基于线性逼近的车道线弯道识别方法

为提高车道线识别算法在大曲率弯道下的识别性能,提出一种基于线性逼近的弯道识别方法.基于车道线先验知识,利用改进的局部逆透视变换和Hough变换对车道线进行初步提取.根据初步提取结果,对未知区域进行循环线性逼近并提取车道线边界点.通过最小二乘法利用B-样条曲线完成车道线拟合.实验证明,该算法对大曲率弯道的车道线识别具有较高的精确性.      

Au／Ni多层膜的原子学结构研究

利用嵌入原子势方法，完成了Ａｕ／Ｎｉ多层膜的分子动力学模拟计算。研究了Ａｕ／Ｎｉ多层膜中原子层数对多层膜界面的影响。探讨了原子层厚度和多层膜膜面取向对原子层间距、Ａｕ／Ｎｉ界面影响的变化规律。     

仿鹰视顶盖的眼底OCT图像重建方法

客观因素导致临床获得的眼底OCT图像存在对比度差、病灶区域边缘模糊等现象.为解决上述问题，借鉴鹰视觉系统的信息处理机制，提出单幅OCT图像的超分辨率重建方法EOTRN.它仿照鹰眼视顶盖逐步扩大感受野的思路，从纵、横两维度逐级挖掘高级语义特征.纵向维度上借助空洞卷积、密集连接、通道注意力实现感受野逐步扩大、不同网络层特征传播及不同通道特征间的“竞争”与“合作”，完成低频信号的高级语义特征的初步提取.横向维度上借助64个特征子空间剔除高级语义特征中的冗余信息，校正并突出显著信息，实现病灶区域的纹理、轮廓特征强化.最后对底层语义特征和高级语义特征进行上采样和深层重建，得到高清OCT图像.仿真表明，在×4放大倍数时，EOTRN对测试集3的PSNR和SSIM值比EMASRN分别提高了0.96%和1.36%，重建图像能够突出细节信息，真实反映眼底健康状况.EOTRN的参数量较少，适用于嵌入式系统的部署，实现眼底OCT图像的实时超清重建.     

电沉积纳米金属多层膜研究

分别采用单槽法和双槽法电沉积制备Cu/Ni多层膜。研究了两种电沉积方法制备多层膜的工艺条件,并利用俄歇电子能谱和扫描电子显微镜（SEM）确定镀层结构。通过对比,分析了单槽法和双槽法制备多层膜的优缺点。     

Fe-N/TiN纳米多层膜的结构与力学特性

该文用磁控溅射法制备了一系列Fe-N/TiN纳米多层膜;利用广角和小角X射线衍射和俄歇电子能谱对多层膜的微观结构和成分进行了测试;利用纳米硬度计和纳米划痕仪研究了多层膜的微观力学性能。固定Fe-N层厚度为20nm,改变TiN层的厚度,研究了TiN层厚度变化对Fe-N/TiN纳米多层膜的附着力、硬度、弹性模量等性能的影响。发现TiN层为2nm时多层膜有最好的力学性能,说明对Fe-N/TiN多层膜来说,对力学性能影响最大的是多层膜的调制周期。     

镁锂合金表面碳化物膜层制备及其耐腐蚀性能表征

将镁锂合金浸渍于高温的苯溶液中,使其发生反应并在基体上形成碳化物膜层,采用SEM、XRD等分析了膜层的组织和结构,利用失重法、析氢法和盐雾腐蚀等研究了膜层的耐腐蚀性能.结果表明,利用苯作为浸渍液时,合金表面生成的碳化物涂层比较稳定,不易被腐蚀,使镁锂合金的耐腐蚀性能明显提高.     

专家系统在基因芯片疾病诊断系统中的应用

基因芯片疾病诊断系统在医疗卫生、生物医学工程、生命科学研究等领域有着广阔的应用前景。对专家系统在基因芯片疾病诊断系统中的应用进行了初步的探讨,提出了一种用于基因芯片疾病诊断的基于产生式规则的专家系统框架,实现了利用基因芯片对特定疾病诊断的功能要求。     

黄铜在BTA中形成的表面膜特性

利用伏安法，椭圆偏振法和ＸＰＳ法对黄铜在ＢＴＡ中形成的表面化学转化膜的成分，结构，厚度及导电性进行了结果表明，表面膜层属半导体，膜易被击穿，膜层为双层结构，即黄铜／Ｃｕ２Ｏ／Ｃｕ（Ｉ）ＢＴＡ膜。     

用于LCD光学窗口的多功能膜层

采用离子束辅助沉积方法进行膜层的制备;选用合适的色散模型,利用包络法和椭偏仪对制备薄膜的光学常数进行拟合;利用单纯形调优数值优化法对膜系进行优化.对制备的多功能膜层进行相关测试,结果表明:反射率平均低于0.8%,屏蔽层方阻为14Ω/□,膜层附着力和耐摩性能符合相关规定.所研制的多功能膜层,性能指标满足要求.     

