基于知识的人脑三维医学图象自动分析显示系统

设计并实现了一个基于知识的人脑三维医学图象分析显示系统,完成了脑组织的自 动分割及显示.系统包含动态模块及静态模块两部分.静态模块即人脑知识库,存贮脑内各组 织形态、生理及图象灰度方面的知识.动态模块包含全局数据区、图象处理算子集和控制规则 集.在知识的指导下,运用"智能光线跟踪"方法提取、显示脑内主要解剖结构.     

基于递降阶乘计算的Tchebichef 矩的旋转不变量

传统Tchebichef矩的旋转不变量是用几何矩的旋转不变量来表示的,这就不能避免几何矩冗余信息多、对噪声敏感等缺点。提出了一种新的Tchebichef矩的旋转不变量,用降阶阶乘的性质,将它转化为可以利用Tchebichef矩直接计算的Tchebichef中心矩的线性组合。实验表明,提出的描述子具有更好的旋转不变性。     

基于矩的三角形网格简化

文章研究了一种新的基于矩的三角形网格简化算法.该算法利用了Stanislav提出的显式矩计算公式,能够实现对不同坐标位置的部分进行不同比例的压缩,从而在同样的显示效果下以更大比例压缩网格数据,为实现复杂环境的虚拟现实提供了有效的工具.     

PTV-LX型自动取样器的使用及效果分析

文章介绍了 PTV-LX 型管线自动取样器的的原理、结构和在原油计量交接中的使用情况,通过自动取样器与人工取样分析数据的对比以及油田目前原油输送的工艺状况,说明自动取样器所取的样品具有代表性、真实性、科学性以及取代人工取样的趋势。     

利用Zernike矩对心脏超声图进行光流场计算的领域优化算法

本文针对心脏超声图的特性,介绍了一种计算二维光流场的领域优化算法,通过对Zernike矩的正交性、旋转不变必等特性的分析,论证了Zernike矩的在心脏超声图中作为运动不变特征的优越性,从而将传统光流场计算中的亮度不变假设推广到了亮度各阶Zernike矩不变。另外,由于Zernike矩计算了像素点附近其余像素的贡献,使得单个像素点引起的误差对特征的影响大大减小,从而提高了算法的鲁棒性。     

基于形状的二维灰度图象插值

内插是三维重建中的一个重要步骤 .一般传统的插值算法大体可分为灰度插值和基于对象形状的插值两种 .其中直接的灰度插值对二值及灰度图象均适用 ,但结果在多数情况下并不准确 ;而基于形状的插值 ,早期仅适用于二值图象 .近来 ,人们将两者较好地结合起来 ,使得基于形状的插值同样适用于灰度图象 .为了克服直接灰度插值易造成较严重的轮廓模糊问题及为克服 Chuang等人提出用基于形状的插值方法求得的对应点易产生偏差的问题 ,提出了一种新的基于形状的二维灰度图象插值算法 .该算法首先采用数学形态学的方法分别对两幅源图象进行膨胀和腐蚀 ,用于确定插值图象的轮廓 ;然后对轮廓内的点 ,分别找出其在两幅源图象上的对应点 ,再通过灰度的线性插值来求得此点的灰度 ,进而得到最终的插值图象 .实验结果表明 ,此算法得到的插值结果是令人满意的 .     

基于投影法的四面体网格切割算法

四面体网格切割算法是有限元仿真中的重要组成部分，切割的结果决定了刚度矩阵的更新速度和精度。本文在研究Cotin算法和Bielser算法的基础上，采用了预投影的方法，将部分顶点投影到切割平面上，使原先的四面体分割转化为相邻四面体分离，以达到简化分割的目的。与Cotin算法和Bielser算法相比，由该算法得到的网格切割边界更加合理，剖分比更低，提高了刚度矩阵更新的速度和精度。     

基于双树复数小波降噪的扩散张量估计

本文引入了一个从扩散加权图像序列中估计扩散张量的新过程。此过程的第一个步骤是对扩散加权图像降噪,降噪的算法基于双树复数小波变换和双变量收缩规则;第二个步骤对降噪后的扩散加权图像使用最小二乘法估计扩散张量。我们在模拟二阶张量场和真实DT-MRI数据集上进行了实验,与扩散张量估计后的平滑方法相比,先对扩散加权图像降噪能够得到更加精确的张量场估计。估计的扩散张量场的客观结果及主观评价可以说明,本文提出的估计过程可以很好地改进最终的扩散场的质量。     

一种基于轮廓线的形状描述与匹配方法

该文提出了一种新的基于目标轮廓线的形状描述与匹配方法。该方法将两个待匹配的目标的轮廓线等弧长地分割成相同数目的弧段,用直线段连接相邻的割点构成对轮廓线的多边形近似,用多边形的顶点到形状的几何中心的距离和其两个后继顶点的距离构成的3个距离串来描述形状,形状之间的相似度用它们的3个距离串的欧氏距离和来计算。这种描述方法满足惟一性、紧致性和不变性,而且计算简单,对形状的全局特征和局部特征都能很好地描述。实验结果表明,将该方法用于形状匹配具有较高的精度和可靠性。     

基于正交矩模糊和仿射混合不变量的图像识别算法

为了识别含有模糊和仿射混合形变的图像,提出了一种新的基于正交矩模糊和仿射混合不变量的图像识别算法.该算法首先使用归一化方法构造了基于Legendre正交矩的仿射不变量,并结合Legendre正交矩的模糊不变量提出了Legendre正交矩的模糊和仿射混合不变量;然后将该混合不变量作为描述算子,将欧几里德范数作为分类尺度,以最近邻法则作为分类器,对图像进行识别.实验结果表明,与其他基于非正交矩的混合不变量相比,基于Legendre正交矩的模糊和仿射混合不变量在混合形变下能够获得更好的不变性,不会带来信息冗余问题,并且对噪声鲁棒性较好;此外,该图像识别算法比其他算法具有更高的识别率,特别是在图像含有较大噪声的情况下.