融入频域先验信息压缩感知方法的主动声呐回波信号处理

针对弱信噪比时的水下主动声呐回波信号处理问题,从主动声呐入射信号和目标回波信号的先验信息出发,与压缩感知理论相结合,提出了融入频域先验信息的压缩感知方法(Compressed Sensing based on Fequency Prior Information,CSFPI)。针对主动声呐入射信号,获取其频域先验信息,将其作为“原子”融入信号的稀疏分解过程,构建完备频域先验稀疏矩阵。主动声呐回波信号可以等效为携带目标信息入射信号的线性叠加,将该特性与传统正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法结合,形成基于“块”的正交匹配信号重构算法。采用CSFPI方法处理仿真信号来验证理论方法的正确性。进一步,通过主动声呐发射接收装置获取湖上实测数据,用CSFPI方法进行处理。当压缩比为50%、信噪比低至−5 dB时,重构信号的匹配率高于70%。实验结果表明了CSFPI算法在处理低信噪比声呐信号时的有效性。

结合频域先验和特征增强的心脏图像分割方法

针对心脏磁共振图像中的心脏子结构之间灰度差异小导致的边界不清、右心室区域形状大小多变等影响分割精度的问题,提出一种结合频域先验知识和特征融合增强的心脏磁共振图像分割网络。所提模型是一个由频域先验引导子网络和特征融合增强子网络组合而成的D形结构网络。首先,通过傅里叶变换将原始图像从空间域转换为频域,提取出高频的边缘特征,并将频域先验引导的子网络的低级特征与特征融合增强子网络的对应阶段进行特征拼接融合,以提高边缘识别的能力;其次,在特征融合增强子网络的跳转连接处引入具有局部和全局注意力机制的特征融合模块,提取上下文信息并获得丰富的纹理细节;最后,在网络底部引入Transformer模块,进一步提取长距离语义信息,增强模型表达能力,提高分割精度。在ACDC数据集上的实验结果表明,与现有方法相比,所提方法在客观指标和视觉效果上均取得最佳的效果,良好的心脏分割结果能为后续图像分析和临床诊断提供参考依据。