融合高斯混合模型的测地线脑肿瘤分割方法

脑肿瘤分割是计算机辅助脑病诊断的基础。为提高脑肿瘤分割精度，提出一种融合高斯混合模型的测地线脑肿瘤分割方法。根据相邻2个像素点间互相到达时间构造离散且带有权重的网格图，通过高斯混合模型估计每个像素点属于目标物体的罚度，并融合高斯混合模型的概率密度差异表示区域属性与边缘属性构成能量函数，利用快速最短路径算法求解前景与背景间的测地线距离，并根据该距离最小化能量函数，得到脑肿瘤的分割结果。利用10组脑部核磁共振图像数据对算法进行评估，结果表明，该算法分割结果与金标准的重叠率在0．60-0．85之间，可有效避免局部最优解的情况，对非匀质区域具有较好的分割效果。

稀疏角度数据下非视域物体三维重建方法研究

非视域成像技术是一种新型的针对观测视线外目标进行三维成像的技术,主要是通过激光照射中介面,利用探测器对隐藏物体光强的时空分布信息进行采集,再使用重建算法进行图像重建。由于其仅能在稀疏或部分角度下进行探测,不能获取隐藏物体的全方位信息,获取数据信息不足从而使图像重建精度不高。本文针对稀疏角度数据问题,提出了反投影最大似然期望值最大化(BP-MLEM)算法,能够有效提高非视域物体三维重建的精度;通过结构相似度(SSIM)进行分析,对比滤波反投影算法,经过第3、4、9和20次迭代后,重建结果图的SSIM值分别提高了0.147、0.1607、0.22和0.2906;对比MLEM算法,经过多次迭代后,SSIM值均得到了提高;当迭代次数不断增加时,使用MLEM算法得到重建结果图的SSIM趋于稳定,而提出算法的SSIM值则不断增加,表明该算法具有更好的稳定性,不易造成过收敛问题。

二型Takagi-Sugeno-Kang模糊模型和不确定高斯混合模型的等价性

不确定的高斯混合模型和二型Takagi-Sugeno-Kang(TSK)模糊模型之间的对应关系被建立:任何一个不确定的高斯混合模型都唯一对应着一个二型TSK模糊系统,不确定的高斯混合模型的条件均值和二型TSK模糊系统的输出是等价的.基于此,一种设计二型模糊系统的新方法被提出:通过建立不确定的高斯混合模型确定二型TSK模糊系统,即用概率统计的方法设计二型模糊系统.仿真实验结果表明利用不确定高斯混合模型设计的二型模糊系统比其它模型具有更强的抗噪性和更快的速度.

基于Mallat-Zhong离散小波变换小波的超声图像各向异性扩散抑噪方法

针对传统各向异性扩散方法在超声图像散斑噪声抑制中存在的噪声抑制不充分与边缘特征保持不足的问题,提出一种基于Mallat-Zhong离散小波变换(MZ-DWT)小波的散斑噪声抑制方法。该方法将MZ-DWT小波分析与期望值最大化(EM)算法作为图像中均匀区域与边缘区域的鉴别因子,使扩散系数能够更准确地控制扩散强度与扩散速度,从而达到充分抑制噪声和保护边缘的目的。实验结果表明,所提方法在有效抑制散斑噪声的同时,更好地保持了图像细节信息,其性能优于传统各向异性扩散方法。

面向藏语语音合成的语音基元自动标注方法

在基于隐Markov模型(Hidden Markov Model,HMM)的统计参数藏语语音合成中引入了DAEM(Deterministic Annealing EM)算法,对没有时间标注的藏语训练语音进行自动时间标注。以声母和韵母为合成基元,在声母和韵母的声学模型的训练过程中,利用DAEM算法确定HMM模型的嵌入式重估的最佳参数。训练好声学模型后,再利用强制对齐自动获得声母和韵母的时间标注。实验结果表明,该方法对声母和韵母的时间标注接近手工标注的结果。对合成的藏语语音进行主观评测表明,该方法合成的藏语语音和手工标注声、韵母时间的方法合成的藏语语音的音质接近。因此,利用该方法可以在不需要声、韵母的时间标注的情况下建立合成基元的声学模型。