排序方式: 共有44条查询结果,搜索用时 0 毫秒
1.
为了解决计算机视觉中摄摄像机标定存在的若干问题,根据立体视觉原理,提出了基于神经网络的测避方法,利用神经网络建立空间点世界坐标与图像坐标非线性映射关系,使系统不经过复杂的摄摄像机内外参数标定,就能将二维像坐标(输入)与三维物坐标(输出)一一对应起来,并与传统的定位方法进行了比较.实验表明,该方法有效可行,简化了视觉系统的标定和定位计算,较之传统方法更具科学性,在定位精度上达到了良好效果。 相似文献
2.
给出一种Fortran DPM程序与Matlab语言相结合的放射治疗剂量分布仿真方法.利用蒙特卡罗方法模拟放射治疗剂量分布,改写已有的用Fortran语言编写的放射治疗程序DPM(dose planningmethod),与方便图形处理的Matlab语言相接口,处理DPM得到的计算结果.仿真结果表明,通过这种结合处理,可以很方便地得到等剂量分布曲线和等剂量面等图形,将仿真出的剂量计算结果明显地显示出来,为实际应用带来很多方便. 相似文献
3.
4.
基于区域形状的静脉图像特征提取与匹配 总被引:1,自引:0,他引:1
为了准确地对人的身份进行识别,提出了一种基于区域形状的静脉图像特征提取与匹配算法.静脉图像经预处理后得到二值图像,该算法首先对二值图像进行细化处理,得到了静脉的骨架信息;然后,标注4连通区域并寻找到与连通区域相连接的端点与交叉点;再利用最小距离法将连通区域的边缘逼近成若干条线段,将线段角度作为特征;最后,利用改进的最长公共子序列算法,进行了局部区域匹配,并利用改进的豪斯多夫距离算法进行整幅图像的匹配.实验表明,该算法获得的图像特征具有较高的区分度,识别效果受采集静脉图像中信息缺失的影响较小,正确识别率可达到96%以上. 相似文献
5.
6.
放射治疗剂量分布的Monte Carlo模拟 总被引:1,自引:0,他引:1
利用Monte Carlo方法模拟放射治疗剂量分布,改写现有的放射治疗软件DPM,并进行剂量计算。与图形处理方便的Matlab软件相结合,给出直观的显示结果。该方法是一个很有前景的研究方向,因为它既可以获得很快的仿真速度,又能得到直观的仿真结果图形。运行结果表明剂量计算能在1min之内完成,计算速度和精度满足要求。该方法对于提高放射治疗水平具有重要的指导意义和应用价值。 相似文献
7.
提出了一种预测RNA保守功能二级结构的粗糙集算法.使用粗糙集工具Rosetta软件,在保守结构预测过程的数据挖掘模块中,应用经过整理和离散化的RNA备择碱基对数据生成规则确定出将要出现在同源RNA序列的保守二级结构中的碱基对.将此算法应用在对爱滋病病原体HIV病毒RNA中REV应答元件单元的保守二级结构预测的结果表明,与传统的非数据挖掘算法相比,使用了这种机器学习算法的粗糙集预测方法,使得保守功能结构与野生型结构更加相似,重要的功能结构分支更加清晰明确. 相似文献
8.
对边界法向量叠加法进行改进,提出一种基于局部形状约束和自适应设定法向量大小的边界法向量叠加疑似肺结节提取方法.首先用自适应阈值方法对肺实质图像进行分割,得到初始ROI区域;然后判断初始ROI区域边界点的局部凸凹性特征,对满足凸性特征的边界点计算法向量方向,并且自适应设定法向量的大小,将初始ROI区域的边界点法向量叠加;最后对局部最大叠加值进行选择,可以检测出不同大小的圆形疑似肺结节.边界法向量叠加前使用局部凸凹性特征约束,能减少法向量叠加计算量;自适应设定法向量大小能克服检测固定大小肺结节的局限性.实验结果表明,改进算法可以较好地检测疑似肺结节区域,对不同大小的肺结节都有很好的适用性. 相似文献
9.
针对非线性系统往往具有不确定性、结构复杂、建模困难、难于在网络条件下进行仿真研究的问题,建立了一个基于TrueTime的非线性网络控制系统.在对弹簧连接的双倒立摆耦合非线性系统模型进行Matlab/Simulink模块化建模的基础上,结合TrueTime的网络通信模块,利用设计的鲁棒控制器将对象模型的不确定性和网络时延的不确定性进行了综合处理.仿真结果表明,该系统不仅降低了非线性系统建模的复杂性,而且为研究网络控制系统结构下非线性系统的动态特性提供了条件. 相似文献
10.
为了准确地对人的身份进行识别,利用图像中脉络延伸方向与脉络间位置的相互联系,将隐马尔科夫模型(HMM)应用于识别系统中,提出了一种基于遗传算法自适应建立HMM的静脉识别算法.图像经预处理后得到静脉的骨架信息,将细化后的静脉图像进行Radon变换,每一静脉对象可表示为一个HMM;对于已知确定的训练样本库,利用遗传算法自适应调整HMM参数,使所有测试图像的观测序列在真实匹配模型中发生的概率值远远大于其在虚假匹配模型中发生的概率值,提高了不同静脉对象的区分度.实验表明,该算法具有较高的正确识别率,并具有良好的实时性. 相似文献