木片在线测量系统的研究

为了给木片质量在线分级,实现木片的优化管理,本文设计了木片管理系统CMS(Chip ManagementSystem).该系统采用前馈神经网络模型测得木片新鲜度和种类等级,利用近红外传感器测量木片含水率,根据多次粒度测量法获取木片尺寸信息,基于贝叶斯分类器原理利用虚拟传感器实现树皮含量的检测,最后根据以上测得的木片属性参数定义木片的质量等级.测量结果表明该系统可以准确地在线测量木片的属性参数,实现木片等级的在线预测.因此本文提出的CMS,可以根据木片质量的等级信息管理木片、监控木片的供给,从而达到制浆过程中优化精炼控制.

公路路面自动检测系统发展综述

路面检测数据是路面使用性能评价和路面养护管理决策的基础。公路路面自动检测技术水平的提高,将极大地提高路面自动检测系统的检测精度和工作效率。该文介绍了国内外公路路面自动检测技术发展的现状,指出了存在的问题,并探讨了公路路面自动检测技术未来可能的发展方向。

新的超声立体视觉数据增强技术

针对超声成像噪声大、数据质量严重退化的特点,提出了一种新颖的非稳定度度量算法,该算法通过加强图像变化较大的部分来实现超声数据的增强。给出了输入信号信噪比不同情况下非稳定度算子与Deriche算子的输出仿真结果;通过兔子肝脏和12周胎儿的实际数据计算,得到了二者经非稳定度算子处理前后的超声立体视觉图像。研究结果表明,非稳定度数据增强技术对噪声不敏感,通过对比处理前后的图像可清晰地看出非稳定度算子能够有效地改善超声立体视觉成像的质量。

中法国际化人才培养模式的研究与实践

本文通过中法国际化人才培养模式,研究与实践了本硕博一体化人才培养模式;完善课程体系建设,进行学分互认改革;探讨人才培养质量的保证措施,为国家培养人才。在国际交流合作、联合培养学生、引进人才等工作具有一定的借鉴意义。

胸部CT图像中孤立性肺结节良恶性快速分类

为突破医学影像诊断学依据医学征象进行定性诊断准确度不高的瓶颈,针对胸部CT图像中孤立性肺结节(SPN)定性诊断问题,提出了能够用图像特征有效表示SPN病理特性,快速准确诊断SPN良恶性的计算机辅助诊断系统。采取交互式分割方法从胸部CT图像中提取出SPN;直接计算SPN图像的多分辨率直方图得到768维空间信息特征样本集;然后,充分利用具有处理高维数据集优势的支持向量机(SVM)构造SPN良恶性分类器;最后,通过测试样本集对经训练后的SVM分类器进行测试以评价分类性能。对214例病例进行实验,结果表明:240个SPN图像的768维特征计算所用时间为4.83s,SVM分类器训练测试所用时间为2.24s,敏感性为73.33%,特异性为70%,准确度达71.67%,接受者操作特性曲线(ROC)下面积(AUC)为0.7864。该系统提取的高维图像空间信息特征能够有效表示SPN特性;没有考虑医学征象进行SPN定性诊断的准确度即可达到71.67%,同时分类速度比传统纹理算法提高了近50倍,为医学影像学解决SPN定性诊断问题提供了便捷、客观的辅助手段。

基于优势遗传的自适应遗传算法

针对遗传算法的早熟问题,对自适应遗传算法进行了研究,提出优势遗传的新观点:在交叉算子设计时使适应度高的个体以较高概率进行交叉,并且在变异算子设计时使适应度低的个体以较高概率进行变异,能更有效地产生出优势个体,跳出局部最优.认为算法设计时使平均适应度过快逼近最大适应度是不合适的.由此,提出一种新算法,以优势遗传的原则随个体适应度的变化而自适应地改变交叉和变异概率,在一定程度上有效解决算法的早熟问题.实验表明,该算法能有效提高全局寻优的性能,鲁棒性好.

机器学习算法诊断PET/CT纵膈淋巴结性能评估

评估4种主流典型的机器学习方法(随机森林、支持向量机、AdaBoost、反向传播人工神经网络)对(^(18 )F-FDG)PET/CT影像中非小细胞肺癌纵膈淋巴结良恶性进行诊断分类的性能.先从168例病人的PET/CT影像中分割出1 397个淋巴结,对每个淋巴结提取出13种图像特征(D_(short)、area、volume、HU_(mean)(2Dor 3D)、HU_(contrast)(2Dor3D)、SUV_(mean)(2Dor 3D)、SUV_(max)(2Dor 3D)、SUV_(std)(2Dor 3D));将提取出的13种图像特征进行组合,得到4种组合变量("All features"、"High AUC features"、"Doctors features"、"3Dfeatures");在4种组合变量下,分别从敏感性、特异性以及ROC曲线下的区域面积(AUC_(ROC))3个方面对随机森林、支持向量机、AdaBoost、反向传播人工神经网络定量地进行诊断性能评估.评估结果显示,4种分类器分割结果的敏感性为77%~84%,特异性为81%~84%,AUC_(ROC)为0.86~0.90.在显著性(p<0.001)条件下对比发现,虽然机器学习方法的特异性略低于人类专家,但是敏感性显著优于人类专家.研究结果表明,三维图像特征及PET/CT影像组合特征可以显著提高AUC_(ROC).基于上述研究结果可以得出结论,虽然4种机器学习方法在(^(18)F-FDG)PET/CT影像的非小细胞肺癌纵膈淋巴结的良恶性诊断中展现了不错的敏感性,但它们的特异性有待进一步提高,在未来需要尝试多种分类方法进行联合实验,使用更高级的机器学习方法如深度学习进行进一步的研究.

