基于像素的形态测量学方法及其在脑图像处理中的应用

基于像素的形态测量学(voxel-based morphometry,VBM)是一种基于像素对脑结构图像自动、全面、客观的分析技术,可定量检测脑组织成分的密度,从而进行不同群体间局部差异的比较.对VBM方法的提出、发展和应用做了简要的介绍,阐述了VBM的基本原理;并应用该方法对精神分裂症患者的脑结构磁共振图像进行了处理和分析,与正常人进行比较,发现了有意义的差异;并指出VBM方法的局限性以及利用该方法进行研究的意义.     

基于粒子群-支持向量机的时间序列分类诊断模型

构建一种基于粒子群算法-支持向量机(PSO-SVM)的磁共振功能成像(fMRI)时间序列分类诊断模型,通过针对脑区多维时间序列数据的深层次分析实现病症患者和健康者的准确判断与区分,为面向fMRI时间序列数据的病症诊断和预测提供有效科学依据.该方法在以下4个方面不同于其他已有相关研究工作:(1)构建基于自回归模型的脑区多维时间序列数据特征表示;(2)构建基于支持向量机模型的脑区多维时间序列数据分类机制;(3)构建基于粒子群算法的分类学习参数寻优策略;(4)建立融合上述特征表示、优化分类与参数优选模式的fMRI时间序列数据分类诊断模型.通过以精神抑郁症作为实证分析的具体案例,所提出分类诊断模型已取得良好实验效果,展示出其有效性与合理性.     

基于广义高斯模型的多时相SAR图像变化检测

基于广义高斯模型和Kittler-Illingworth(KI)准则获取SAR比值差异图像的最佳分割阈值,实现多时相SAR图像的非监督变化检测.以徐州市云龙湖畔同一地区2个时相的SAR图像为例进行了试验研究.试验结果表明:与其它的变化检测方法相比,所采用的变化检测算法能更有效地从多时相SAR图像中提取变化信息.     

基于优化 ROI 的医学图像分割与压缩方法研究

为了满足无线医疗应用对于图像传输的需求,提出一种有效的医学图像分割方法.该方法使用多点区域生长法分割图像各区域,从图像边界开始遍历搜索多个种子点,结合梯度变化值、全局阈值和局部阈值来提取感兴趣区域(region of interest,ROI)并滤除背景区域.区域预处理阶段,进一步对区域掩模平滑去噪,并给出手动分割的方法.根据预定义的优先级顺序,分别对ROI和非感兴趣区域(region of not interest,RONI)进行JPEG2000近无损压缩和有损压缩,并依次进行传输.重构后图像ROI区域峰值信噪比(peak signal to noise ratio,PSNR)能够达到45 dB,图像整体压缩率约在2.8-6.5.算法优化了区域轮廓的检测,增强了对图像噪声的抑制,较好地满足了医学图像的高压缩率和图像质量之间的矛盾,能够很好地应用于无线医疗领域.     

基于AHN的轮毂电机轴承故障特征提取方法

针对间歇性强干扰下轮毂电机用深沟球轴承常见的机械故障,提出一种基于人工碳氢网络(AHN)技术的故障特征提取方法.该方法将监测信号分割成多个窗口以模拟碳氢分子,构建人工碳氢混合物网络模型.基于有机化合物及其分子对信息的封装特性,实现局部信号中高低频信号的分离,滤除干扰信号,并基于正态分布3σ原则选取间歇性强干扰下微弱的非平稳瞬态冲击信号,提取故障特征.通过仿真信号和轮毂电机综合台架实验,验证了该方法可有效提取轮毂电机用深沟球轴承的故障特征.     

一种多尺度球磨机筒体振动频谱分析与建模方法

针对基于传统快速傅里叶变换获得的单尺度筒体振动频谱难以有效揭示磨机研磨机理和筒体振动信号组成,以及现有文献中经验模态分解(EMD)技术预测精度低的问题,提出了基于偏最小二乘算法的多尺度筒体振动频谱分析与建模方法.该方法首先采用经验模态分解技术将筒体振动信号分解为具有不同时间尺度的内禀模态函数(IMF),接着通过傅里叶变换获得多尺度频谱,最后采用基于偏最小二乘算法的潜变量贡献率分析和选择不同尺度频谱,并建立融合不同尺度频谱的磨机负荷参数软测量模型.采用实验球磨机的实验数据仿真验证了所提方法的有效性.     