图书馆在架图书的索书号图像提取与分割

图书索书号提取与分割是图书馆自动存取机器人完成图书上下架的关键技术。提出了一种利用索书号颜色特征和书脊边缘信息进行图像提取分割的方法,有效地解决了背景相近的相邻索书号之间的分割问题。通过实验利用HSV颜色空间提取索书号区域,用Canny算子做书脊边缘检测,采用概率霍夫变换法查找书脊边缘线段,实现了索书号图像的提取与分割,并针对厚、较厚、中等厚、较薄、薄、混合等几种类型的书脊进行了分类实验和研究,可以有效地提取出不同情况下每本图书的索书号,为图书馆自动存取机器人完成自动存取操作奠定了基础。     

基于RAU-net的视网膜OCT图像快速自动分层研究

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估. 为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法. 该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消失和梯度爆炸问题,注意力门结构突出了模型对视网膜图像重要特征的学习. 由模型预测后得到的分割结果获取9条边界的感兴趣区域,然后运用图像搜索对分层图像进行边界优化,得到精确的视网膜分层图像. 结果表明:该RAU-net算法与手动分层的误差约为1像素,且完成1帧OCT视网膜图像的分层只需要4 s. 通过RAU-net与图像搜索相结合的方法为视网膜疾病的临床诊断和治疗提供了快速准确的定量分析方法.     

采用改进Snake模型的胸片肺野自动分割方法

为了解决传统Snake模型应用于X光胸片肺野分割时,对人工初始化轮廓的选择敏感、对凹陷区域分割不准确等问题,提出一种基于自动初始化Snake模型的X光胸片肺野自动分割方法.该方法首先通过Otsu法对原始图像进行二值化,得到包含肺野、背景区域的二值图像,并经过图像取反和连通域处理,运用形态学方法,得到只含有肺野区域的二值图像;然后,通过边界提取,完成对Snake模型轮廓的自动初始化;最后通过Snake模型的演化,得到分割结果.实验结果表明:该方法能摆脱Snake模型对人工初始化轮廓的依赖,提高分割的鲁棒性,同时对凹陷区域的分割更准确,具有更好的分割效果.     

基于深度学习的汽车轮毂缺陷自动分割技术

针对建立轮毂无损检测智能化平台的需要,本文提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知。本文依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割。实验表明本方法针对复杂轮毂缺陷的识别率达到90%以上,且识别时间开销大约5ms/张,优于传统方法。可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景。     

基于分水岭变换及分层区域合并的城市高分辨率影像分割

针对城市区域高分辨率图像的特点, 以及传统的基于分水岭变换的图像分割方法中存在的过分割问题, 提出一种分割区域的分层合并方法来改进分割结果。首先采用多通道分水岭分割得到初始分割结果, 然后通过定量分析城市不同地物内部光谱变化性的特点, 对影像进行分层, 并对不同的层分别进行合并, 得到最终的分割结果。采用一景北京地区的QuickBird影像, 从目视评价、定量指标计算以及应用等3个方面, 对提出的方法进行验证和评价, 并与现有的分割方法比较。结果表明, 与现有方法相比, 基于分层区域合并的方法可得到更准确的分割结果, 适合城市高分辨率图像的分割。     

基于网络文本的汉语多词表达抽取方法

多词表达(multiword expressions, MWEs)是自然语言中一类固定或半固定搭配的语言单元,特别在网络文本中,多词表达频繁出现,给分词和后续文本理解带来了巨大挑战,因此,面向网络文本提出了一种双层抽取策略来实现多词表达的识别。第一层次,利用基于左右熵联合增强互信息的算法来实现多词表达的初步抽取;第二层次,在第一层次获得的多词表达候选列表的基础上,利用SVM分类器,构建上下文和词向量特征,进行多词表达与非多词表达的分类,实现多词表达候选列表的进一步过滤。经过实验测试,在5 000条微博语料上,第一层次获得的多词表达的F值为84.92%,第二层次多词表达识别的F值为89.58%,相比于基线系统,性能有很大的提升。实验结果表明,双层抽取策略能够实现网络多词表达的有效抽取,并能有效改善分词结果。     

