基于可变阶数的集员滤波仿射投影算法

为了解决传统集员滤波仿射投影(SM-AP)算法收敛速度与稳态失调和计量复杂度之间的矛盾,提出一种新的数据选择性仿射投影算法。此算法在传统SM-AP算法的基础上,引入可变阶数(也称数据重用因子),称为基于可变数据重用因子的集员滤波仿射投影(VDRF-SM-AP)算法。通过利用步长提供的信息,此算法可以自动地分配数据重用因子,实现了在初始阶段数据重用因子大,收敛后数据重用因子小的目标,从而既保证了收敛速度又降低了稳态失调。通过理论分析和仿真验证,新算法的整体复杂度比其他传统的SM-AP算法低很多,同时保留了传统的SM-AP算法的快速收敛特性,但是却能达到更小的稳态失调。     

基于区域支配集的无线传感器与执行器网络区域覆盖算法

通常情况下,无线传感器网络在感知覆盖留有冗余。在保持网络功能的前提下,一些传感器可以转入休眠状态。随机配置在某个区域的传感器应当能够决定激活哪些传感器来监测某个区域,以及哪些传感器转入休眠状态,并在后期被激活。连通性非常重要,它支持测量数据报告给监测中心。传感器区域覆盖问题既可看作是单位圆盘图,也可看作是基于物理层的感知模型。文章引入了传感器覆盖模型,分析了传感器覆盖与连通标准,提出了传感器区域覆盖算法。     

一种可变测试集的协议一致性测试方法

目前常用的协议一致性测试的测试方法是首先对协议规范建模,然后通过模型生成测试集,最后执行测试集.这种方法存在执行效率不高和实际测试范围可能被缩小的问题,为此本文提出一种可变测试集的方法,通过动态执行测试集提高其执行效率,同时从与协议实现无关的角度扩大协议的实际测试范围.     

可变区域的视频图像幅型比非线性缩放算法

详细讨论了算法的原理和工程实现方法.结果表明,该算法既可保证主景图像不失真及图像内容的完整性,又可充分利用电视屏幕的整个显示区,达到较完美的视觉效果.     

基于改进不确定集的稳健波束形成算法

基于不确定集约束的稳健MVDR波束形成算法在一定程度上依赖于期望信号导向矢量误差的先验知识,且当导向矢量失配较严重时干扰抑制性能也有所下降。为此,提出了一种基于投影变换的改进算法。该方法将约束方向矢量向信号干扰子空间投影,并作为新的约束方向矢量,从而等效于减小了期望信号导向矢量误差。这样,误差不确定参数只需设置为一较小的实数即可在任意导向矢量失配时获得最优的输出性能。计算机仿真结果证明了所提波束形成器具有较强的稳健性能。     

基于支撑集保护的回环匹配算法

针对部分压缩感知贪婪迭代类重构算法中误删正确支撑集元素的缺点,提出了一种基于支撑集保护的回环匹配算法（LM-P）。该算法依据最小残差内积初始化非受保护支撑集元素,然后依据观测向量在非受保护支撑集对应观测子矩阵上的投影,选择对应投影绝对值最大的元素添加到受保护支撑集,迭代获得受保护支撑集,从而重构原始信号。实验结果表明,对于非零值服从正态分布且稀疏度小于观测值一半数目的稀疏信号,LM-P算法的重构准确率超过86%;对于低信噪比稀疏信号,该算法的重构准确率能够维持在99%以上;与OMP、CoSaMP、SP和GPA算法相比,LM-P精确重构所需观测值数更少;此外,LM-P算法在二维图像信号的重构中也有较好性能。     

基于区域信息的水平集医学图像分割

不断完善基于区域信息的水平集医学图像分割方法,能够有效提升医学诊断的效率,对促进医疗事业的更好发展,具有重要作用。本文在对基于边缘的水平集方法进行综合阐述的基础上,重点从符号压力函数和能量泛函和演化方程两个方面论述了基于区域信息的水平集医学图像分割方法,以期为相关人士提供借鉴和参考。     

基于局部最小相关系数的自适应扩散迭代次数研究

针对典型Perona-Malik各向异性扩散去噪模型中采用固定迭代次数的不足,提出了一种自适应迭代次数确定算法,通过去噪后图像与噪声的局部最小相关系数来自动确定扩散迭代次数.实验结果表明:本文算法比传统算法去噪效果更好,同时也很好地保持了图像的边缘细节,且具有一定的通用性.     

基于SVM的二次下降有效集算法

针对现有的有效集方法应用到支持向量机(support vector machine,SVM)优化问题时收敛速度较慢的问题,提出了一种基于二次下降法和推测赋值法的有效集算法.该算法在每次迭代过程中利用映射因子将迭代向量值限制在优化问题的不等式约束中,并通过调整步长使目标优化问题的函数值较传统的有效集算法进一步下降.由于函...     