基于双掩模和3D区域迭代矢量选择的双回波Dixon水脂分离方法

目的:提出一种基于双掩模和3D区域迭代矢量选择(DM-3DRIPE)的水脂分离方法,使其在包含低信噪比(SNR)区域和强不均匀磁场情况下更可靠.方法:两点水脂分离的关键在于确定正确的场矢量.低SNR体素场矢量受噪声影响较大,为了降低噪声的影响,通过双掩模方法进行图像质量控制,先计算高质量体素点场矢量,然后再用于辅助计算低质量体素点场矢量.为了降低主磁场不均匀的影响,联合区域迭代矢量选择(RIPE)方法和三维信息辅助确定场矢量.结果:仿真实验结果表明,即使低SNR区域(r_(SN)=0.8)或场不均匀性是常规场图的4倍,水图和脂肪图依然能够成功分离.413层人体图像实验结果显示,与传统的RIPE方法相比,DM-3DRIPE方法可将错误率从28.33%降到0.73%.结论:在低SNR区域和强不均匀主磁场存在时,DM-3DRIPE方法鲁棒性更高.     

基于CNN的超分辨率信道冲激响应室内指纹定位算法

针对室内环境中多径效应影响定位精度的问题,提出了一种基于卷积神经网络(CNN)的室内定位(PI-CNN)算法.以多重信号分类(MUSIC)算法处理后的信道状态信息(CSI)作为特征图像,基于室内环境中不同位置点具有独特多径信息的特点,利用各收发天线间所形成的子信道信息,获得具有更高时间分辨率的多径到达时间,将获取的伪谱信息组成伪谱图像,生成指纹库,再利用CNN进行训练和分类处理.仿真实验证明,在室内环境存在轻微扰动的情况下,该算法具有较好的抗干扰能力.     

快速非匀质图像分割方法

针对灰度非匀质图像分割困难及效率低下的问题,提出一种基于局部区域活动轮廓模型快速分割方法.该方法结合核函数和割测度定义一个新的能量函数.一方面,在中心点被核函数掩模的局部区域内,用邻近点的加权均值拟合数据项能有效处理图像的非匀质分布.另一方面,用割测度逼近的曲线长度作为全局正则性,利于轮廓快速定位于物体边界.最后,在轮廓演化过程中,使用基于栅格图的最大流算法,避免了传统模型计算代价高昂的水平集函数.合成图像和真实图像的实验结果表明,提出的方法能有效快速地分割灰度非匀质图像中的弱边缘物体及多灰阶复杂结构物体;同时,对初始轮廓线位置和噪声具有较好的鲁棒性.     

基于定时-相位联合估计的CPM并行同步算法

针对连续相位调制(continuous phase modulation,CPM)信号非数据辅助算法同步精度差问题,提出了一种基于定时-相位联合估计的低复杂度并行同步算法.采用非数据辅助方法从离散域分解CPM信号,推导新的相位偏移误差估计公式,根据定时-相位联合似然函数,利用误差估计方法相似形式,设计了一种适用于CPM信号的并行同步方案.该方法在低信噪比条件时对似然函数进行近似,从而减少同步参数对同步性能影响,通过引入双同步精度源,迭代求取相偏估计最优解,提高非数据辅助算法同步增益.仿真结果表明,并行同步算法与直接联合算法相比,以较低系统复杂度代价获得同步性能提升,在低信噪比环境下,性能逼近修正克拉美罗限.     

功率谱估计在扫描隧道显微术中的应用

扫描隧道显微镜(简称STM)所采集到的隧道电流信号,不仅包含着表征样品的表面形貌和分子结构的有效信号,而且还隐含着整个扫描隧道显微系统的动态特性.针对STM采集的信号,运用短时傅立叶变换对其波形数据进行功率谱密度估计,对信号在频率域中的特征向量加以提取.结果表明:基于谱空间的特征向量,准确地分辨出了工频在信号中的干扰,也能有效地解释和分析STM系统的动态特性,进而认为存在一小阻尼系统对信号施以影响;此外,分析的结果可以为STM扫描过程的控制,诊断以及扫描图像的重建和解释提供有力的理论指导.     

基于FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.     

用于AIS实时信号稀疏表示的追踪算法研究

为解决非周期船舶自动识别系统(AIS)信号的载波跟踪问题,利用信号稀疏表示方法对AIS实时信号进行重构,以获得AIS信号的信道信息,从而为实现定位信息的测量打下基础.从AIS信号特点和AIS实时信号处理的要求出发,对基于K-SVD算法所构造的自适应冗余字典,从信号处理时间、稀疏表示精度、误码率和受噪声的影响几方面对比了基追踪(BP)和正交匹配追踪(OMP)两种不同的追踪算法.实验结果表明,两种算法都能有效精确地重构AIS信号,BP算法相比OMP算法具有更好的稀疏表示精度和误码率,但是信号处理时间会更长.由于AIS对实时性的高要求,OMP算法更适合用于AIS自主定位系统.     