Segmentation of tumor ultrasound image via region-based Ncut method

To segment the tumor region precisely is a prerequisite for ultrasound navigation and treatment. In this paper, a normalized cut method to segment tumor ultrasound image is proposed by means of simple linear iterative clustering for presegmentation procedure. The first step, we use simple linear iterative clustering algorithm to divide the image into a number of homogeneous over-segmented regions. Then, these regions are regarded as nodes, and a similarity matrix is constructed by comparing the histograms of each two regions. Finally, we apply the Ncut method to merging the over-segmented regions, then the image segmentation process is completed. The results show that the proposed segmentation scheme handles the strong speckle noise, low contrast, and weak edges well in ultrasound image. Our method has high segmentation precision and computation efficiency than the pixel-based Ncut method.     

基于数据融合的不平衡连续手术动作分割识别

为解决样本分布不均衡的连续动作序列分割识别精度不高的问题，本文提出一种基于深度学习的新型连续动作分割与识别模型，该模型能够从多维时间序列中提取更丰富全面的动作特征。该算法使用基于Bi-LSTM的特征提取单元提取数据特征，利用基于注意力机制的特征融合模块融合多种模态的特征，并利用全连接层构建的解码器完成最终分类。实验中使用多种传感器采集了眼科手术中连续环形撕囊操作的连续动作多模态数据对算法进行验证实验。实验结果显示，与使用长短时记忆网络（LSTM）和门控循环单元（GRU）的数据层融合算法以及四种特征层融合策略相比，本文提出的模型具有更好的性能。对于数据量最小的动作类别，该算法的识别精度提高了14%以上，全局F1分数提升8%以上，整体识别准确度达到90.72%。这些结果表明，该模型能够有效解决样本分布不均衡的连续动作序列分割识别精度问题，并为多模态连续动作分割与样本不均衡问题的解决提供了新的思路和方法。     

基于标记控制分水岭算法的乳腺X线摄片分割

乳房区域提取是基于乳腺X线摄片的计算机辅助诊断中的关键步骤。它能够将病灶的检测范围限定在乳房区域之内,减少背景区域的干扰,从而提高诊断效率。针对乳房区域边缘处的灰度与背景区域很接近,难以区分的问题,提出一种基于标记控制分水岭算法的乳房区域分割方法。首先对图像进行形态学平滑并计算梯度图;然后,基于改进的Otsu阈值法及形态学方法确定内部标记和外部标记;最后,在内外标记的控制下对图像进行分水岭分割。采用多种评估方式将算法的分割结果与金标准进行对比,其重叠率达到0.93±0.03,结果表明该算法能有效提高乳房区域分割精度。     

基于局部密度聚类的雷达目标散射中心区域分割

散射中心是描述雷达目标高频散射机理的重要特征,准确提取雷达目标散射中心参数对解析雷达目标有着极其重要的研究意义。为了提高散射中心参数计算速度,通常将整幅SAR图分解为多个包含散射中心的小区域,对每个小区域分别进行特征提取和参数计算。根据雷达目标散射中心的特点,本文提出了一种基于局部密度聚类的雷达目标散射中心区域分割技术。首先,首先对雷达图像进行Frost滤波、LSM图像分割和面积滤波的一系列图像预处理获得目标ROI区域,然后对预处理后的图像利用局部密度聚类算法检测散射中心并进行区域分割。实验中,采用模拟数据和真实数据对本文方法和传统图像分割算法展开数值实验,实验结果验证了本文方法在雷达目标散射中心区域分割的有效性和优越性。     

一种基于区域生长算法的脊椎椎体提取方法

脊椎椎体三维重建是脊椎应力应变研究的重要环节,对MRI图像中脊椎椎体区域的提取是三维重建的基础。为了准确提取脊椎椎体区域,提出了一种基于区域生长算法的脊椎椎体提取方法。通过最大类间方差法求得到自适应阈值代替传统区域生长算法中的手动阈值,再结合中值滤波算法对原始图像进行预处理,避免了传统区域生长算法手动阈值造成的过分割,或者欠分割等现象;并有效抑制MRI图像噪声,使椎体区域内像素变化更为缓和,弥补了传统区域生长在MRI图像椎体区域内部分割效果不佳的缺陷,准确提取出脊椎椎体并建立出三维模型。