基于字符识别的门牌号识别算法研究

以门牌号为对象,利用现代图像处理技术,研究基于字符识别的门牌号识别算法,给出了算法的计算机实现方法．计算机仿真结果证明了所提算法的有效性．     

使用直方图熵阈值法,从背景中自动分离出医学心脏图象

在医学科学研究和临床诊断中,常常需要在图象背景中分离出心脏或其他内脏器官的图象,以便对心脏或内脏器官进行几何学参数的测量。本文使用信息论中熵概念,推导出与先验和后验信息有关的评价函数,由它来选择最佳阈值,使分离出完整的心脏图象。为了能得到精确、清晰的心脏边界,本文使用了双曲线函数增强处理,选择常数C为0.5或1。采用灰度值窗口法后,并把阈值处理后图象的直方图起点移至灰度级为零的位置,使增强心脏边界的效果更为明显。本文使用Roberts边缘检测法获得了精确又清晰的心脏边界。     

EDTA络合溶胶-凝胶法制备Ca3(VO4)2:Eu发光材料

以金属硝酸盐和EDTA为原料,用EDTA络合溶胶—凝胶法制备出Ca3(VO4)2:Eu发光材料,分别用FTIR、XRD、荧光分光光度计等手段对Ca3(VO4)2:Eu荧光粉进行表征,结果表明:仅在740℃焙烧即可得到颗粒细小,组分均匀,纯物相的Ca3(VO4)2:Eu发光材料。     

多Transputer系统上的一种改进的并行消隐算法

该文讨论了三维物体隐面消除的并行处理问题。在对串行算法进行深入研究，并根据并行化的需要进行适当修改的基础上，给出了一类改进的ＭＩＭＤ并行浓度缓冲器算法，并在多Ｔｒａｎｓｐｕｔｅｒ系统上实现。文中还对有关算法的效率进行了比较，算例表明实际效率与理论分析相符。     

基于三角网格曲面的颅骨修补片重构方法

针对传统颅骨修补术采用自由曲面设计存在造型不理想的局限性,提出了一种基于三角网格曲面的颅骨修补片重构方法。重构过程首先由CT扫描和图像处理获得缺损颅骨三维三角网格曲面模型,然后标识骨窗边界及修补片边界,并对骨窗多边形边界做合法性检查,通过每次寻找多边形边界中夹角最小的一对邻边构造新的三角面片,直至覆盖整个骨窗区域;再进行颅骨修补片与头形吻合度的调整;最后对修补片与颅骨复合的误差进行验证。实物制作的结果表明修补片与患者颅骨匹配良好。目前应用该方法已完成病例10余例,为临床缺损颅骨修复又提供了一种手段。     

有雾天气图像的清晰化方法

为了改善雾天图像的退化现象,本文提出了一种有雾天气图像的清晰化方法。该方法根据正态分布将图像分为非天空区域与天空区域,然后以全局直方图均衡算法(HE)和子块部分重叠的局部直方图均衡算法(POSHE)为基础对雾天图像进行均衡化处理,均衡后的图像能够保持图像细节,同时也能够避免图像的过增强。实验结果表明:该算法能够有效改善图像的退化现象,提高图像的对比度和分辨率,增强后的图像更加自然。     

基于JAVA 3D的大型锻压机三维仿真训练系统的开发

锻压机等大型机械设备体积庞大、价格昂贵、操作复杂、使用环境恶劣等特点,这给学习和操作此类设备带来了很多不便.针对这种实际情况,开发出以计算机仿真技术为核心锻压机三维仿真训练系统,可应用于机械设备操作人员的培训。讨论了开发锻压机三维仿真训练系统应解决的关键问题,采用Ja-va3D技术开发的锻压机三维仿真训练系统.实际应用表明,锻压机三维仿真训练系统具有安全性、实用性、经济性、先进性等特点.     

基于乘数交替方向法的系统图像退化恢复方法

针对一般正则化方法不能有效解决非线性成像和高动态成像的系统退化恢复问题,提出一种非线性图像恢复方法,该方法利用乘数交替方向法解决双边全变差(bilateral total variation,BTV)模型的正则化项不平滑问题.建立包含复原图像的非线性最小二乘数据拟合项和BTV正则化项的目标函数;对目标函数进行优化;构建一套有效的乘数交替方向法(multiplier alternating direction method,MADM)求解提出的模型.利用峰值信噪比(peak signalto noise ratio,PSNR)和结构相似性度量(structural similarity index measurement,SSIM)评估图像恢复结果.对于非线性成像系统退化,提出的方法在PSNR和SSIM方面比基于TV(total variation)模型的方法分别提高4.5％和4.1％.对于高动态的成像退化问题,提出的方法获得的恢复图像PSNR值可达61.89 dB,相比其他方法,至少提高了2.9％.此外,该方法的运行时间也至少节省了26％,具有较高的计算效率.     

基于流形学习和梯度约束的图像超分辨率重建

将改进的基于流形学习的超分辨率重建与基于梯度约束的正则化重建结合起来,提出一种新的单帧图像超分辨率重建算法.该算法首先针对基于流形学习的超分辨率重建,提出新的特征提取方法,联合归一化亮度与平稳小波变换细节子带系数两个特征矢量,提高重建性能;然后将学习得到的高分辨率图像作为初始估计,将其梯度作为目标梯度域,进行基于梯度约束的正则化重建,得到最终的高分辨率图像.与现有的一些算法相比,文中算法无论在视觉效果还是客观评价上都具有较好的重建性能.     

基于GAN的医学图像仿真数据集生成算法

基于生成对抗网络(generative adversarial networks,GAN),提出了面向肝脏肿瘤CT图像仿真数据集生成深度学习算法.首先,将CT图像数据文件进行格式解析,单独保存为PNG格式的图像文件;然后,将肝脏病变区域统一标注为白色,并结合肝脏CT原图组成配对图片;最后,用生成对抗网络的pix2pix架构仿真生成病变肝脏图像.为将生成图像与目标图像进行定量分析、比较,本文采用了峰值信噪比和结构相似性作为模型的评价指标.实验结果表明,本文算法所生成的肝脏肿瘤CT仿真数据集的平均峰值信噪比为64.72dB,平均结构相似性为0.9973,证明了所生成的仿真图像数据有着非常高的真实度.