一种人体气道树快速自动提取算法的设计

为了从胸部CT图像中提取气道树,提出一种人体气道树的快速自动提取算法,其中包括三维区域生长、三维波传递和形态学优化3个步骤,通过多次迭代完成最终提取.区域生长的作用是提取气道树主体,三维波传递和形态学优化用于提取外围细支气管.在波传递中采用模糊逻辑判据,并利用形态学特征防止泄漏.将算法应用于28例数据,结果表明,利用该算法均能成功提取第5级或第6级支气管,且未泄漏;此外,该算法运行速度特别快,提取一个气管树耗时一般小于2 s.

盲道识别系统算法设计及FPGA实现

将FPGA并行处理技术与数字图像处理技术相结合,采用自顶向下分块设计原则提出一种适于FPGA实现的盲道识别算法.整个算法设计根据盲道与人行道有无色差分成2大模块并行处理,其中对有色差部分提出了基于H色相值的盲道识别算法,对无色差的部分提出了形态学优化的边缘检测算法.本设计提出的基于形态学优化的边缘检测包括sobel算子边缘检测,优化的形态学膨胀处理及hough直线检测出盲道边界线三部分.仿真结果表明本系统对盲道线识别具有良好的实时性与精确的识别精度.

Optimization of AZ80 magnesium alloy squeeze cast process parameters using morphological matrix

The squeeze cast process parameters of AZ80 magnesium alloy were optimized by morphological matrix. Experiments were conducted by varying squeeze pressure, die pre-heat temperature and pressure duration using L9（33） orthogonal array of Taguchi method. In Taguchi method, a 3-level orthogonal array was used to determine the signal/noise ratio. Analysis of variance was used to determine the most significant process parameters affecting the mechanical properties. Mechanical properties such as ultimate tensile strength, elongation and hardness of the components were ascertained using multi variable linear regression analysis. Optimal squeeze cast process parameters were obtained.

一种基于深度学习的二阶段舌象分割网络模型

目的:为了改善传统的图像分割算法需要人为干预且分割精度低,探讨基于深度学习的二阶段舌象分割网络模型提高分割精度。方法:将基于深度学习的二阶段舌象分割网络模型分为粗分割和精分割两个部分,粗分割定位舌体去除无关干扰信息,精分割实现舌象的像素级精细分类分割。对分割后的舌象图片进行形态学优化,进一步优化分割结果。结果:本分割网络模型平均交并比为95.25%,比主流卷积神经网络模型高出3.10%。结论:基于深度学习的二阶段舌象分割网络模型优于传统图像分割算法和主流卷积神经网络模型,在不同类型的数据集上能准确分割舌体,有较高的精度和鲁棒性。

高分辨率遥感影像道路信息提取

由于影像的分辨率越来越高,传统的基于像素的道路提取方法的精度较低。本文针对高分辨率遥感影像的特点,提出一种面向对象提取道路的方法。首先,利用Canny算子对遥感图像进行边缘检测,增强影像边缘信息辅助多尺度分割将影像分割成一个个对象;然后,将分割的一个个对象根据道路特征使用阈值条件提取道路;最后,进行分类后处理及形态学优化得到最终的提取结果。实验结果表明,本文方法能够有效地应用于遥感图像道路的提取。