基于改进的CV模型的医学图像分割

基于CV模型的水平集分割是医学图像分割的一个重要的分割手段。医学图像分割要求精度高,速度快。传统的处理方式效率比较低,不能满足医学图像的分割要求。针对这一缺点,本文提出新的分割模式。首先,在分割过程中间断的对图像进行窗口化处理,减少演化过程所需计算的数据量。同时使活动轮廓的演化速度伴随窗口规模进行调整,减少演变所需的迭代次数。实验表明,改进之后分割方法能够极大的提高分割速度,同时图像细节部分的分割也有更高的精度。     

一种改进的PCNN图像分割算法

PCNN用于图像分割时,为获得满意分割效果,其参数往往通过反复试凑确定,这在一定程度上限制了PCNN的使用。为此在改进的PCNN基础上,提出结合图像灰度直方图,以最大交叉熵函数作自适应遗传算法的适应度函数,采用自适应遗传算法搜索最优门限阈值的图像分割算法。该方法可有效地完成图像分割,分割结果优于原PCNN和传统Ostu算法。     

一种基于遗传算法的图像分割方法

图像阈值分割技术在图像分割中具有重要的意义。遗传算法既可以对全局信息高效利用,也减少了存储空间和计算量。利用遗传算法的优点,文章提出了一种用改进遗传算法优化图像阈值并对图像进行分割的方法。通过实验对比,文章表明该方法具有快速、稳定分割的特点。     

改进BIRCH算法的MRI脑图像分割

针对现有磁共振常规扫描序列对于颅脑白质、灰质信号相近分辨不清,解剖病变欠佳,难以达到临床高精准诊断的需求,选用改进的BIRCH算法,首先将3维MRI体数据经过预处理,由灰度与梯度组成特征向量,然后利用Cophenet相关系数,确定最优参数---分支因子B、阈值T,最后通过定义可调节线段L,改进原BIRCH算法仅将数据样...     

一种新的曲线演化混合模型图像分割算法

本文在Mumford-Shah模型的基础上，将传统几何曲线演化的驱动力（图像梯度局部信息）、Mumford-Shah模型的全局信息以及水平集的符号距离函数统一在一个变分框架之下，完成曲线演化过程的数值计算。本混合模型无需重新计算演化曲线的初始位置，可选择较大时间步长。实验结果表明，新的混合模型既保留了原有曲线演化模型的优势，又能高效稳健、快速地完成曲线演化过程。     

一种改进的I-Unet网络的皮肤病图像分割算法

黑色素瘤是常见的皮肤癌,皮肤病图像分割在皮肤癌诊断过程中起到至关重要的作用。为了利用I-Unet深度神经网络强大的编码解码功能来自动分割出皮肤病病灶区域,文中提出一种改进的I-Unet网络的皮肤病图像分割算法。该方法采用空洞卷积扩大卷积感受野,利用类Inception和循环神经网络(RCNN)分别提取图像不同尺度的特征,并进行多尺度特征融合,运用全连接条件随机场(CRF)进行图像后处理。结果表明,所提算法在皮肤病图像分割中取得了良好的效果,算法的Jaccard系数达到了0.780,Dice系数稳定在0.871;与同类最佳研究结果相比,Jaccard系数及Dice系数分别提高了1.5%,2.2%,表明该方法有效提升了网络图像分割的性能。     

基于改进水平集方法的粘连细胞分割

传统水平集方法对粘连细胞分割效果差,同时在分割过程中需要不断地重新初始化水平集函数。为了解决传统水平集方法在粘连细胞分割上的不足,提出了一种基于颜色特征的水平集方法。该方法将能够约束水平集函数与符号距离函数之间偏差的变分公式作为内部能量项,从而无需重新初始化水平集函数;把结合图像颜色特征信息的能量函数作为模型的外部能量项,以改进粘连细胞的分割效果。实验结果表明,该方法能有效地分割粘连细胞,算法实现比较简单。     

一种改进的分形图像压缩算法

为了缩短分形编码时间,通过对图像定义域块和值域块的统计特性分析,提出了改进的分形压缩算法。设计最优匹配定义域块自适应搜索方法,缩短搜索范围;用值域块均值代替灰度偏移量,减少计算量。实验证明,运用这种改进的分形图像压缩算法进行图像压缩,在保持较高的解压图像质量的情况下,大幅缩短图像压缩编码时间。     

基于Chan-Vese模型的多相位图像分割

利用Chan-Vese模型,对多相位图像实现了串行分层分割。首先得到目标和背景2个子区域,然后判断各子区域内部是否仍包含有感兴趣的目标,如果有,则对该子区域再次采用Chan-Vese模型进行分割,如此迭代直到分割出图像中所有的目标。较之采用Mumford-Shah模型,本文方法计算简单,而且对多相位图像中的目标定位准确,每一层分割都可以得到有意义的区域。实验表明,本文方法可以有效、准确地实现对多相位图像的分割。     

基于模糊集理论的迭代多值化图像分割

针对阈值分割存在精确性不高和分割效率低的问题,提出一种基于模糊集理论的迭代多值化图像分割方法。采用自顶向下的迭代分割策略综合考虑分割区域的灰度分布特征和各像素点的邻域信息,用模糊综合评判代替分割阈值,实现对图像中各像素点的合理分类,既摆脱了阈值分割方法需要找到若干确定的阈值才能实现图像多值化分割的约束,又提高了图像分割的质量和效率。为验证该方法的优越性和快速性,采用Otsu法和Kapur法两种经典的阈值分割方法为对照,针对带噪图像、不同对照度图像和2幅分割难度较大的图像进行了分割实验。研究结果表明,与阈值分割相比,本文方法能够完整地保留目标的细节,且分割时间较短。