基于离散余弦变换的非局部均值滤波算法

要非局部均值(non-local means,NLM)去噪算法已成为较有效去除图像噪声的算法之一。然而,当噪声水平较高时,NLM不能准确地计算图像块之间的相似度权重值,影响图像的去噪效果。针对上述问题,结合离散余弦变换(discrete cosinetransform,DCT)提出了基于DCT的非局部均值滤波算法。首先,利用DCT的低频系数重构图像,以达到滤除部分噪声的同时保护图像的主要内容。其次,利用重构图像较准确地计算图像块之间的相似度权重值,将NLM去噪算法用于噪声图像。实验结果表明,该算法能够得到较高的峰值信噪比(peak signal to noise ratio,PSNR)和更好的视觉效果。     

一种基于HHT的信号周期性分析方法及应用

提出了一种基于HHT(Hilbert-Huang Transform)的信号周期性分析方法,通过分析信号的非线性对主频分布的影响,找到了具有丰富高频含量的近似周期信号的主频与其周期性的近似对应关系,实验表明,根据信号的主频分布来估计信号的周期性具有很好的精确性.将其应用于自然纹理图像的分析,能很好地提取纹理图像的周期特征,为纹理分类、分割、识别和图像检索提供了新的解决途径.     

基于改进GAN算法的电机轴承故障诊断方法

提出一种基于改进GAN(生成对抗网络)的滚动轴承故障诊断方法,以振动信号作为主要依据,结合连续小波变换处理非平稳信号的能力和半监督生成对抗网络(semi-supervised generation adversarial networks,SSGAN)处理和识别图像的功能,在半监督生成对抗网络的基础上引入条件模型并对损失函数进行优化,指导生成器和判别器的训练.首次将改进GAN算法应用于故障诊断领域并利用其生成模型和半监督学习能力分别解决了样本数据不足和样本标记问题.实验表明,连续小波变换与改进GAN 结合的故障诊断方法与其他主流诊断方法相比能达到较高准确率.     

车路协同环境下行车风险场模型的扩展与应用

车路协同(i-VICS)环境下,行车风险场是一种评估网联自动驾驶汽车(CAVs)行驶安全性的有效手段.目前主流的行车风险场模型未考虑车辆几何特性和航向角等影响行驶安全的信息,且忽视了自车因素对行车风险的影响,在安全评估的准确性上有待进一步提升.该文提出了一种行车风险场的扩展模型,将碰撞时间(TTC)融入风险场模型,引入...     

基于隐马尔科夫模型的fMRI脑激活检测

本文介绍了一种基于隐马尔科夫模型(HMM)的分析核磁共振图像(fMRI)数据的无监督学习模型,与一般线性模型(GLM)方法不同,GLM的主要针对体素的血氧水平(BOLD)反应大脑活动的时间序列响应进行建模,而HMM方法主要针对体素在第一个时间序列的演化过程进行建模。因此,HMM方法可以在BOLD信号上发现更多的信息。本文介绍了两种不同的脑激活检测方法,第一种方法基于似然估计和似然估计比检验,其中高斯模型被用来增加HMM似然映射的对比度。第二种方法是基于两个状态的分布之间的定距,其中,对HMM状态序列进行最有效的估计的是Viterbi算法。通过T检验或使用K-L距离(KLD)来测量激两种状态之间是分布距离。     

脑电多极子模型在老年性痴呆诊断中的应用

为寻求反映早老性痴呆(Alzheimer's disease,AD)病情变化的脑电图(EEG)特征参数,探索AD诊断新方法,尝试采用移动电流多极子模型及其适合度(GOF)、比适度(DD)等评价参数对AD患者脑电源活动和EEG样本进行了模拟计算与参数分析.仿真与分析结果表明:多极子模型较偶极子模型能够更好地拟合AD患者因脑沟回裂扩大引起皮层神经电源活动病变,具有较高的GOF参数值和较大的DD参数值变化;多极子模型DD参数均值和标准方差的乘积与目前临床使用的痴呆简易量表诊断值有明显的线性关系.追踪AD患者的多极子模型参数并对照其fMRI脑血流图像随痴呆进程变化的观察结果也提示DD有关参数有可能作为新的诊断指标用于痴呆病情监测.     

基于小波包分解-峭度值指标-希尔伯特包络解调融合方法处理声发射信号的滚动轴承故障诊断

为实现对航空发动机主轴承进行故障诊断,以复杂传递路径下声发射信号的波形分析为基础,提出一种基于小波包分解(wavelet packet decomposition, WPD)、峭度值指标(kurtosis index, KI)以及希尔伯特包络解调(Hilbert envelope demodulation, HED)相结合的滚动轴承故障特征信息提取方法。采用WPD方法对滚动轴承声发射信号分解获得节点分量,基于KI对节点分量排序筛选进行信号重构,进而对重构信号进行HED分析,提取出轴承故障特征频率用于对比诊断。开展简单以及复杂传递路径下滚动轴承故障模拟试验,采用建立的方法分别针对滚动轴承外圈、内圈典型故障试验数据进行分析和诊断。结果表明：该方法可有效提取滚动轴承故障特征频率及其倍频,且针对复杂传递路径下处于工作状态的滚动轴承,仍可实现精准的特征信息提取和有效的故障诊断。