一种求解心电场逆问题的新方法用于心肌梗塞参数识别的研究

基于一种求解心电场逆问题的新方法,对心肌梗塞参数识别进行研究,仿真研究了心肌梗塞参数（部位和大小）与体表电位分布（Ｂｏｄｙ Ｓｕｒｆａｃｅ Ｐｏｔｅｎｔｉａｌ Ｍａｐｐｉｎｇｓ,ＢＳＰＭ）特征参数之间的关系。用ＤＳＰＭ中对梗塞部位和大小的敏感特性参数构造了优化系统的数学模型,试验结果表明,该研究方法可以有效地识别梗塞部位和大小,梗塞部位的识别精度为一个心肌分区,梗塞大小的识别精度可达８５％以上。     

On the multi-level embedding of crypto-image reversible data hiding

Crypto-space reversible image steganography has attracted increasing attention, given its ability to embed authentication information without revealing the image content. This paper presents an efficient reversible data hiding scheme for crypto-images: a block predictor is applied to compute prediction errors, then an adaptive block mapping algorithm is utilized to compress them whose amplitudes are within a small threshold, finally, this strategy can be applied in a multi-level manner to achieve a higher embedding capacity. Due to the correlations among adjacent pixels in the block, images can be sufficiently compressed to reserve abundant space for additional data embedding. Different from the prior arts, the compression code of the image is fully encrypted. Experimental results verify that the embedded data and original image can be perfectly recovered, the security is higher compared with the state-of-the-arts, and a significant improvement in the average embedding rate is achieved on two large-scale image datasets.     

一种基于深度可分离卷积的轻量级人体关键点检测算法

针对网络模型执行过程耗时过长的问题,受到像素切割网络架构中的编解码结构启发,设计了一种高效的轻量级主干网络,使用深度可分离卷积作为基本的卷积模块,利用了多维自学习模块(Multidimensional Self-Learning Module, MSLM)对特征矩阵进行自适应的学习来增强有用信息权重,同时使用编解码结构对其主干结构进行效率上的优化,设计出了深度可分离网络(Codec Depth Separable Network, CSDNet),相比于MobileNet性能提升了72%,精度提升了5.2%。     

基于多幅同目标图像和HMM的SAR图像目标识别

该文提出了一种基于多幅同目标图像和隐马尔可夫模型的合成孔径雷达图像目标识别方法。该方法通过小波域主成分分析提取目标图像特征向量,结合多幅不同方位角下的同目标图像的特征向量生成单幅图像的特征序列,用隐马尔可夫模型对特征序列进行识别。实验结果表明,该方法可明显提高目标的正确识别率,是一种有效的合成孔径雷达图像目标识别方法。     

增量式块主成分分析的焊缝图像特征提取算法北大核心CSCD

针对焊缝图像特征提取的实时性问题,该文提出一种增量式块主成分分析(incremental block principal component analysis,IBlockPCA)算法,用于焊缝特征主成分的提取。该算法先将焊缝表面图像分割成子图像块并对其进行重构,然后利用提出的IBlockPCA算法对局部块图像进行增量式特征提取,并采用KNN算法对提取的特征主成分进行分类识别;最后在焊缝数据集上进行了算法的性能对比。实验结果表明,该算法在收敛率、分类率及复杂度等方面均优于其他主成分分析(principal component analysis,PCA)算法,其分类识别率为97.5%,其平均处理速度可达50 frame/s,能够满足焊缝表面图像的实时性处理需求。     

基于形态学top-hat算子的多传感器图像融合

本文根据形态学top-hat算子能够提取图像中极大值与极小值区域的特点,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合.实验中将本文方法与Laplacian塔型变换、子波变换、主分量分析等方法进行了比较,结果表明本文所提的基于top-hat算子的融合方法具有优越的性能,拓广了top-hat算子的应用范围.     

溶胶-凝胶生物玻璃多孔材料显微结构和生物活性的扫描电镜及红外光谱分析

本文利用溶胶．凝胶法制备了CaO-P2O5-SiO，系统生物活性玻璃，并以其为原料制备了用于骨修复及骨组织工程支架的块状生物活性材料。利用体外实验方法(invitro)结合x射线衍射(XRD)、扫描电子显微镜(SEM)和傅立叶变换红外光谱分析(FTIR)技术对不同烧结工艺制备的材料结构、晶相和生物活性的影响进行了分析研究。研究表明，经800℃和1100℃烧结5min的两种材料均有硅磷酸钙Ca5(PO4)2SjO4微晶相析出。烧结温度越高，析出微晶相的体积比例越大，材料的生物活性则越低。在模拟生理溶液中碳酸羟基磷灰石(HCA)只在烧结体中的玻璃颗粒表面形成，而在其硅磷酸钙Ca5(PO4)2SiO4微晶相表面未发现HCA形成。     

论高频屏蔽体的波阻抗及屏蔽效能

介绍了屏蔽体波阻抗及涡流系数与材料的主要特性参数的关系,并对当前德、俄与美、英等国所用的屏蔽效能计算公式进行了比较，最后介绍如何合理选择屏蔽结构以提高屏蔽体的屏蔽效果。     

基于样本选择的RGBD图像协同显著目标检测

协同显著目标检测的目的是在包含两张及以上相关图像的图像组中检测共同显著的物体。该文提出一种利用机器学习的方法对协同显著目标进行检测。首先,基于4个评分指标从图像组中选择部分显著目标易于检测的简单图像,构成简单图像集;接着,基于协同一致性的原则,从简单图像集中提取正负样本,并用深度学习模型提取的高维语义特征表示正负样本;再者,利用正负样本训练的协同显著分类器对图像中的超像素进行分类,得到协同显著目标区域;最后,经过一个平滑融合的操作,得到最终的协同显著图。在公开数据集上的测试结果表明,所提算法在检测精度和检测效率上优于目前的主流算法,并具有较强的鲁棒性。