遗传布局算法

VLSI门阵列模式布局是一类NP完全问题,传统的分析、研究方法和求解策略不能提供优化布局.文中将遗传算法应用于门阵列模式布局,提出了遗传布局算法,设计了相应的选择函数、交叉算子和变异算子,使布局的构形更趋合理.模拟结果表明,应用遗传布局算法能在较短的时间内提供优化解,为解决大规模、复杂的布局问题提供了广阔的前景.     

一种心脏CT扫描图像重建算法研究

CT作为一种无创伤的检查设备在医学诊断中得到广泛的应用,但是它通常只能对静止的器官进行扫描重建图像,而对运动器官的成像能力很差,虽然近年的CT扫描的速度不断提高,但是受到成像原理的制约,新型的单螺旋CT还是很难实现心脏的扫描成像。论文给出了一种基于傅立叶变换的中间函数法图像重建算法,并针对该算法设计了一种心脏扫描方案。     

自然光条件下基于Green函数的相位检索方法

基于强度测量的确定性相位检索技术将光学与计算结合起来，通过求解强度传输方程恢复相位信息，理论和实验证明是相位检索的可行途径.论文将Green函数应用于强度传输方程的求解中，给出Neumann和Dirichlet边界条件下新的推导方法.该方法中，Green函数的偏导数是四维矩阵，随着图像分辨率的提高，直接求解所占的内存空间比较大，提出了数值化处理方法，并推广到自然光条件下的相位检索中.同时，搭建了图像数据采集光学平台.模拟和真实实验验证了算法的正确性和实用性.     

基于奇异值分解的可分离压缩成像方法

可分离压缩传感可以通过一定比例的额外测量有效地解决压缩成像问题中面临的测量矩阵维数过大的瓶颈. 但是现有可分离压缩传感(separable compressive sensing, SCS)方法需要2个可分离的测量矩阵都必须是行归一化后的正交随机矩阵,其显著地限制了该方法的应用范围. 将奇异值分解(singular value decomposition, SVD)方法引入可分离可压缩传感测量过程,可以有效地实现测量矩阵和重建矩阵的分离：在感知阶段可以更多地考虑测量矩阵物理易于实现的性质,如Toeplitz或Circulant等确定性结构的矩阵;在重建阶段,更多地考虑测量矩阵的优化.通过引入奇异值分解对重建阶段的测量矩阵进行优化,可以有效地改善重建性能,尤其是Toeplitz或Circulant矩阵在大尺度图像的压缩重建情形.数值实验结果验证了该方法的有效性.     

基于照片的交通肇事现场平面测距

通过检测在交通肇事现场拍摄的照片上的标准模板,建立二维照片与三维场景之间的对应关系,借助标准模板的尺寸,直接从照片计算出肇事现场任意两点的距离,为交通事故的评判、绘制交通肇事现场平面图提供了客观数据。     

循环-循环块相位掩膜矩阵压缩双透镜成像

压缩成像(CI)是压缩传感(CS)理论的一个重要应用领域。本文在循环矩阵和分块矩阵的基础上提出一种新的循环-循环块相位掩膜矩阵可压缩双透镜成像方法,实现对图像的随机获取。模拟实验结果表明,新的相位掩膜矩阵CI可以在显著减少测量的同时,有效捕获图像信息重建原始图像;对于64pixel×64pixel的标准Lena和Cameraman图像,在只有原像素数58.6%的无噪声测量情况下,获得的重建信噪比(SNR)分别超过26dB和30dB。新相位掩膜矩阵的研究为确定性测量在CI领域的应用提供了更多的支撑,在拥有原循环和循环确定性测量优点的同时还拥有自身的块结构特点,可以进一步减少物理实现成本,并为新的照相机设计提供若干理论、计算和技术支撑。     

物理可实现的相位编码压缩成像

 压缩成像是压缩感知理论最重要的研究领域之一.在分析压缩成像中实际测量矩阵与测量值约束的基础上,提出一种基于4-f光学架构的物理可实现的频域相位编码压缩成像方法.该方法利用两路光学架构之间的补偿实现相位编码压缩成像中测量值的非负记录,然后从该测量值精确恢复原图像,解决压缩成像应用中理论与实际物理约束之间不一致的问题.该方法可以单次曝光获得充分的测量值精确重建原图像,不需要其它附加信息,是压缩成像物理实现的一种非常可行的方案.模拟实验证明该方法可以有效地实现图像的压缩测量与超分辨率重建.     

压缩传感理论与重构算法

压缩传感理论(Compressive Sensing,CS)以远低于Nyquist采样频率的非适应性测量和优化方法高概率重构信号.本文介绍了CS的基本理论、重构算法,包括贪婪、凸优化方法及我们提出的MBOOMP算法;同时,采用0-1组成的随机信号进行性能比较的模拟实验,结果表明我们的算法优于传统的OMP算法.     

基于形态学及SVM思想的病变图象识别方法

提出了一种将形态学理论与SVM(支持向量机)算法结合起来的病变图象特征识别方法.利用形态学的广义骨架理论及形状因子,抽取图象特征,作为SVM训练数据,同时借助SVM良好的分类性能,对图象骨架进行分类,从而实现图象特征的快速分类,提高识别率.本文以红外乳腺图象为例,说明了本算法的各种特色.实验结果表明,该算法能有效提高图象识别率并具有一定的应用前景,同时,该方法对其他类似的模式识别问题也有一定的借鉴作用.     

视图插补与透视同伦变换

基于未标定图像序列实现任意视点插补,是目前视点插补技术研究中的热点.本文首次将同伦变换引入视点插补问题研究中,提出并证明了基于透视同伦变换的视图插补定理,并针对可忽略遮挡关系的简单场景给出了基于未标定图像序列的透视同伦变换.算法实现的关键在于对摄像机内外参数的估计,同时对实验结果作了详细分析,指出实验结果的优劣(算法实现瓶颈)在于对应关系的建立.