一种具有边缘保持特性的超声图像小波域阈值去噪新方法

超声图像去噪是医学图像处理的研究热点之一 ,基于小波域阈值去噪技术及阈值选取方法的分析 ,提出一种新的医学超声图像小波域阈值去噪方法。这种方法采用半_软阈值去噪技术和广义交叉确认函数寻找阈值 ,在有效去噪的同时较好地保留了图像边缘细节。首先 ,把对数超声图像小波分解 ;然后 ,基于广义交叉确认函数寻找最小均方误差意义上的近似最优阈值 ,对所有的高频段采用半_软阈值去噪 ;最后 ,经小波反变换和指数变换获得去噪后的超声图像 ,文末对超声图像小波域阈值去噪方法作出定性比较 ,并对算法的去噪性能给出定量分析。仿真实验和实际测试结果表明此方法是有效的、可行的。

基于隐马尔可夫模型边缘表示的多尺度边缘检测

基于增强图像特征空间的特性分析 ,提出一种新的图像边缘表示模型———隐马尔可夫模型 ,该模型把边缘作为一个可观测序列 ,认为它是人们根据感官知识 (不可观测的状态量 )所观察到的具有一定空间关系的像素集合 ;通过小波变换 ,得到多尺度增强图像 ;将包含在低分辨率图像边缘中的全局信息进行综合 ,作为高分辨率图像中隐马尔可夫边缘模型的训练数据 ,使用Viterbi算法完成高分辨率图像中边缘点的搜索 ,从而 ,使得多分辨率边缘检测对先验知识的依赖大大降低 ,同时降低了计算复杂度 .边缘的隐马尔可夫模型表示也为多分辨率数据融合提供了一种有效的工具 .实验表明该模型是合理的。

基于粒子滤波的目标实时跟踪系统

设计一种基于TMS320VC5416与FPGA的实时图像跟踪系统,该系统首先采用SAA7111A采集图像,经FPGA(采用乒乓操作的方式)传输给DSP处理器。在跟踪算法上采用灰度作为目标特征,使用粒子滤波方法实现对动态目标的跟踪。采用浮点数定点化处理,提高了算法的运行速度。实验表明:该系统具有良好的实时性与稳定性。

基于小波域隐马尔可夫树模型的超声图象贝叶斯去噪

提出了一种新的医学超声图象去噪方法 .首先 ,原始超声图象经对数变换 ,其乘性散粒噪声变为了加性噪声 ;然后再经小波变换后 ,基于隐马尔可夫树模型 ,应用贝叶斯方法去除加性噪声 ;最后 ,经小波反变换和指数变换恢复去噪后的原始超声图象 .测试结果表明 ,此方法在有效去除噪声的同时 ,能保留原始图象的细节边缘 .针对超声图象还对几种去噪算法作出定性比较 ,并对去噪性能给出定量分析 ,实验结果表明 。

一种基于采样直线组的局部纹线周期估计方法

利用一组平行采样直线,计算局部纹线周期。首先将整幅图像分块,在每个块内,做和块纹线方向垂直的一组平行采样直线,然后对每条直线上的像素二值化,通过此直线上纹脊和纹谷的宽度,计算出若干纹线周期,对这些纹线周期统计平均,作为该图像块的纹线周期。实验表明,本方法合理,可行的。

基于后向投影的目标实时跟踪系统设计

设计一种基于DSP-TMS320VC5416与FPGA的实时图像跟踪系统.该系统首先采用FPGA实现对图像数据的3×3中值滤波,滤波后数据采用乒乓操作的方式传输给DSP处理器.在跟踪算法上采用了直方图作为目标特征,使用直方图后向投影方法实现对动态目标的跟踪.采用浮点数定点化处理,提高了算法的运行速度.实际结果应用表明:该系统具有良好的实时性与稳定性.

聚焦超声治疗系统中超声图像去噪方法研究

利用超声成像实现手术导引治疗是聚焦超声治疗系统的重要环节。由于超声图像受散粒噪声影响往往像质较差 ,如何有效实现超声图像的去噪是后续处理和分析的关键。在此基于小波域隐马尔可夫树模型 ,将贝叶斯估计和同态滤波思想有机结合 ,提出一种新的医学超声图像去噪方法。测试结果表明此方法能有效去除噪声 ,同时保留原始图像的细节边缘。

基于高斯—马尔可夫随机场模型的图像修补方法研究

实现基于高斯马尔可夫随机场(GMRF)模型的图像修补算法,详细讨论像素扫描顺序以及邻域大小对图像修补效果的影响。实验表明,基于GMRF的图像修补算法的性能依赖于像素扫描顺序和邻域大小的选取。