CT图像中肿大淋巴结肺癌转移分类方法

为解决肺癌N分期中胸部CT难于对肿大淋巴结是否癌转移进行评价的问题,寻求能够有效表示淋巴结病理特性的图像特征,实现对肿大淋巴结癌转移快速准确地判别。该文采取交互式分割从CT图像中提取出肿大淋巴结;直接计算淋巴结的多分辨率直方图得到200维空间信息特征样本集;利用具有处理高维数据集优势的支持向量机(SVM)构造分类器;用测试集对经训练的SVM分类器进行测试以评价分类性能。经96例病例实验结果表明:100个淋巴结图像的200维特征计算用时1.91s,SVM分类器训练测试用时1.36s,敏感性76%,特异性64%,准确度70%,接受者操作特性曲线(ROC)下面积(AUC)0.6525。高维图像空间信息特征能够有效表示淋巴结特性;没有考虑医学征象进行肿大淋巴结癌转移定性诊断的准确度就达到了70%,同时分类速度比传统纹理算法提高了约10倍。

支持向量机与区域增长相结合的CT图像并行分割

针对经典区域增长算法中生长规则确定的困难和单纯使用支持向量机分割速度慢的问题,提出了一种支持向量机与区域增长相结合的图像并行分割方法。首先,从已知分割结果的图像中选取一定数量的目标区域与非目标区域样本点作为支持向量机分类器的训练样本并训练支持向量机,然后利用训练好的支持向量机自动寻找种子点并进行区域增长,在区域增长过程中使用支持向量机分类器作为增长规则,最后,针对边缘和噪声像素点进行必要的后处理。测试实验获得了较好的分割效果和较快的分割速度且能实现自动分割,表明所提出的方法是可行有效的。

^18F—FDGPET／CT诊断非小细胞肺癌纵隔淋巴结转移的方法和价值

目的本研究通过目测法、测量法以及模式识别方法对非小细胞肺癌（non—small cell lungcancer，NSCLC）患者纵隔淋巴结的PET／CT图像进行诊断分析，并与病理结果比较，探索各种诊断方法的诊断效能，为临床医生提供有关NSCLC区域淋巴结转移的准确信息。方法选择术前行全身PET／CT检查且经手术根治切除的NSCLC患者28例作为研究对象，由3名有经验的医生分别应用目测法及测量法对淋巴结的CT、PET以及PET／CT图像进行分析，并与病理结果进行对比；同时通过对淋巴结的PET和CT图像的提取，应用工程学一种新的模式识别方法进行分类诊断。结果CT、PET、PET／CT测量法对NSCLC淋巴结诊断的灵敏性分别为53．6％、80．4％、82．1％；特异度分别为92．2％、83．3％、90．6％；阳性预测值分别为68．2％、60．0％、73．0％；阴性预测值分别为86．5％、93．2％、94．2％；诊断符合率分别为83．1％、82．6％、88．6％；CT、PET、PET／CT目测法对NSCLC淋巴结诊断的灵敏性分别为53．6％、71．4％、69．6％；特异度分别为85．0％、82．2％、88．9％；阳性预测值分别为52．6％、55．6％、66．7％；阴性预测值分别为85．5％、90．2％、90．4％；诊断符合率分别为77．5％、79．7％、84．3％。模式识别法计算得出PET的灵敏度为88％，特异度为76％；CT的灵敏度为84％，特异度为66％。结论PET／CT测量法以及目测法对NSCLC淋巴结转移的诊断明显优于单独的CT或单独的PET；PET／CT测量法对NSCLC淋巴结转移的诊断明显优于目测法。初步探索了通过构建多分辨率直方图及支持向量机（SVM）分类判别的工程学方法对淋巴结图像进行分析，为今后多学科联合以及探索更准确的无创检查手段奠定了基础。

融合图像局部能量和梯度的水平集分割方法

为了实现结构复杂的灰度不均匀图像的快速准确分割,提出一种融合局部能量和梯度敏感性的水平集方法,采用梯度敏感的能量函数改进局部能量最小化水平集方法,并利用灰度全局信息自动初始化水平集.局部能量函数由局部灰度拟合函数定义,是水平集的外部驱动能量,适用于分割灰度不均匀图像.梯度敏感项依据图像特性,自动判定对水平集的驱动方向,其外部能量函数能加速零水平集向目标边界的运动,内部能量函数则推动零水平集离开平坦区域.该方法提高了水平集演化的速度和稳定性;通过调节水平集对不同强度边缘的敏感度,能够提取出弱边缘;而且不需要交互式操作.实验结果表明,该方法在分割灰度不均匀图像时,具有快速、准确和鲁棒性好的特点.

