基于三维图像处理的心肌细胞中Ca2+浓度研究

心肌细胞中Ca2+浓度的空间和时间分布,对于建立心肌细胞节律运动电路模型提供离子特性参数有很大帮助。提出了一种幼鼠心肌细胞中Ca2+浓度分布分析的新方法。对激光共聚焦显微镜（LSCM）采集的幼鼠心肌细胞序列图像进行图像处理、三维重建、细胞分割、距离变换,从细胞膜向内进行分层剥离,得到心肌细胞中Ca2+浓度的空间和时间分布。该方法极大地方便生物研究和医学诊断,基于三维距离变换研究Ca2+浓度时间空间分布的方法也可运用于类似的生物医学研究。     

不同光谱与空间分辨率遥感图像融合方法的理论研究

多源遥感图像的融合处理是提高已获取同一目标影像的光谱和空间分辨率的重要手段,它可以增强多重数据分析处理能力,为大规模遥感应用研究提供一个良好的基础。对目前国内外现有的理论研究方法作了总结,将其分为像素级、特征级和决策级融合3大类型,分别进行了详细的阐述,同时引用具体研究成果对一些方法作了对比。最后,提出了该领域未来的主要研究与发展方向以供讨论。
     

高速非均匀采样信号的重构方法

并行交替采样中通道间的时基偏差易导致采样非均匀,且现有的信号重构方法运算量较大,容易使采集性能迅速下降.通过分析信号的频谱特征,提出了一种实时性较高的双通道并行采样重构算法;并采用FFT算法及反傅里叶变换对通道时基误差进行了实时校正.实验结果验证了该算法的可行性.     

基于支持向量机的蛋白质编码区辨识

提出一种新的真核蛋白质编码区位置预测算法.首先,用支持向量机辨识编码区密码子第一位碱基;然后用短时傅里叶变换分析支持向量机输出值序列的时频特性,进而精确定位编码区.仿真结果表明,该算法具有较高的编码区辨识精度.     

DSTFT的FSK通信系统建模仿真及DSP代码生成

利用MATLAB中的Simulink工具箱对基于DSTFT(Discrete Short-Time Fourier Transform,离散短时傅里叶变换)的FSK通信系统进行建模仿真;并通过MATLAB与DSP目标板的接口设置,在MATLAB操作平台上直接产生其DSP代码程序;最后,通过编译、链接、加载并在DSP目标板运行,验证Simulink所建模型的有效性,以及由MATLAB模型直接生成DSP程序代码的可行性。     

自适应小波阈值算法在心电信号去噪中的应用

针对常用的小波阈值算法存在的缺点和心电图信号的具体特征,提出了一种新的自适应阈值算法.该算法通过估计含噪信号信噪比的大小,自动调节阈值来抑制心电信号中的噪声.实验表明该算法能有效地实现心电信号的噪声消除,同时也为其他信噪比较低的生物医学信号处理提供了一种新的方法.     

基于云模型的无线传感器网络链路质量的预测

无线传感器网络中,节点通过单跳或多跳传递信息.如能提前获知链路质量信息,为上层路由选择链路提供参考,是感知信息实时、准确地送达监控中心的基础.在分析现有基于智能学习链路质量预测方法的基础上,提出一种基于云模型的链路质量预测机制.通过收集不同场景下的链路质量样本,采用自适应高斯云变换对训练样本中的 RSSI(received signal strength indication),LQI(link quality indicator),SNR(received signal strength indication)及PRR(packet reception rate)进行链路划分;考虑到传感器节点的资源受限问题,采用 Apriori 算法对划分后的链路质量参数 RSSI,LQI,SNR 及 PRR 进行关联规则挖掘;在此基础上,基于三维云正向发生器预测链路质量.仿真结果表明,与基于 BP 神经网络的预测方法相比,提出的链路质量预测机制具有较高的预测精度.     

基于Shearlet框架的多尺度去噪算法

目前的经典多尺度系统Curverlet、Contourlet存在的主要缺点之一是它们无法将连续性与数字世界进行统一处理,而Shearlet系统是目前多尺度领域内唯一满足这一性质同时还提供对图像的最优稀疏表示的多尺度系统。提出一种用限制频带的Shearlet变换来进行多尺度分析,其主要通过对图像进行快速PPFT变换,以及加权和加窗处理得到Shearlet系数,通过SURE-LET变换进行噪声估计优化分解系数,最后进行Shearlet重构得到去噪图像。实验结果表明,相比于目前的去噪算法,在PSNR、SSIM和时间上,该算法都有一定的优势。     

基于分而治之的多维标度算法

作为一种典型的多元统计分析方法,多维标度法(MDS)广泛应用于降维和可视化研究中.MDS从n个样本间的距离距阵出发,求取它们在低维欧氏空间的坐标.经典MDS算法(CMDS)的时间复杂度为Θ(n3),影响MDS的速度.文中基于分而治之的思想提出一种新的MDS算法.首先将距离矩阵沿对角线分成若干子矩阵,然后对每个子矩阵求解,最后通过正交变换和平移变换整合各子矩阵的解,从而得到原距离矩阵的全局解.该算法的结果与CMDS完全一致.当样本维数远小于样本个数时,其时间复杂度仅为Θ(nlgn).与CMDS算法相比,该算法的速度大大提高,从而使MDS可应用于更大规模数据集.     

改进梯度和自适应标记提取的分水岭新算法

为了克服分水岭算法的过分割问题,提出了一种基于改进形态学梯度和自适应标记提取的分水岭新方法。用两组结构元素进行梯度计算;对重构后的梯度图像用Otsu算法提取标记;用h-minima变换修改标记图像,将各尺度下标记点的并集作为最终的标记图像;对修改的梯度图像进行分水岭变换。实验结果表明：与传统分水岭算法相比,该算法对于改善过分割现象有明显的效果,能够获得具有实际意义且更合理的分割区域。