自适应先验马尔可夫随机场模型的图像分割算法

针对全局同态先验马尔可夫随机场(Markov random field,MRF)模型在图像分割中不能有效利用图像局部统计特征的问题,提出了一种基于局部自适应先验MRF模型的图像分割算法.该算法基于贝叶斯理论,利用局部先验Potts模型描述图像的局部特征,建立了一种局部自适应先验MRF模型;提出了基于区域的置信度传播(Belief Propagation,BP)算法,把图像的局部区域特征传递到全局,最终基于最大后验准则(MAP)得到图像的分割结果.实验结果表明:所提模型对于图像中的噪声或者纹理特征等具有较好的分割,分割结果明显优于全局同态先验MRF模型;提出的自适应先验MRF模型对于图像的噪声或者纹理突变信号的干扰具有较强的鲁棒性;算法具有较少的迭代次数和较好的分割结果,且分割时间较短.     

一种人体气道树快速自动提取算法的设计

为了从胸部CT图像中提取气道树,提出一种人体气道树的快速自动提取算法,其中包括三维区域生长、三维波传递和形态学优化3个步骤,通过多次迭代完成最终提取.区域生长的作用是提取气道树主体,三维波传递和形态学优化用于提取外围细支气管.在波传递中采用模糊逻辑判据,并利用形态学特征防止泄漏.将算法应用于28例数据,结果表明,利用该算法均能成功提取第5级或第6级支气管,且未泄漏;此外,该算法运行速度特别快,提取一个气管树耗时一般小于2s.     

基于区域生长的红外图像分割

该文采用区域生长的方法 ,结合人工智能 ,针对红外图像中目标相对较小、灰度值与视场中目标物体的热辐射量相关的特点 ,选取相应种子点根据灰度相似性判决生长出目标区域。结果表明 ,采用这种方法具有一定的针对性 ,能够有效地分割出目标物体     

一种基于能量和距离的多级能量异构传感器网络路由算法

为了能有效地利用节点能量的异构性,降低网络能耗、延长网络稳定周期,提出了一种同时考虑节点剩余能量和节点至基站距离的多级能量异构无线传感器网络的分簇路由算法.在节点簇间综合考虑簇头剩余能量及其与基站的通信能耗,以选择合适的下一跳路由节点.仿真结果表明,该算法可以有效地均衡网络能量消耗,延长网络稳定周期.该路由算法在维持节点存活个数、降低网络能量消耗及增加网络数据传输吞吐量等指标方面优于几种常见传感器网络路由算法,表明在综合考虑能量和距离等因素后能够获得比单一考虑能量或者距离的算法更优的运行结果.     

二代小波变换的抗噪Otsu图像分割方法

针对一维、二维最大类间方差(Otsu)方法分割含噪声图像时分割效果不佳、抗噪性不足的问题,提出了一种二代小波变换的抗噪Otsu图像分割方法.算法通过二代小波变换,在小波域中对目标与背景的噪声进行抑制后再计算最大类间方差进行了研究.实验结果表明该算法是一种抗噪性强、分割效果好的图像分割算法.与现有的二维、三维Otsu法相比,算法不仅计算效率高,而且抗噪性能更稳健.     

AWGN信道下基于Kite码的多级编码技术

多级编码（multilevel coding,MLC）技术将编码和调制相结合,在不占用额外带宽且不降低实际数据传输速率的情况下,可有效提高数据传输的可靠性。根据MLC技术分级编码的特性及信道编码定理分析,将无码率码与MLC技术结合,理论上会得到较好的误比特率及吞吐量性能。Kite码作为一种新型的无码率码,兼有喷泉码与低密度奇偶校验码的优势。以MLC技术中各等价信道的容量计算为理论基础,设计了以Kite码为分量码,结合BP（block partitioning）集分割方式与高阶调制的MLC新方法。仿真结果表明,以Kite码作分量码的MLC译码性能明显优于以传统喷泉码作分量码的MLC译码性能。      

基于CV模型与改进ME模型的肺癌检测算法

针对CT影像中恶性肺结节病灶难以自动检测的问题,提出了一种基于CV模型与改进ME模型分割区域之间的面积差异的肺部CT影像癌症检测算法.该方法利用在肺部CT影像中结节边界的模糊程度是判断恶性肺结节的最重要指标这一特性,首先通过CV模型和改进ME模型两种交互式目标分割算法分别对肺部CT影像分割,因这两种分割方法收缩效果不同,故得到两种不同的结节区域,再计算这两种区域之间的面积差异得到该区域的模糊程度,最后计算得到模糊程度比较阈值,以此判断是否存在癌症.实验结果表明,该算法对于肺部CT影像中的癌症检测具有较高的准确率.     

改进的基于ASFCM婴幼儿脑部MRI分割算法

在诸多FCM的改进算法中,ASFCM算法表现较好,该算法改变空间惩罚项结构,使目标函数连续,并且具有自适应的参数,但会出现无法抑制婴幼儿脑部MR图像噪声较大的问题.为了解决这个问题,在ASFCM算法基础上融合非局部权重和核函数思想,提出一种改进的ASFCM算法(KNL-ASFCM).采用本文算法,FCM,RFCM和ASFCM算法对加入不同种类和强度噪声的临床婴幼儿脑部MR图像进行实验.分析结果表明:本文算法的分割准确性和噪声抑制能力比其他三种算法均有一定的提高,对婴幼儿脑部MR图像分割问题具有明显优势.     

一种结合深度信息的人体行为识别方法

针对现有的人体行为识别方法中易受到噪声、光照以及复杂背景等因素的影响,同时,未充分考虑到人体交互区域的作用。提出一种结合普通彩色视频和深度信息的人体行为识别方法。首先,对于识别中提取人体运动目标时,利用深度图中物体表面法向量提取运动目标的边缘;同时结合加权累计帧差法获取运动模板。其次,结合深度连续性提取非人体区域(人体与动作的交互区域)并进行描述,作为人体行为表示的一部分。最后利用支持向量机(support vector machine)进行训练和识别。实验部分在CAD-120数据集中测试,通过与一些现有的人体行为识别方法相比较,动作识别准确率提高了5%左右。     

铁路轨道线形智能分段

轨道实测线形分段是不平顺检测计算的首要步骤。针对当前铁路线形分段主要依据正矢或曲率的现状,提出一种基于轨道姿态角的线形分段方法;即将GNSS/INS组合测量系统提供的轨道姿态角信息和轨道各元线形固有的几何特征结合起来进行分段。对比实测数据分段结果和轨道设计文件,平面和纵断面线形分界点里程识别误差均不大于6 m,证明该线形分段方法行之有效。