基于非抽样contourlet变换的图像增强方法

针对实验图像光照不均、对比度低、噪声大等特点,提出一种基于非抽样contourlet变换的图像非线性增强算法.首先对原图进行非抽样contourlet变换,分解为低频和高频子带;然后对低频子图进行自适应直方图处理,以增强像素的对比度,对高频系数采用分层阈值处理和分段非线性变换;最后将其反变换得到增强的图像.仿真实验结果表明:此算法不仅增强效果好,鲁棒性强,而且具有较大的实用价值.     

翼型局部弹性自激振动的增升减阻效应研究

基于几何非线性的浅拱理论及空气动力学理论,建立了局部弹性翼型的气动弹性模型,并针对该模型建立了在ALE坐标下局部弹性翼型与非定常流场的耦合算法;对振动NACA0012翼型的非定常气动力进行了计算,结果与文献数据吻合良好,验证了算法的准确性;对雷诺数为2×105时弹性翼面自激振动对翼型的增升减阻效应进行了数值分析.研究结...     

基于压缩感知过程的语音增强

压缩感知(compressive sensing,CS)是一种基于信号稀疏性的采样方法,可以有效提取信号中所包含的信息。该文提出了一种基于CS过程的语音增强新算法。算法利用语音在离散余弦变换(discrete cosine transform,DCT)域下的稀疏性,采用Hadamard矩阵对带噪语音进行压缩测量,通过改进的正交匹配跟踪(orthogonal matching pursuit,OMP)算法恢复语音信号,实现语音增强。与经典谱减法和子空间算法进行实验对比分析,结果表明:该算法在降噪性能上优于经典谱减法和子空间算法。     

基于遗传算法的图像模糊增强的研究

为了实现图像的模糊增强,采用遗传算法得到的模糊参数,选择图像像素灰度的相对等级作为模糊特征,通过模糊映射建立图像的模糊特征平面,采用模糊对比度增强的方法实现图像的增强.实验结果表明采用基于遗传算法的图像模糊增强算法,可以根据不同的图像自动选择最佳的模糊参数,图像质量得到了改善,突出图像的细节,有效地实现了图像的增强效果.     

椎管内脊膜瘤34例的MRI诊断分析及临床意义的评价

目的:探讨脊膜瘤的磁共振(MRI)表现特征及临床意义。方法:收集并分析行MRI检查且经手术及病理证实的脊膜瘤34例,观察肿瘤的部位、瘤体信号表现、增强后的信号特征及邻近脊膜改变。结果:位于胸段26例,颈段4例,腰段4例。肿瘤信号不均5例,囊变1例,邻近硬脊膜增厚3例,宽基底征象20例。增强后肿瘤均有强化信号。结论:脊膜瘤好发于女性,多位于胸段硬膜下间隙,大部分呈实体性,囊变出血少见,肿瘤信号不均匀,主要原因是瘤内钙化程度不一。注入钆喷酸葡胺(GD-DTPA)后肿瘤均有其强化特征。脊髓呈慢性受压缩细征象。脊膜瘤可引起相邻脊膜增厚,增强后呈"鼠尾征"。     

基于模糊逻辑的雾天图像增强改进算法

针对传统模糊增强算法的缺陷,提出了一种基于正弦函数变换的模糊增强算法.该算法首先对雾天图像进行规范化,降低不同雾况对图像灰度级分布范围的影响;其次通过一种改进的模糊化算法将图像从灰度域变换到模糊域,在模糊域内对低灰度区域进行衰减运算,对高灰度区域进行增强运算;最后将图像从模糊域变换到灰度域.试验表明,该算法可以有效提高...     

基于改进YOLOv5的车辆目标检测研究

针对现有目标检测算法在自动驾驶等领域的车辆目标检测中存在检测精度不高,实时性和鲁棒性较差等问题,本文提出一种基于YOLOv5的车辆目标检测方法.本文在YOLOv5s网络模型框架下,引入一次性聚合（OSA）模块优化主干网络结构,提升网络特征提取能力;并采用非局部注意力机制进行特征增强;同时利用加权非极大值抑制方法实现检测框筛选.实验结果表明,在自制车辆检测数据集上,改进网络模型与原YOLOv5s模型相比,平均准确率均值（mAP）提升3%,不同目标类检测的平均准确率（AP）均得到提升,且检测速度满足实时性要求,对于密集车辆和不同光照条件下均能较好实现车辆目标检测.     

多特征融合的深度强化学习色彩增强方法

提出一种结合深度特征与美学特征的图像增强方法.首先,结合多种图像特征重构智能体评估网络,该网络通过拼接图像语义特征、图像色彩特征及历史动作信息输出当前策略.其次,感知奖励模型通过预训练分类模型激活层网络提取深层特征,使用余弦距离获得图像间的深度感知距离;利用美学模型获得图像间的概率距离.最后,结合两方面的距离表示并将其用于奖励模型构造中.在MIT-Adobe FiveK数据集上的实验结果表明,本色彩增强方法在结构相似度和平均均方误差上优于其他基线算法,模型场景适用性强.生成图像在保留更多的细节信息的同时,可以有效增强图像色彩.     

基于小波变换图像增强算法的手机散斑衬比血流成像技术

为实现激光散斑血流成像设备的便携化,研究了手机散斑衬比血流成像技术。通过分析和重组彩色滤波阵列的光强信号,解决了彩色图像传感器无法获取散斑信号的问题。提出了基于手机相机的散斑衬比分析方法,使用二维离散小波变换对图像低频区域进行增强,并使用k-means聚类和Ostu算法将背景区域和前景血流区域进行分割和去噪。最后,为验证这两种算法在不同情况下的分割结果,分别进行了血流模拟实验和微循环血流灌注实验。研究结果证明,Ostu算法在不同的血流模型下有更好的分割去噪表现,解决手机自带算法导致血流图像失真问题的同时,提高了图像的可视化效果。     

滨海围垦湿地芦苇凋落物分解对模拟增温的响应

采用开顶式生长室(Open-top chambers,OTC)模拟增温,结合网袋法,研究了空气增温(1.984±0.7)℃对崇明东滩滨海围垦湿地代表植物——芦苇(Phragmites australis)不同凋落物组分(茎和叶)分解速率的影响,并分析增温和非增温条件下凋落物分解速率与1.2 m高度的空气温度、0～5 cm土壤温度及0～5 cm土壤湿度3种主要环境因子的相关性及其变化.结果表明:①增温与不增温处理下,OTC组和对照(CG)组芦苇茎的年分解率分别为49.20%和45.11%,而叶的年分解率分别为63.52%和58.53%,增温对叶的分解促进作用更加显著;②增温增大了湿地芦苇凋落物分解常数K值,OTC组和CG组茎的平均K值分别为0.028和0.027,叶的平均K值分别为0.093和0.080,叶的增幅显著大于茎的增幅;③3种主要环境因子与滨海围垦湿地芦苇凋落物的分解速率相关性由大到小依次是1.2 m空气温度>0～5 cm土层温度>0～5 cm土层湿度,且增温使分解速率与3种环境因子相关性程度均增大,其中,叶分解速率与土壤温度的相关性变化最显著,增大6.43%.综上所述,气温是影响滨海围垦湿地芦苇凋落物分解的关键环境因子,增温不仅会增大滨海围垦湿地芦苇凋落物的分解速率,同时也会改变芦苇凋落物分解速率与主要环境因子的相关性.