路面横向轮廓信号的车辙特征提取与计算方法研究

车辙特征提取和指标参数计算是路面横向轮廓处理的重要部分.通过对路面横向轮廓信号的分析,针对不同滤波方法的特点,提出了小波和中值滤波相结合的车辙信号特征提取方法.其中,小波降噪用于平滑线性叠加的高斯噪声,中值滤波用于处理信号中的强脉冲分量.同时基于路面车辙现场测试规程,提出了针对straight-edge模型的虚拟直尺算法,实现了车辙指标参数的计算.实验结果表明采用方法简单有效.

基于变结构思想的OGY同步控制器

为扩展混沌控制方法在混沌同步中的应用,设计了一种基于变结构思想的Ott-Grebogi-Yorke(OGY)同步控制器.基于变结构控制的思想,将OGY混沌控制方法进行了扩展,通过误差系统近似的线性模型寻找合适的稳定流形,进而通过变结构控制器将误差系统的轨迹控制到稳定流形上面,实现混沌系统的同步.这种变结构控制策略使得OGY方法可以应用到混沌同步当中.Hénon映射的仿真结果验证了该控制策略的有效性。

无导数动力系统方法识别参数(英文)

提出用连续的无导数Landweber方法(或称为无导数动力系统方法)研究Hilbert空间中的参数识别问题。不考虑算子F的Fréchet可微性及其非线性条件,仅在与正演问题可解性相关的某些更为自然的假设条件下,用李雅普诺夫稳定性定理证明该动力系统是收敛且稳定的。在关于算子F更弱的源条件和非线性条件下,推导出相应的离散化后所得迭代方法的收敛率。数值算例验证了所得结论。

动力系统方法重构CT图像(英文)

基于全变分正则化构造了重构CT图像的动力系统方法。相比于传统的迭代反演方法,在对算子施加较弱的假设条件下,证明解的存在性,并用Lyapunov稳定性理论证明方法是稳定的。通过具体的数值模拟,分别重构了全角、半角的Shepp-Logan和人体腹部CT图像,并将所提方法与基于水平集的重构方法做了比较。

基于模式识别方法的肺癌分型比较

根据不同特征对分型准确率的影响,使用Logistic回归分析进行特征选择及优选实验研究,并采用神经网络和支持向量机方法对常见的周围型肺癌进行分型比较。通过实验,说明了神经网络和支持向量机在肺癌分型的应用方法,比较了两种模式识别方法在肺癌分型中的运用情况,验证了支持向量机在小样本情况下比神经网络具有更强的泛化能力。

图像正则化扩散行为及统一处理框架

PDE的图像正则化是一种基于扩散思想的非线性滤波方法,是解决降噪、伪影去除、结构增强等底层视觉问题的最有效方法之一,目前针对此类算法的统一分析框架还较为少见。基于3种典型PDE正则化算法的扩散行为,提出了一种基于扩散张量的图像正则化算法分析框架,对于此类算法的分析、开发和拓展具有重要意义,最后通过实验验证了框架的有效性。

基于DSP的集成光栅细分数显装置的研制

设计了一种新的硬件系统,采用光栅位移传感器结合DSP器件实现了位移测量的数字化;传感器输出信号先采用电阻链分相细分,然后通过TMS320LF2407A内部脉冲编码电路(QEP)完成辨向和二次细分,达到了高精度位移测量的目的.测试实验证明该方法集成度高,实时性好,测量精度高.

一种基于非线性结构张量的边缘增强算法

基于偏微分方程的增强算法是解决图像边缘结构增强问题最有效的方法之一。本文提出一种将非线性结构张量与非线性边缘增强相结合的算法。其中,非线性结构张量的邻域选择方式能更好地描述图像局部几何结构,非线性边缘增强的各向异性扩散方式更有利于在增强边缘的同时有效地降低噪声水平。实验结果表明,本文算法不仅有效地增强了图像边缘,而且在噪声水平较高的环境下也有着良好的表现。

结构光三维视觉检测系统的标定方法研究

提出了一种新的结构光三维视觉检测系统的标定方法,将BP神经网络和线性标定方法结合起来,用线性标定方法标定结构光系统的线性部分,用BP神经网络来描述该结构光系统的其他部分。结果表明:该方法结合了神经网络和线性标定方法的优点,不仅给出了结构光三维检测系统中CCD相机的内部和外部参数,而且利用神经网络的非线性逼近能力,补偿由于镜头径向畸变、切向畸变等因素引起的系统非线性误差,并且精度高、抗噪声能力强及鲁棒性好。