出一种基于目标特征色调粒度判决来对相关搜索区域进行优化的目标跟踪方法。通过对HSV彩色空间进行量化并降维,构造出以色调信息为主的一维特征空间,对目标进行边缘检测,在目标轮廓区域内构造目标特征色调粒度集合,该粒度集中的颗粒包含色调值、色调面积以及像素距离瞄准中心平均距离等属性。采用粒度计算方法,对该集合与各搜索分块的色调粒度集合进行相似度计算,通过得出的各搜索块置信度,排除对目标特征色调信息不敏感的无效搜索区域。试验证明,该方法可以在保证精度的同时提高常规匹配算法的实时性能。     

传感器网络目标恢复算法研究

分析了传感器网络在目标跟踪过程中产生目标丢失故障的原因.在此基础上采用分簇设计思想,通过对跟踪目标移动速度的计算和目标搜寻区域的建立等方法,提出了目标丢失故障恢复新的算法和技术.实验证明,所提出的算法和技术在延长传感器网络生存时间前提下,能够有效地解决跟踪目标发生丢失故障后目标快速恢复问题.     

基于支持向量机的红外成像跟踪算法

为提高传统红外成像跟踪算法的性能,克服相关跟踪对"图像灰度一致性"的要求,在分析光流方程和支持向量机基本理论的基础上,提出一种由光流方程引出的基于支持向量机的成像跟踪算法.以机动车的红外图像序列为研究对象,该算法利用支持向量机的分类值替代方差和误差函数,将每帧中分类值最大的位置看作当前帧中目标的位置,从而实现了对目标的跟踪.该算法不仅不要求满足"图像灰度一致性",而且有效地减少了跟踪的累积误差.研究结果表明,与传统相关跟踪算法相比,本文提出的跟踪算法的精度、稳定度和鲁棒性都有所提高.     

基于深度学习的飞机目标跟踪应用研究

本文针对飞机目标,提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络,使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层,全连接层作为目标和背景的分类层,采用特定的飞机数据集来更新网络参数。训练完成之后,结合回归模型,采用简单的线性更新对飞机进行跟踪,算法实现了飞机旋转、相似目标、模糊目标、复杂环境、尺度变换、目标遮挡以及形态变换等复杂状态的鲁棒跟踪,速度达到平均20.36 f/s,在ILSVRC2015飞机检测数据集上成功率均值达到0.592,基本满足飞机实时跟踪。     

误差空间估计的卫星跟踪位置预测

为了提高光电跟踪设备进行卫星观测跟踪时的精度与平稳性,提出一种在跟踪过程中预测卫星位置的误差空间估计方法.该方法根据当前不完全有效与准确的实测数据,用动力学模型方法离线预测数据与离线预测误差表示卫星位置,在预测误差构成的误差空间中对其进行滤波与预测,再与离线预测数据合成以得到精度更高的卫星位置预测数据.实验结果表明,文中方法对卫星位置的预测数据精度比采用运动学模型的Kalman滤波方法高,在精度要求为1'的情况下,其能预测的时间范围比后者多25s以上,且误差随预测步长的增加,增长较缓慢.     

基于鲁棒PCA的视觉跟踪算法

目前使用颜色属性特征表征目标的几种主流算法中,均使用主成分分析法(PCA)处理颜色属性特征,而PCA方法假设输入数据中存在的噪声必须服从高斯分布,该方法存在明显不足。针对这一问题,本文根据鲁棒主成分分析法(Robust PCA)对颜色属性特征进行处理。将输入图像从原始RGB颜色空间映射至颜色属性空间,得到11种不同的颜色属性层;之后,基于Robust PCA处理颜色属性特征,使得映射后的图片信息都集中在少数层上,在保留原始图片大量信息的前提下滤除噪声。本文将使用Robust PCA处理后的颜色属性特征用于原始CN算法框架中并设置不同的降维层数对比其带来的算法性能差异。在OTB100中,与原始CN框架相比,算法成功率提升1.0%,精度提升0.9%。经实验数据证明,通过Robust PCA处理后的颜色属性特征具有更强的鲁棒性,可以更好地发挥出其优势并提升算法性能。