基于跨模态引导和对齐的多模态预训练方法

现有的视觉语言多模态预训练方法仅在图像和文本的全局语义上进行特征对齐,对模态间细粒度特征交互的探索不足.针对这一问题,本文提出了一种基于跨模态引导和对齐的多模态预训练方法.该方法在模态特征提取阶段,采用基于视觉序列压缩的双流特征提取网络,在视觉编码器中联合图像和文本信息逐层引导视觉序列压缩,缓解与文本无关的冗余视觉信息对模态间细粒度交互的干扰;在模态特征对齐阶段,对图像和文本特征进行细粒度关系推理,实现视觉标记与文本标记的局部特征对齐,增强对模态间细粒度对齐关系的理解.实验结果表明,本文方法能够更好地对齐视觉文本的细粒度特征,在图文检索任务中,微调后的图像检索和文本检索的平均召回率分别达到了86.4%和94.88%,且零样本图文检索的整体指标相较于经典图文检索算法CLIP(Contrastive Language-Image Pre-training)提升了5.36%,在视觉问答等分类任务中,准确率也优于目前主流多模态预训练方法.

一种无孔径损失的空间差分平滑方法

提出一种无孔径损失的空间差分平滑方法。该算法通过差分技术将相干信号与独立信号分开处理,从而在相干信号和独立信号同时存在的情况下,有效的提高了阵列可检测信号源的数目,最大限度的利用了阵列的孔径。尤其当混合信号中相干源数目较大、信噪比(SNR)较低时,该文方法在检测数目和性能上优于空间差分平滑(SDS)方法。计算机仿真结果验证了该方法的有效性和优越性,并且在信噪比较低时仍可以精确进行DOA估计。

改进的加速鲁棒特征算法在特征匹配中的应用

提出一种新的多尺度改进加速鲁棒特征(SURF)分块特征匹配算法,定义为Modified-SURF(M-SURF)。此方法在运用图像积分技术的SURF基础上进行分块特征匹配,使计算速度进一步加快;同时使用了基于二阶多尺度模板生成的特征描述子,提高了特征点匹配的鲁棒性。文中首先推导了M-SURF算法二阶多尺度模板公式;然后,介绍了分块匹配的方法,解决了匹配计算速度与精度不能兼得的矛盾,通过实验获得了分块模板的最佳参数;最后,采用欧氏空间最近距离比次近距离的方法衡量匹配的优劣度,利用LMedS方法剔除误匹配点,使匹配精度有较大的提高。对多组图像进行了匹配实验,结果表明:与SURF和尺度不变特征变换(SIFT)算法比较,M-SURF的计算速度提高了28%,匹配精度提高了3%。该算法能够很好地实现特征点的正确匹配,具有很高的使用价值。

一种抗遮挡的运动目标跟踪算法

提出了一种基于彩色特征的抗遮挡目标跟踪算法。利用mean shift递推寻找当前帧目标的位置,并通过Kalman滤波估计目标状态。选用对目标部分遮挡具有鲁棒性的加权量化彩色直方图作为目标特征的概率分布,用Bhatta-charyya系数作为特征相似性度量。提出一种目标遮挡因子,作为目标被遮挡程度的判断根据。当目标严重遮挡后,观测位置不再满足Kalman滤波的条件,采用目标状态量外推取代Kalman状态更新来预测目标当前的位置。实验结果表明,此方法对于部分遮挡以及全遮挡有较好的鲁棒性。

增量深度学习目标跟踪

由于现有目标跟踪算法在复杂环境下易发生目标漂移甚至跟踪丢失,故本文提出了以双重采样粒子滤波为框架,基于增量深度学习的目标跟踪算法。该算法在粒子滤波中引入粒子集规模自适应调整的双重采样来解决粒子衰减及贫化问题,并利用无监督特征学习预训练深度去噪自编码器以克服跟踪中训练样本的不足。将深度去噪自编码器应用到在线跟踪中,使提取的特征集合能够有效表达粒子图像区域。在深度去噪自编码器中添加了增量特征学习方法,得到了更有效的特征集以适应跟踪过程中目标外观变化。该方法还用线性支持向量机对特征集合进行分类,提高对粒子集合的分类精度,以得到更精确的目标位置。在复杂环境下对不同图片序列进行的实验表明:该算法的跟踪综合评价指标为94%、重叠率为74%,平均帧率为13frame/s。与现有的跟踪算法相比,本算法有效地解决目标漂移甚至跟踪丢失问题,并且对遮挡、相似背景、光照变化、外观变化具有更好的鲁棒性及精确度。

