Log Gabor小波性能分析及其在相位一致性中应用

对Gabor函数与log Gabor函数进行比较，构造了log Gabor小波，从人类视觉系统认知特性的角度分析了该小波的性能，并与Gabor小波进行了比较，最后将log Gabor小波应用在相位一致性的图像特征检测中，实验证明，使用log Gabor小波不但可以提高特征的定位精度，而且在检测效果相似的情况下，log Gabor小波比Gabor小波可以节约一半的计算量。     

基于粒子群优化的有序盲信号分离算法

为了按照规范四阶累积量的绝对值有序分离出源信号,提出了一种新的基于粒子群优化的有序盲信号分离算法.本算法采用信号的规范四阶累积量作为代价函数,使用粒子群优化算法代替传统的梯度算法对代价函数进行优化,通过消源去相关方法从混合信号中消去已分离出的源信号成分,逐次按序提取出源信号,解决了梯度算法容易陷入局部极值而不能正确提取...     

跨阻型集成带阻滤波器设计

作为一种独特的滤波器形式,跨阻滤波器在集成电路中起着重要作用．基于LC原型电路,提出了一种跨阻型集成带阻滤波器的设计方法．首先用状态变量表示LC元件变量关系,然后将关系式表示成信号流图形式,用全差分放大器替换其中的积分部分,最后集成得到全差分有源跨阻带阻滤波器．为验证设计的可行性,给出了六阶Chebyshev跨阻集成带阻滤波器的设计过程及其Hspice计算机仿真结果．仿真结果表明,所设计的滤波器满足设计参数要求,滤波性能良好．     

基于动态卷积的胸部X光片疾病分类算法

胸部疾病严重威胁人类健康,及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义．胸部疾病经常通过胸部X光片进行诊断,但由于胸部疾病的多样性以及病理特征的复杂性,现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题．针对以上问题,提出一种基于动态卷积的胸部X光片疾病分类算法．将动态卷积模块加入密集连接网络,在不显著增加网络模型尺寸的前提下,增强网络对多尺度信息的特征提取能力,在提升分类准确度的同时保持高效推理;使用Meta-ACON改进ReLU(rectified linear units)激活函数,通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数,从而增强网络的泛化能力;提出加权焦点损失函数,在焦点损失函数的基础上加入权重调整因子,使网络依据分类的难易程度为每种疾病合理分配权重,增大较难分类疾病的损失占比以提高其分类准确度,进而优化整体性能;对数据加载方式进行优化,增大批数据处理量以提升批归一化效果;在测试阶段使用测试时数据增强策略,综合分析多个维度的分类结果,提高分类的准确性与鲁棒性．在chestX-ray14数据集上的实验结果表明,在密集连接网络中...     

循环分层解耦卷积和最大滤波的三维脑肿瘤图像分割

由于脑肿瘤的大小和形状呈不规则状态,从三维磁共振图像中自动分割脑肿瘤是一项具有挑战性的任务．而目前的方法存在两个问题：基于3D建模的方法参数量较大难以训练而且全局或远距离上、下文信息的关联性不足;模型忽略局部区域细节特征使得分割结果边界模糊．为解决上述问题,本文提出了循环分层解耦卷积和最大滤波(recurrent hierarchical-decoupled convolution and maximum filtering,RHMF)的轻量网络实现三维脑肿瘤图像分割．该网络在特征提取阶段提出循环分层解耦卷积取代标准卷积,减少参数利用多时域的反馈信息建立全局上、下文信息关联．引入改进的多尺度策略对不同尺度下的多层次特征进行提取融合,提高网络的目标识别能力．在定位阶段做局部域细节处理,提出了最大滤波模块激活目标区域像素实现特征图的像素级定位,增强目标区域像素与其他区域像素的区别,进一步细化分割,解决边界模糊问题．在BraTS2020数据集上的实验结果表明,RHMF-Net在增强肿瘤区、整体肿瘤区和核心肿瘤区的平均Dice系数值分别为77.23%、90.01%和83.10%,参数量为0.4...     

经典盲均衡算法中稳态剩余误差的分析

阐述了经典盲均衡器的组成原理,分析了稳态剩余误差中理论误差和超量均方误差的产生原因,研究了影响稳态剩余误差大小的因素,如滤波器阶数、步长因子、输入信号的统计特性等,提出了减小稳态剩余误差措施,并利用计算机进行了仿真,仿真结果与理论分析相符．     

基于听觉图像的音乐流派自动分类

音乐流派的自动分类是音乐信息检索系统的重要组成部分.将听觉图像引入音乐流派的分类研究中,用听觉图像模型模拟人耳耳蜗结构,基于音乐流派分类研究常用的GTZAN数据库,将一维音频信号转换为二维听觉图像,对音乐听觉图像进行尺度不变特征转换（SIFT）及空间金字塔匹配（SPM）,从局部到整体地提取图像的纹理特征,最后采用LibSVM中线性核函数的支持向量机对音乐流派进行分类.实验结果表明,与同样基于人耳耳蜗结构提出的美尔频率倒谱系数（MFCC）流派分类方法相比,基于听觉图像的流派分类正确率提高15%.     

基于多阶融合与循环聚合的立体匹配网络

针对基于深度学习的立体匹配网络中病态区域匹配效果欠佳、模型参数量过大的问题,提出了一种基于多阶特征融合与循环代价聚合的端对端立体匹配网络—MFRA-Net.首先,为兼顾图像低层细节信息与高层语义信息,提出了多阶特征融合模块,采用分阶段、逐步式的特征融合策略对多层次、多尺度特征进行有效融合;其次,在代价聚合阶段提出循环聚...     

基于梯度域引导滤波的视差精炼迭代算法

在立体匹配算法中,视差精炼过程是影响立体匹配精度的重要步骤.针对传统基于权重中值滤波的视差精炼算法,其滤波性能不佳导致精炼后的立体匹配精度不高的问题,本文提出了一种基于梯度域引导滤波的视差精炼迭代算法.该算法首先依据梯度域引导滤波的原理,将其应用于视差精炼的过程,得到改进后的权重中值滤波算法;同时对视差图进行迭代精炼,以提高立体匹配精度.实验仿真结果表明,相较于传统方法,本文算法能够有效地降低视差精炼的平均误差,获得较高精度的视差图.     

变分自编码的分层解耦卷积脑肿瘤分割网络

三维卷积神经网络处理图像分割精度高，可以保留更多空间信息，有效解决标签不平衡问题，但存在参数量大的缺点．针对目前三维脑肿瘤分割网络内存资源占用大、硬件设备要求高、计算效率低的问题，将传统3DUNet网络中的3D卷积替换为分层解耦卷积，能够降低空间环境的计算复杂度和内存占用量，在不提高计算量的前提下显著提高分割精度，提高网络性能．为解决传统自编码器不能自主生成数据的问题，使用结合深度学习和统计学习的变分自编码器，在编码器结果中加入高斯噪声，使得编码器对结果具有鲁棒性，在编码器中加入概率分布防止过拟合，提高算法的泛化性能．采用三线性插值在三维离散采样数据的张量积网格上进行线性插值，有效避免线性方程组不断增大导致计算时间过长的问题．通过对损失函数加权混合，避免梯度弥散时出现学习速率下降现象，解决小区域分割不平衡问题，减少局部性能最优，使网络保持较高运算速度的同时有效提高分割精度，在有限内存空间最大化网络特征提取能力．在脑肿瘤公开数据集BraTS2019上的实验结果表明，该网络在增强型肿瘤、全肿瘤、肿瘤核心上的Dice值分别可达78.02%、90.05%和83.14%，参数量仅为0.30×10...