基于互信息熵差测度和Gauss-Markov随机场模型的医学图像分割

图像分割类数的确定一直是个难点,基于互信息熵差测度进行图像分割类数的确定,较好地解决了该问题.互信息熵差描述了随着分割类数增加时分割图像和原图像互信息量的增加程度,其作为一种类数确定测度时,可认为取得了一种分割类数与分割图像中所包含信息量的平衡,以此提出了分割类数确定的判别规则.在分割算法方面,Gauss-Markov模型既利用了图像的灰度信息,又通过Gibbs先验概率引入了图像的空间信息,能较好地用于分割含噪声的图像.然而,Gibbs惩罚因子β的确定却一直是个难点,为获得好的分割效果,通常用多个β值人工尝试.针对此问题,提出了一种类自适应的惩罚因子β,其利用后验概率来自动计算,并具有各类各向异性.再将模型利用EM-MAP算法来迭代求解.最后,将算法应用于医学图像的分割,实验表明该算法具有满意的分割效果.

基于遗传进化算法反演吸波结构电磁参数

对多层吸波结构中未知参数层的电磁参数进行了反演.根据传输线理论确立的多层结构电磁参数与反射/透射系数的关系,建立正向反射率计算模型,根据自由空间法原理搭建的测试平台测量得到多层吸波材料不同入射角度下的反射率信息,利用改进的遗传进化算法获取了多层吸波结构中未知参数层的电磁参数.在遗传进化过程中,采用高斯随机数代替基本遗传算法的均匀随机数,避免了传统网络参数法厚度谐振、多值性问题和基本遗传算法易陷入局部最优点的问题.与传统传输/反射法结果的比较,验证了这种方法的可靠性.这种方法同时适用于计算高、低损耗介质材料的电磁参数.

多尺度量子谐振子优化算法物理模型

依据谐振子物理模型及量子谐振子波函数的概率解释构造了一种新的全局优化算法——多尺度量子谐振子优化算法(multi-scale quantum harmonic oscillator optimization algorithm,MQHOA)。定义了算法的波函数,并利用算符方法证明了全局搜索精度和局部搜索精度之间的测不准关系,指出算法必须包含量子谐振子收敛和多尺度收敛两个嵌套的基本收敛过程,才能实现对全局最优解的逐步逼近。通过与量子粒子群算法和模拟退火算法对15种标准测试函数进行实验比对,证明了MQHOA在求解函数全局优化问题时具有更好的适应性、稳定性和精确性。

雷达接收机噪声仿真方法

雷达接收机噪声是无法消除的杂波噪声。针对如何在雷达仿真训练器中逼真模拟雷达接收机噪声问题,根据计算机生成随机数的特点,深入分析了由均匀分布随机数列转换成正态分布随机数列的基本原理,建立了产生正态伪随机数列的仿真算法模型,并对算法进行了验证。在此基础上使用VC++编程语言对接收机噪声进行功能仿真,达到了目标仿真显示环境更加逼真的效果,对提高雷达模拟训练效果具有重要意义。

量子随机数高斯噪声信号发生器

现有的高斯噪声信号发生器都是采用数学计算的方式生成随机数的,这种方式不能实现真正的随机信号,与实际噪声信号不符。本文提出基于量子随机数的高斯噪声信号发生器,通过单光子探测器对选择路径的光子信号的探测作为随机数的来源,实现基于真随机的高斯噪声信号发生器。将得到的随机数经过WGN高斯算法处理得到高斯噪声信号,在FPGA中使用verilog语言实现。对产生的噪声信号进行幅度谱和功率谱分析,结果表明产生的噪声信号幅度值在0~255之间变化,幅度谱服从高斯分布,噪声信号的功率谱在20dB上下均匀波动,服从均匀分布,满足高斯白噪声的特性。与现有的噪声信号发生器相比,基于量子随机数的实现方式,其随机数来源清晰,能够做到真正的随机性,为实现真随机数的高斯噪声信号发生器提供了一种简易的方案。

基于Python技术的自然图像随机数生成设计

根据随机数验证图形散乱无序这一特征,反演随机数列。大自然中有许多景象,我们从中随机提取一幅或多幅图像。利用Python语言,通过高斯模糊将黑白图像的黑白点均匀化,利用斐波那契数列多次提取等方法,得到一组或多组随机数,最后经过蒙特卡洛π验证,证明这组数是随机数。