基于图象分割子集法的人工神经网络在两相流层析成象仿真中的应用研究

提出了基于图象分割子集的神经网络对管道内两相流进行电容层析成象的方法.解决了神经网络的输出单元数与重建图象精度之间的矛盾.研究了成象的分割网络模型及其实现步骤.给出了系统误差E和图象仿真结果.结果表明该方法能够更精确和快速地重建出两相流体的断层图象.     

板壳结构的振型测量

应用CCD图象传感器的线性积分成象机理,将时间平均成象方法与数字图象处理技术相结合提出一种新的动态光测方法.该法只需被测对象静态参考图象及共振态的时间平均成象即可重建板壳结构的振型信息,并具有设备简单、操作方便的优点.     

数字超声多频全息

本文讨论了用计算机对超声多频全息重组成象原理.为了获得较好的图象,我们研究了频带宽度,频率和孔径偏移对点扩展函数曲线的影响.频带增宽、孔径增大对提高图象质量是显然的.在水槽中,对两根金属丝进行了散射波的振幅和相位的测量.并用计算机重组成象和打印输出.     

运动时间历程测量的积分成象方法

利用CCD图象传感器的线性积分成象特性,将数字图象处理技术与时间积分成象方法结合用于运动时间历程的光测分析.采用文中提出的方法,只需分别摄取被测物体上的发光标志点在静态下的图象和其在运动状态下的时间积分成象,即可确定该物体在曝光时间内的运动时间历程,并且可以直观地记录下被测物体的运动轨迹.实验表明该方法具有较高的测量精度,对测量设备和实验条件的要求也很宽松.     

利用微波进行计算机辅助断层成象

本文叙述作者在传输型微波CT方面做的理论和实践工作,讨论了微波CT成象中各种因素(环境媒质、天线波束、目标性质等)对成象质量的影响.建立了实验装置,对简单模型采集了CT数据,运用所编程序获得了CT图象.本文的结果表明:传输型微波CT对低反差目标能得到合理的图象和分辨率,对高反差目标虽有严重伪象,但仍可获得有价值的信息.     

激光全息透镜型干涉仪图象畸变的研究与同轴全息透镜型干涉仪的设计

本文分析了全息透镜型干涉仪光学成象中的象差引起的图象的畸变,并得出克服图象畸变的方法.从而提出一种新型的同轴型全息透镜型干涉仪的光路,用作静态全息不需用传统的严格的防震,用于动态全息不用严格的选模.实验证明了这一设计思想的正确性.     

一种自适应遥感图象小目标检测新方法

针对遥感图象普遍存在的小目标,提出了一种新的自适应检测方法.该方法基于图象局部扭曲度和峭度所具有的非对称性和拖尾特性,自适应地确定具有小目标的感兴趣区域(ROI),并在该区域内,结合能量特征实现图象目标的分割.针对分割分的二值图象仍具有的干扰噪声和虚假目标问题,进行了二值数学形态滤波,并结合目标的面积特征实现了小目标的精确检测.计算机模拟仿真结果证明了所提出方法的有效性.     

横波成像的病灶分割深度学习算法研究

病灶分割的精度直接影响基本治疗,采用超声波横波弹性成像的深度学习算法,设计了病灶分割深度学习模型对病灶图像进行分割,该模型由编码器块、循环块和最后双解码器块组成.实验结果表明,与现有图像分割方法相比,该方法对合成的和不可见的真实体模数据具有更好的弹性图像重建效果,不但可以在弹性图像重建的同时进行包含分割,而且分割精度比LPVI方法提高25%～37.5%.     

图象分割算法的改进研究

针对传统基于图论的图象分割方法对噪声敏感以及计算复杂度大的问题,对传统算法进行了相应的改进,综合考虑像素的灰度信息和空间位置信息,计算权函数表达式时充分考虑到节点之间及节点与区域间的空间近邻关系.对比实验表明,该算法能够有效地从背景中把目标物体分割出来,并且当目标物和背景相近时,相比其他两种算法能够去除更多背景;该算法分割结果更接近于人眼视觉特征.     

基于自组织特征映射的神经网络的矢量量化

本文设计了一种神经网络矢量量化编码方法－基于自组织特征映射的神经网络的矢量量化,利用Kohonen网络的自组织聚类功能,设计矢量量化器码书,实现矢量量化。该神经网络速度快,效率高,适用于语音和图象数据压缩,并对SOFM算法应用于图象矢量量化进行系统的研究。     

基于三维脉冲耦合神经网络模型的医学图像分割

该文将脉冲耦合神经网络模型从二维平面扩展到三维空间,同时提出一种新的乘积型互信息算法,将其作为脉冲耦合神经网络分割算法的最优分割准则,并将两者结合实现三维医学图像的整体自动分割. 利用该文提出的算法对三维CT肺部图像进行分割实验,结果表明,该算法在保证分割精度的基础上显著地减少了分割运行时间,提高了分割效率,具有应用于医学图像分割的潜在价值.     

