结合同场景立体图对的高质量深度图像重建

目的 越来越多的应用依赖于对场景深度图像准确且快速的观测和分析,如机器人导航以及在电影和游戏中对虚拟场景的设计建模等.飞行时间深度相机等直接的深度测量设备可以实时的获取场景的深度图像,但是由于硬件条件的限制,采集的深度图像分辨率比较低,无法满足实际应用的需要.通过立体匹配算法对左右立体图对之间进行匹配获得视差从而得到深度图像是计算机视觉的一种经典方法,但是由于左右图像之间遮挡以及无纹理区域的影响,立体匹配算法在这些区域无法匹配得到正确的视差,导致立体匹配算法在实际应用中存在一定的局限性.方法 结合飞行时间深度相机等直接的深度测量设备和立体匹配算法的优势,提出一种新的深度图像重建方法.首先结合直接的深度测量设备采集的深度图像来构造自适应局部匹配权值,对左右图像之间的局部窗立体匹配过程进行约束,得到基于立体匹配算法的深度图像;然后基于左右检测原理将采集到的深度图像和匹配得到的深度图像进行有效融合;接着提出一种局部权值滤波算法,来进一步提高深度图像的重建质量.结果 实验结果表明,无论在客观指标还是视觉效果上,本文提出的深度图像重建算法较其他立体匹配算法可以得到更好的结果.其中错误率比较实验表明,本文算法较传统的立体匹配算法在深度重建错误率上可以提升10％左右.峰值信噪比实验结果表明,本文算法在峰值信噪比上可以得到10 dB左右的提升.结论 提出的深度图像重建方法通过结合高分辨率左右立体图对和初始的低分辨率深度图像,可以有效地重建高质量高分辨率的深度图像.     

基于扩散光谱成像的脑白质纤维束走向跟踪

扩散张量成像对于每一体元只体现水分子自扩散宏观各向异性,不能实现神经纤维束走向分叉跟踪。为了实现分叉跟踪,更加真实地揭示脑神经网络连接情况。该文基于扩散光谱成像技术,提出一种白质纤维束走向分叉跟踪新方法。首先对扩散加权数据施加傅立叶变换得到扩散光谱图像,再计算每一体元扩散概率函数并得到其所有局部最大值,最后设置跟踪步长、走向角度阈值等参数,通过在相邻体元间寻找平滑连接向量以实现纤维束分叉走向跟踪。最后采用实际数据进行计算验证,扩散光谱成像方法跟踪结果更加符合脑组织生理结构特点。从实际计算结果可以看出,扩散光谱成像在白质交叉纤维束跟踪上比扩散张量成像有效合理,但是计算过程比后者复杂很多,不利于临床应用。     

脑白质电导率各向异性及非均质对头皮脑电分布的影响

脑白质电导率的各向异性和非均质分布是广泛存在的,因此衡量其对脑电正问题计算的影响显得十分重要。而现有研究方法忽略了白质各向异性电导率的非均质性。把白质电导率的非均质划分为四类,分别讨论了各种非均质电导率对脑电正问题的影响。从仿真结果看,认为电导率数值上的偏差是最主要的非均质因素,同时忽略大脑白质电导率非均质会对脑电正问题造成10%左右的计算误差,因而认为非均质的影响是不可忽略的,需要建立能够反映WM非均质且各向异性的电导率模型。     

加强人力资源管理 提升企业发展能力

当前大多数企业人力资源管理还处于传统的行政性人事管理,现代企业人力资源管理的框架体系尚未建立;人力资源管理部门定位较低、人员素质参差不齐,无法统筹管理整个企业的人力资源.通过分析现代企业人力资源管理的基本内容和存在的问题,探索和实践现代企业人力资源管理的基本模式.     

各向异性头部组织感应电流磁共振电阻抗成像

为了对人体头部组织各向异性电导率分布进行成像,借助扩散张量核磁共振成像(DT-MRI)技术,提出一种新的感应电流磁共振电阻抗成像(IC-MREIT)算法.采用IC-MREIT J-substitution算法,重构头皮、颅骨、脑脊液、灰质组织的各向同性电导率及白质组织的等效各向同性电导率分布,以该等效各向同性电导率分布作为初始信息,迭代重构脑白质各向异性电导率分布.基于磁共振成像(MRI)数据,构建包含5种组织的真实头模型,在该模型上对重构算法的可行性进行验证.在无噪声及15％的噪声水平下,重构电导率的相对误差分别小于15％和24％.仿真结果表明,该算法具有较高的抗噪声能力和成像精度.     

基于80C51单片机的智能PID控制器的设计与实现

PID控制技术在工业控制中的应用非常广泛。然而，在实际过程中被控对象常常比较复杂，具有非线性、不确定性，很难为之建立精确的数学模型，对之应用传统的PID控制算法，不能达到理想的控制效果。本文在传统PID控制算法的基础上，结合人工智能的方法，设计了多模式PID控制算法；而且基于80C51单片机实现了该PID控制器，在实践中得到了较传统PID控制器优越的控制性能。     

扩散张量成像中脑胼胝体结构图像的分割算法

为了准确地将胼胝体结构从扩散张量图像中分割出来,利用K均值聚类算法把白质从脑内部组织中分割出来.通过定义张量间相似度函数将基于标量空间的图形切割算法拓展到张量空间,根据先验知识选择目标与背景种子集合,以张量相似度为权构造图结构.采用最大流算法对白质纤维束亚结构胼胝体进行分割.对病人脑扩散张量图像(DTI)进行分割,分析边界分割惩罚因子与目标分割种子对分割结果的影响.结果表明,图形切割分割算法能够对胼胝体实现准确的分割.     

基于移动最小二乘法的白质纤维束走向跟踪

为了对脑白质纤维束进行三维重构,提出一种基于移动最小二乘法的纤维束三维曲线走向跟踪算法,根据磁场梯度表与b值把扩散加权数据转换为扩散张量数据并进行高斯滤波,以三次样条函数为权函数对扩散张量数据进行拟和,从感兴趣区域出发在纤维束弯曲角度与特定步长限制条件下进行走向跟踪.对病人脑扩散张量成像数据进行计算,计算结果表明,该算法能够准确快速地对胼胝体纤维束三维走向进行宏观上的跟踪.