自动分割图像新方法研究

提出一种采用非参数Dirichlet过程混合模型实现图像自动分割的算法。该方法在图像分割时不需要对分类数进行初始化,具有在分割过程中自动获得图像分类数的特点。模型中使用有控制参数的随机变量来代替聚类数,通过调整参数来指定聚类数的范围。使用该算法对具有高噪声的自然图像和临床磁共振图像进行分割实验,并与其他分割算法进行比较。实验结果显示本算法抗噪声性能强,且可以抑制磁共振图像分割过程中的偏场效应。准确度分析显示,图像分割结果的Dice相似性系数均高于90%,表明提出的新算法具有很高的精确性和鲁棒性。

非参数图像分割算法的研究及改进

对传统的Dirichlet过程混合(MDP)非参数算法进行改进,提出一种新的MDP非参数图像分割算法。引入马尔可夫随机场(MRF)空间领域关系,并将其作为空间先验约束条件对图像后验概率加以约束。该算法能够光滑图像中的边缘部分、控制分类数并加快收敛速度。实验结果表明,与传统算法相比,该算法的分割准确度较高。

新的自动分割脑肿瘤图像算法的研究

经典非参数Dirichlet混合过程模型图像分割算法具备在未知类数情况下实现图像自动分割的特点,但是由于其计算速度较慢,限制了该方法在临床上的实时应用.本文在经典非参数模型基础上进行改进,该算法首先将图像进行各项异性扩散滤波平滑,然后将马尔科夫随机场空间约束作为Dirichlet混合过程模型的先验进行分割计算.文中使用新算法对15例脑肿瘤磁共振图像进行分割实验,结果显示新算法能更有效控制收敛时图像分割类数,并且在图像分割的精度和计算速度等特性方面都明显优于经典的Dirichlet混合过程模型分割算法.

OFDM基带系统建模及其仿真

本文分析了OFDM系统的时间离散系统模型,通过MATLAB建立OFDM基带系统仿真平台,并在该仿真平台上分析了无衰落信道传输条件下的系统性能。