2D/3D多模态医学图像配准算法研究

2D/3D多模态配准在医学影像导航手术中起着重要作用,主要用于提供术前三维图像和术中二维图像的实时信息,帮助医生精准定位病灶,规划手术路径,从而提高手术的安全性和效率。提出了一种2D/3D多模态医学图像配准算法,首先利用Swin Transformer优秀的特征提取能力,构建了初始姿态估计模型,实现姿态参数的快速预测;接着,为了提升整个配准方法的鲁棒性,引入基于Grangeat关系的粗配准方法;最后设计了基于梯度下降的精配准模块,以提升整个配准过程的精确性,且在该模块将Sobel微分算子与归一化互相关结合,提升了参数优化过程中的灵敏度。实验结果表明,所提配准方法在正位和侧位配准中的误差满足配准要求,配准成功率有显著提升。

基于主成分分析与深度神经网络的快速噪声水平估计算法

鉴于从噪声图像分解获得的原生图块集合的协方差矩阵前若干个特征值(按照升序排序)与图像噪声水平值具有强相关性,提出了一种基于主成分分析和深度神经网络的快速噪声水平估计算法.该算法首先选用原生图块集合协方差矩阵前若干个特征值构成刻画图像噪声水平高低的特征矢量,然后在大量有代表性且已标定噪声水平值的噪声图像集合上利用深度神经网络训练预测模型以实现将特征矢量直接映射为噪声水平值,最后为获得更高的预测准确性,采用粗精预测模型相结合的两步预测方式实现.实验表明:文中算法在各个噪声级别上都具有稳定的预测准确性,且执行效率非常高,作为降噪算法的前置预处理模块具有更好的综合优势.

卡尔曼粒子滤波中基于精确运动模型的局部区域估计（英文）

粒子滤波广泛应用于对精度和稳定性要求较高的目标跟踪,但其计算量大,并且计算复杂度随着状态量和粒子数目增长迅速增加。将目标跟踪转化为由粗到精的搜索过程,提出了一种基于精确运动模型的改进分层卡尔曼粒子滤波算法。该方法利用加速度的运动模型在真实目标位置的周围估计目标的散布范围,并在该范围内随机生成粒子,寻找精确的目标位置。文中引入加加速度模型主要是由于现有方法的状态量阶数不足,导致模型精确度较低,无法应对大机动目标的跟踪。因此,引入了高阶状态变量加加速度,并将其用于改进分层卡尔曼粒子滤波的运动模型。利用分层卡尔曼粒子滤波、粒子滤波以及提出的方法进行了跟踪试验,结果表明,基于精确运动模型的改进分层卡尔曼粒子滤波模型的跟踪方法能够提高线性运动的预测精度,实现复杂环境下精确稳定的跟踪。

基于极化敏感阵列的高效DOA与极化参数联合估计算法

提出一种基于极化敏感阵列的二维波达方向(DOA)和极化参数联合估计算法。首先建立入射信号模型,然后利用重构的x轴、y轴、z轴阵列导向矢量之间的关系计算出入射信号的DOA和极化参数的无模糊粗估计值;同时根据重构阵列导向矢量内在的旋转不变结构估计出x轴和y轴空间相移因子,得到入射信号的高精度无模糊DOA估计。最后利用粗估计精估计相结合的方式进行解模糊,进而完成DOA估计。算法允许阵元间距大于入射信号的半波长,扩展了有效阵列孔径,提高了算法的测向精度。此外,算法避免了复杂的四维谱峰搜索,具有较低的运算复杂度。仿真实验结果验证了算法的有效性和良好的估计性能。

高动态场景下频率估计器的设计与实现

针对卫星移动通信系统中高动态场景下频偏估计算法复杂度高和频偏捕获范围小的问题,设计了一种高动态场景下的频率估计器,并提出了经过优化的两级级联频偏估计算法。采用优化的M&M算法对大频偏进行捕获,并采用改进的ML估计算法对残余频偏进行补偿。同时,针对高动态场景下存在高阶多普勒频移变化率的问题,以扰动的形式对变化率引起的频偏进行模拟。粗估计基于最佳符号间隔优化算法复杂度,细估计利用Kay算法思想扩大算法估计范围。最后,MATLAB仿真结果表明,基于优化算法的频率估计器具有较低的复杂度、较高的精度和稳定的性能。

由粗到精的机载点云建筑物屋面分割

机载激光雷达技术在城市三维建模中得到越来越广泛的应用,建筑物屋面分割在三维建模中是一项至关重要的环节,提出一种由粗到精的建筑物屋面分割算法。首先使用具有先验知识的低秩子空间聚类框架的法向量估算方法估算每点的法向量及平面方程;再依据法向量一致性以及点到面的距离进行约束实现屋面粗分割;选取粗分割中包含点数最多的一簇点集拟合平面,从未精分割的点集中提取所有满足该平面方程的点集,再将点集投影到该点集拟合的平面上,在投影平面上实现对屋面的精分割。对剩余未分割的点集重复粗分割与精分割步骤,直至将所有屋面提取完毕。使用多种结构不同的建筑物屋面验证本文方法,同时与其他三种算法进行比较,结果表明相比较于其他三种算法,本文算法均能精确、完整地分割出建筑物各屋面,不存在错分割、漏分割的现象。该方法可以精确提取结构不同的建筑物屋面,为后续建筑物建模提供准确的面片。

基于双目视觉的车辆检测及测距

汽车测距系统在驾驶辅助系统中越来越重要,基于视觉的测距系统成本低实现简单,但精度易受算法本身的影响。提出一种基于双目视觉的实时车辆检测和车距计算的算法,算法利用类Haar特征和AdaBoost算法训练分类器进行车辆检测,提取车辆候选区域。同时,该算法提出一种基于双目系统的交叉再检测的方法降低误检。立体匹配算法方面采用一种由粗到精的匹配策略,提高双目测距算法的精度和性能。实验结果表明该方法具有精度高、鲁棒性强的优点。