迷彩设计中背景图像聚类方法的比较分析

迷彩设计中,通过对目标背景的图像信息进行归类处理,利用图像分割技术获取背景斑点,然后设计出与背景亮度和纹理相协调的迷彩图案. 目前,最常用的图像分割方法是均值聚类法,由于它直接利用灰度信息以致分割的细节不明显,容易导致模拟背景纹理失真. 针对它的不足,提出了采用基于自组织特征映射(self organizing feature map, SOFM)神经网络的分割方法对背景进行聚类分割. 该方法将整幅图像作为神经网络的输入,聚类分割后的颜色作为输 出,按照自组织特征映射网络的学习过程,使用其函数进行迭代运算直至学习停止. 比较实验结果表明,SOFM方法能更好地保留图像的细节纹理,得到较为理想的设计效果.     

改进脉冲耦合神经网络及二维Otsu算法的光伏阵列阴影检测

阴影对太阳能发电系统输出功率有极大的抑制作用,该文针对光伏阵列局部遮荫现象提出一种基于改进的脉冲耦合神经网络的阴影检测方法. 设置合适的初始参数,根据unit-linking PCNN（ULPCNN）算法进行阴影分割,利用二维Otsu算法自动选取迭代次数,以循环迭代过程中具有最优阈值的分割图像为最终分割结果. 仿真结果表明：该算法可检测出光伏阵列局部阴影,与传统的脉冲耦合神经网络算法及ULPCNN算法相比分割结果更好,操作更简洁.     

有限元在电容层析中的应用研究

讨论了有限元在电容层析成像中的应用原理和结果,介绍了一套基于１２电极电容传感器进行图象重建的电容层析成像的仿真仿真软件包,该软件包是利用可视化编程语言ＰＶ－ＷＡＶＥ有ＳＧＩ图形工作站上开发的。利用该软件包可以深入分析电容敏感场和流体模型数据的变化,从而为改进图象重建算法和设计最佳电容传感器几何参数提供了有力依据,最后对电容层析成像的特性进行了研究。     

MRI的脑部肿瘤分割及其三维重建

脑部肿瘤精确分割和三维重建的研究对脑部肿瘤疾病的诊断具有重要意义.提出一种全自动的脑肿瘤分割方法,该方法首先利用人脑结构信息的对称性,通过区域生长法实现脑肿瘤的粗略分割,然后将粗分割区域作为初始水平集轮廓,利用改进的测地线活动轮廓(geodesic active contours, GAC)模型进一步精确分割.经实验分析可知,该模型具有良好的分割灰度不均匀的弱边缘能力.最后对分割出的脑部肿瘤序列图像进行面绘制重建及其可视化,以此为脑肿瘤研究提供更多维度的信息.     

基于深度卷积神经网络的遥感图像超分辨率重建

针对基于卷积神经网络(Convolutional Neural Network,CNN)的遥感图像超分辨率重建算法训练时间较长问题,提出了一种超深的卷积神经网络来重建遥感低分辨率图像的方法。卷积神经网络共有20层,每层包含卷积层和非线性层,层与层之间采用级联的网络结构。其过程为从插值的低分辨率图像(Interpolated Low Resolution Image,ILR)中提取特征,将提取出来的特征通过残差学习预测到高频信息,ILR结合预测的高频信息重建出高分辨率图像(High-resolution Images,HR)。在训练过程中,通过梯度裁剪来防止梯度爆破,使训练保持平稳。实验表明,本文算法与其他算法相比较,主观视觉明显改善,客观评价指标显著提升。     

一种基于双重网络模型的单幅图像超分辨率方法

本文对深度学习领域中的高效亚像素卷积神经网络（efficient sub-pixel convolutional neural network,ESPCN）算法进行了改进,通过加入残差网络知识,调整原有的ESPCN构造结构,提出了一种双重网络模型下单幅图像超分辨率重建方法。通过实验证明：该算法能够有效地提高单幅图像超分辨率重建的精度,丰富重建后的细节信息。     

基于图像特征的车牌字符分割方法研究

根据车牌图像具有不同颜色和车牌字符中字母和数字具有连通性的特点,提出将灰度自适应二值化和基于神经网络的彩色图像二值化相结合.用这种方法对一系列定位后的各种车牌图像进行二值化,然后利用投影法和数学形态学对二值化后的车牌进行准确的字符分割.实验结果表明:该方法二值化效果好,字符分割准确率较高.     

基于对象形状特征的图象检索

本文介绍了基于内容的图象检索技术,特别研究了基于对象形状的图象检索理论和方法,包括：形状特征描述,特征提取方法和基于对象形状的图象查询方法;并实现了形状特征的自动提取与图象检索。     

木材缺陷重建图像的多核模型研究

针对基于应力波技术的木材无损检测算法中,重建后的木材缺陷图像与真实的木材缺陷图像差距较大,不能够准确地反应出真实情况下木材内部缺陷的大小和形状这一现状,采用多核模型进行优化重建算法,提高重建图像的准确率。以含有空洞的椴树木材为实验样本,利用多核模型优化重建的缺陷图像,提高重建图像的拟合度。根据采集到的数据建立点速度模型,对得到的点速度模型用多核模型进行优化,将多核模型优化的重建缺陷图像阈值分割处理,得到轮廓平滑、拟合度高的缺陷重建图像。研究结果表明,利用多核模型优化可以更加准确地反应出木材内部真实缺陷的情况,通过和其他方法的比较,证实了多核模型比其他模型更能准确表示木材内部缺陷,重建图像的拟合度更高,为提高木材缺陷重建图像提供了可行性方法,可为木材缺陷检测装置的设计提供参考。