一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

BP神经网络用于函数逼近的最佳隐层结构

研究采用反向传播算法的人工神经网络用于函数逼近时的支结构。方法,以典型的ｎ输入、单输出的多层ＢＰ网为例,在几种不同的网络隐层结构下对典的连续函数进行逼近训练。,分析各网络输出的全局误差。     

两个线性最小二乘问题解流形之间的逼近性

运用广义逆矩阵理论,研究了两个线性最小二乘问题解流形之间的逼近性,推广了若干已有结论。     

On some tests-based projection pursuit for elliptical symmetry of a high-dimensional distribution

Some test statistics of Kolmogorov type and Cramér-von Mises type based on projection pursuit technique are proposed for the testing problem of sphericity of a high-dimensional distribution. The limiting distributions of the test statistics are derived under the null hypothesis and under any fixed alternative. The asymptotic properties of bootstrap approximation are investigated. Furthermore, for computational reasons, an approximation for the statistics, based on the number theoretic method, is suggested. An erratum to this article is available at .     

遗传算法在立体图象匹配中的应用

基于传统立体图象匹配技术,提出了一种新的使用遗传算法的特征匹配方法．实验中,采用了两种特征提取算法,以适应不同图象要求．实验用图包括自然景物图和人工合成图．此外,用ＢｒａｎｃｈＡｎｄＢｏｕｎｄ算法得出比较结果．实验结果表明,遗传算法有好的匹配正确率和收敛速度,具有鲁棒性,适合立体图象匹配．     

立体视觉中求对应点的解

从讨论物体表面的特性出发,研究了立体视觉中可匹配点存在的集合以及唯一匹配问题,指出了可匹配点集与成象系统焦点位置及其物体表面法线之间的关系,证明了空间曲线在两幅图象上投影的孤长之比和变形的物理特性。     

商标图象库检索的多层次结构方法

基于商标图象库应用背景和具体特征,提出一种商标图象检索的多层次方法．图象预处理阶段采用人机交互方式下３种半自动方法提取商标图象各区域对象．检索首先采用字符串匹配方法和传统数据库查询技术,动态减少图象搜索范围;在图象区域规格化下,相继用最小约束矩和基于Ｈａｕｓｄｏｒｆ距离的相似性函数度量商标相似性程度,具有平移、旋转和尺度变换下的不变性和一定的抗噪声能力．实验结果表明,该方法有效和实用．     

人脸三维测量中的立体视觉

探讨了立体视觉在人脸外形测量中的应用,针对牙齿整容手术模拟时必须测量面部皮肤表面一些指定点三维信息的问题,建立了一种双目成象系统．根据人脸的特征,提出了人机交互确定特征点并结合先验知识进行图象匹配的新方法,通过受试者的正面和左右９０°侧面三组图象、成象系统的全局坐标系与面部局部坐标系之间的几何位置,确定指定点在面部局部坐标系中的坐标值．误差校正项的引入有效地提高了系统的精度,实验结果表明了该系统的合理性．     

核医学图像的平滑及自适应增强算法

针对核医学图像的特点,提出核医学图像的邻域加权平滑和自适应增强算法,用于去除图像噪声和增强图像,以改善图像的视觉效果,提高对核医学图像判读的正确性     

多维双曲型方程一般差分逼近时空网格同时加密的稳定性

讨论多维常系数双曲型方程式在一个中介面两侧的区域中,关于时间空间网格同时加密或稀疏情况下,分别应用不同的一般的柯西稳定差分逼近式的耦合稳定条件,推广了Ｂｅｒｇｅｒ只用于一维情形及Ｌ－Ｗ格式的结果．在多维情形下,应用Ｍｉｃｈｅｌｓｏｎ方法,利用傅里叶变换,得到包含对偶参数的特征方程式．再应用Ｍｉｃｈｅｌｓｏｎ的Ｕ．Ｋ．Ｃ判别条件,得到了多维常系数双曲型方程在中介面两边应用一般的分别为柯西稳定的格式并关于时空网格同时加密或稀疏问题的耦合稳定条件．