基于马尔可夫随机场和模糊C-均值聚类的DTI图像分割算法

传统的模糊C-均值聚类(FCM)算法只考虑了图像灰度信息,未考虑图像的邻域信息,抗噪性能不够理想.为了充分利用图像空间信息,提出一种结合马尔可夫随机场(MRF)的自适应加权FCM改进算法.该算法根据局部密度判断像素在其窗口邻域范围内的离散种类,将MRF空间约束场和隶属度场的权重根据像素离散种类进行自适应变化,在消除噪声影响的同时,尽可能保留弥散张量成像(DTI)的图像细节信息.实验结果表明:该算法可以准确分割DTI图像,得到边缘清晰且细节信息保留良好的分割结果,与FCM算法以及MRF和FCM融合算法相比,其分割系数至少提高了3%,分割熵至少降低了2%,分割聚类效果得到提高,且分割系数和分割熵都不易受噪声幅度的影响.     

基于改进模糊C均值聚类的弥散张量成像图像分割

为了避免随机选取初始聚类中心点的缺陷,利用最大最小距离的方法确定初始聚类中心点.实验结果表明,和传统的模糊C均值聚类(FCM)算法相比,所提聚类算法具有较高的稳定性和准确性,所分割的胼胝体图像边缘信息更加清晰.     

多项式展开的快速扩散张量图像配准

提出一种基于多项式展开的扩散张量图像快速配准方法.采用拉普拉斯算子提取经图像增强处理的各向异性测度图像的边缘特征点,给出一种图像变换模型,利用边缘特征点来定义图像的特征,并以此校正图像的方向.利用基于多项式展开的配准模型,对已经经过方向校正的各向异性测度图像进行全局像素点稠密配准.实验结果表明该方法有效地提高了配准效率和配准精度.     

一种光照条件自判断的夜间灰度图像增强算法

借鉴双直方图均衡(BBHE)和图像分割的思想,对夜间灰度图像进行光照条件自判断的增强研究,对光照条件较好、光照条件较差和光照条件较差但存在少数极亮区域的图像分别采用不同的方法进行增强处理.实验结果表明:所提算法可以突出夜间灰度图像暗处的细节,增大图像的对比度,并有效解决增强后图像整体亮度过高的问题,具有较强的普适性.     

基于模拟回火退火的DT-MR图像平滑和估计

在采用高斯-马尔可夫随机场(GMRF)对扩散张量磁共振成像(DT-MRI)的原始图像进行平滑和估计时,要根据Bayes准则对图像灰度进行最大后验(MAP)估计.为了避免陷入局部最小的“陷阱”和减小计算量,MAP估计采用了模拟回火退火方法(STA).通过对未加权图像和不同梯度脉冲下的加权图像(共7幅)同时进行平滑和估计.结果表明,基于STA对图像进行平滑和估计能够大大减少噪声影响,从而在图像信噪比很低的情况下仍能保证张量场完全正定.把本方法的实验结果与传统模拟退火(SA)方法的结果进行比较,表明基于STA的方法能够更加有效地消除噪声影响,减小计算量.     

参与式教学在电子信息工程专业英语教学中的应用

电子专业英语是一门实践性很强的专业课程,传统的填鸭式教学方法无法适应该课程培养学生阅读理解和翻译写作等各方面能力的要求。根据高等教育的教学要求和学生特点,我们在教学实践中把参与式教学思想运用到电子专业英语教学中,取得了良好的教学效果。     

参与式教学在《电子测量》教学中的应用探索

本文对参与式教学在《电子测量》课程教学中的应用进行了研究和探索,提出了针对《电子测量》课程的教学要求与特点,合理运用参与式教学方法,在教学内容规划、教学手段使用、教学过程组织等方面进行改革,达到提高学生自主学习积极性、培育学生创新能力、拓展学生视野等目的,提高电子测量课程的教学效果。     

小波复扩散及在DTI图像恢复中的应用

扩散张量图像中广泛存在的赖斯噪声会给张量计算和脑白质追踪等带来严重的影响.为了减少噪声影响,采用小波复扩散方法对多通道扩散加权图像进行了恢复.小波复扩散滤波方法即在小波域中进行复扩散.该方法能够有效消除噪声影响而且具有较好的边缘保持特性.采用峰值信噪比（PSNR）和信号均方差之比（SMSE）来定量地评估本滤波器消除赖斯噪声的性能.基于模拟和真实数据对张量场的表面扩张系数等进行了计算并进行了人脑白质纤维追踪.把去噪方法和多通道小波方法以及复扩散方法进行了比较,实验结果表明本滤波方法具有良好的去噪性能.     

基于改进的各向异性扩散的DWI图像恢复

扩散加权图像（DWI）中广泛存在的高斯白噪声会给张量计算和脑白质追踪等带来严重的影响．为了减少噪声影响，尝试采用改进的各向异性扩散滤波器来对DWI进行恢复．这种改进的扩散滤波器具有良好的稳定性和边缘保持特性，并且能有效地消除高斯噪声的影响．采用峰值信噪比（PSNR）和结构相似性（MSSIM）参数来定量地评估本滤波器消除高斯噪声的性能．基于模拟和真实数据的实验结果表明：采用的滤波器能有效去除DWI的高斯噪声的影响．     

基于粒子滤波和概率神经网络的步行者定位参数校正

采用粒子滤波器融合全球卫星导航系统GPS和可穿着传感器的测量值,并利用概率神经网络作为分类器,依据从固定时长加速度采样中提取的特征,识别步行者的动作状态,减小了航向角测量误差、步幅估计误差和步数统计误差对航位推算结果的影响,校正了定位参数.通过分析加速度的振动特征估算步行者实时步幅,采用时长比例等效的方法同步采样,进一步优化了系统模型.实验表明,该方案具有较好的定位效果.