有限离散剪切波域结合区域客观评价的图像融合

为了提升多源图像融合精度,提出了一种有限离散剪切波(FDST)域结合图像区域客观评价的自适应融合方法。该方法利用有限离散剪切波(FDST)对源图像进行多尺度、多方向分解,低频子带图像采用梯度信息相关性因子作为系数权值,高频子带图像应用绝对值与区域标准差一致性选择的融合策略。应用有限离散剪切波逆变换重构图像,采用多组多源图像进行融合试验,并对融合结果进行了客观评价。试验结果表明,本文提出的融合方法在主观和客观评价上均优于其他多尺度分解(MSD)融合方法。

基于CDMA基站辐射源雷达的动目标检测方法

提出一种利用单天线获取参考信号进行直达波及多径回波抑制的方法,该方法将接收的码分多址(CDMA)前向链路信号利用Walsh码解扩,分解出各个前向链路信道,通过逻辑判决恢复出各信道原始的发射信号数据后再合并,获得纯净的CDMA前向链路信号,将其作为参考信号抑制直达波和多径回波,之后再对回波信号进行相干匹配滤波实现动目标检测。最后通过计算机仿真验证了该方法的有效性。

多示例深度学习目标跟踪

为解决多示例跟踪算法中外观模型和运动模型不足导致跟踪精度不高的问题,该文提出多示例深度学习目标跟踪算法。针对原始多示例跟踪算法中采用Haar-like特征不能有效表达图像信息的缺点,利用深度去噪自编码器提取示例图像的有效特征,实现图像信息的本质表达,易于分类器正确分类,提高跟踪精度。针对多示例学习跟踪算法中选取弱特征向量不能更换,难以反映目标自身和外界条件变化的缺点,在选择弱分类器过程中,实时替换判别力最弱的特征以适应目标外观的变化。针对原始多示例跟踪算法中运动模型中仅假设帧间物体运动不会超过某个范围,不能有效反映目标的运动状态的缺点,引入粒子滤波算法对目标进行预测,提高跟踪的准确性。在复杂环境下不同图片序列实验结果表明,与多示例跟踪算法及其他跟踪算法相比,该文算法具有更高跟踪精确度和更好的鲁棒性。

基于构建最优函数提高飞机姿态测量精度

提出了基于构建最优函数来提高飞机姿态测量精度的方法。首先,利用模板匹配法获得飞机在两个测站投影的同名特征点,在发射坐标系下采用交会获得飞机同名特征点的坐标值,根据飞机在空间的特征三角形解算飞机姿态的初值。然后,建立飞机体坐标系;利用成像的共线方程,重新计算空间特征点对应的像点坐标;以重投影结果与实际像点之间的偏差最小作为优化目标函数。最后,通过迭代提高目标姿态解的精度。实验结果表明,飞机轴向成像在大于500pixel时,姿态角测量误差小于0.1°。与中轴线法及飞机角平分线方向向量法测量精度比对,本文提出的方法采用的数学模型正确、算法合理,有效地提高了飞机姿态的测量精度。

用基于二值化规范梯度的跟踪学习检测算法高效跟踪目标

为提高复杂环境下TLD(Tracking-Learning-Detection)算法的跟踪精度和速度,提出基于二值化规范梯度(BING)的高效TLD目标跟踪算法。在跟踪器中引入基于时空上下文的局部跟踪器失败预测方法和全局运动模型评估算法,提高了跟踪器准确度和鲁棒性;用BING算法取代滑动窗口搜索策略,结合级联分类器实现目标检测,减少了检测器的检测范围,提高了检测的处理速度;将训练样本权重整合到在线学习过程中,改进级联分类器的分类准确度,解决了目标漂移问题。对不同的图片序列实验结果表明:本算法的跟踪正确率达85%,帧率达19.79frame/s。与原始TLD算法及其他主流跟踪算法相比较,该算法在复杂环境下具有更高的鲁棒性、跟踪精度及处理速度。

多模态图像配准技术在HIFU手术中的应用

在交互式的图像导航热疗手术中 ,需要对病灶目标进行非常精确的实时成像和定位。而现有的超声成像技术很难单独完成这个任务。本研究提出了一种用手术前MRI图像重建的三维图像与手术中的超声图像进行配准的方法 ,对肝部肿瘤热疗手术中的目标进行定位。其配准方法采用的是基于肝部血管和表皮等特征的遗传配准算法。

基于DSP的CMOS图像采集与处理系统

图像采集与处理系统的小型化和快速化对机器视觉和智能系统的发展和应用有着重要的意义。以TI公司的TMS320C6416高速信号处理器为核心,采用Micron半导体公司的MT9V011图像传感器,Xilinx公司的XC3S400为胶合电路,设计了一种图像实时采集与处理系统,包括图像数据的采集、处理、USB通信等主要部分。最后对系统进行了软硬件调试和图像的运动目标检测与跟踪实验。实验结果表明方案设计合理、可行,具有一定的应用价值。