基于非局部自回归学习的医学图像超分辨重建方法

由于受放射剂量的影响及成像设备条件的限制,医学图像在成像过程中的分辨率不高,并在一定程度上影响后期临床诊疗的精度.针对此问题,文中提出基于非局部自回归学习的医学图像超分辨重建方法.利用医学图像数据固有的非局部相似性特点,将自回归模型引入到基于稀疏表示的医学图像超分辨重建模型中,同时利用聚类算法得到分类字典,提高实验效率.实验表明,文中方法提高医学图像分辨率方面的可行性,及在重建效率和性能方面的优势.

基于粒子群优化LSTM的股票预测模型

为了提高股票时间序列预测精度,增强预测模型结构参数可解释性,提出一种基于自适应粒子群优化(PSO)的长短期记忆(LSTM)股票价格预测模型(PSO-LSTM),该模型在LSTM模型的基础上进行改进和优化,因此擅长处理具有长期依赖关系的、复杂的非线性问题。通过自适应学习策略的PSO算法对LSTM模型的关键参数进行寻优,使股票数据特征与网络拓扑结构相匹配,提高股票价格预测精度。实验分别以沪市、深市、港股股票数据构建了PSO-LSTM模型,并对该模型的预测结果与其他预测模型进行比较分析。结果表明,基于自适应PSO的LSTM股票价格预测模型不但提高了预测准确度,而且具有普遍适用性。

基于区域特征距离加权的三维地形建模方法

为了提高三维虚拟场景中三维地形真实感效果,提出了基于区域特征的距离加权的三维地形建模方法。首先,根据采样点数据的高程值对采样点数据进行分类,建立分类数据与插值点数量映射关系;然后,结合Diamond-square细分法求取插值点坐标数据,求得距离加权因子;最后,通过判断插值点的区域特征建立距离加权计算方程,以保证插值点间的平滑性和连贯性。理论分析和仿真结果表明,与传统地形建模方法相比,该方法能够提高三维地形的真实感,同时地形绘制速度提高20%。

基于改进像素相关性模型的图像分割算法

图像分割是计算机视觉中的研究热点和难点。基于局部信息的模糊聚类算法(FLICM)在一定程度上提升了模糊聚类算法的鲁棒性,但噪声强度较大时无法获得较好的图像分割效果。针对传统的模糊聚类算法分割精度不佳等问题,提出了改进像素相关性模型的图像分割算法。首先通过分析像素的局部统计特征,设计了一种新型的像素相关性模型,在此基础上,有效利用非局部信息挖掘图像中的细节,提升图像分割效果。实验采用多种评价指标进行分割结果的评估,并与多种模糊聚类系列算法进行对比。在合成图像、自然图像、医学图像和遥感图像上的实验表明,基于改进像素相关性的模糊聚类算法可以有效平衡对噪声的抵抗程度和对图像细节信息的保留程度,分割效果和鲁棒性优于相关算法。

一种基于Mask RCNN的融合几何特征的冠状动脉分割方法

冠状动脉分割是冠心病计算机辅助诊断系统中的一个重要步骤,其目的是保证在后续步骤中只对冠状动脉区域进行处理。冠状动脉CT血管造影(coronary computed tomography angiograph,CCTA)图像具有边界不清、结构复杂、特征不明显等内在特征,这些特点导致CCTA图像分割成为一项困难的任务。针对此问题,提出一种将几何特征融合到Mask RCNN网络中的冠状动脉分割方法,通过边界提取算法和分形特征提取算法提取边界和分形特征。使用冠脉数据集来评估所提出的方法。在评估指标中,所提方法的平均精度(PA)和Dice系数达到83%和(84.0±10.1)%.结果表明,所提方法具有较高的精度和鲁棒性。

纹理无关的轮胎裂纹检测算法

根据从图像中提取的裂纹缺陷特征,提出一种基于线密度投影(PODOL)的轮胎裂纹缺陷检测方法.首先对轮胎图像进行线密度投影,得到它们的PODOL一阶导数绝对值曲线;然后提取裂纹图像的特征曲线,以这些特征曲线作为标准判定轮胎是否含有裂纹.实验结果表明,文中提出的特征曲线检测标准不受图像纹理的影响,可以高效地检测轮胎裂纹缺陷;且该方法速度快、实现简单,已经成功用于轮胎裂纹缺陷的实时在线检测.

基于混合优化的快速隐式曲面采样方法

该文提出了一种新的隐式曲面快速采样方法,该方法首先提出了一种新的采样点互斥能量目标函数,基于该目标函数,通过一种混合优化方法来求解采样点的分布.第1步为采样点的局部优化,通过对采样点移动速度的控制参数调整,避免了大量Hessian矩阵的求逆操作,使得采样点能够根据互斥半径快速覆盖整个隐式曲面,得到初始采样点集;第2步为采样点的全局优化,采用L-BFGS方法对所有采样点进行优化,得到最终的高质量采样结果.通过实验表明,新方法的采样速度大大提高,并能够获得较好的隐式曲面采样点分布.

一种采用串行自编码器的时序数据异常检测方法

基于深度学习的时序数据异常检测模型大多采用循环神经网络或长短期记忆网络捕捉时序依赖性,并利用自编码器重构数据,进而实现时序数据的异常检测.虽然此类检测模型实现了较高的异常检测率,但它们的网络结构复杂,导致模型的计算效率较低.为提高模型的计算效率,提出一种基于串行自编码器的异常检测模型SAE-AD.该模型仅包含两个结构简单的自编码器(AE_(1)和AE_(2)),其所含参数较少,且训练目标较为简单,从而加快了模型的计算效率.通过将自编码器AE_(1)和AE_(2)串行拼接,即AE_(1)的输出作为AE_(2)的输入,可有效提高AE_(2)的解码器对正常数据特征的解码能力,有助于提升模型的检测准确率.实验结果表明,相较于其他新近提出的异常检测模型,SAE-AD模型具有更高的精确率、召回率和F_(1)值.

一种鲁棒的三维点云骨架提取方法

本文提出了一种鲁棒的三维点云骨架提取的方法.首先利用一种局部Laplace方法对三维点云进行收缩,然后对收缩之后的部分点云进行主成分分析,提取局部点云骨架.对已提取骨架的局部点云进行固定,并将无法满足当前PCA(principal component analysis)半径条件的点云继续执行收缩.迭代执行收缩和局部骨架提取操作,直到所有点云满足给定的终止条件,并得到一个完整的点云骨架.最后,通过对骨架的交叉点处理和三次B样条曲线拟合来得到最终的骨架曲线.实验结果表明,与其他已有方法相比,本文方法所得到的三维点云骨架结构质量更高且更加鲁棒.

分簇式WSN中基于MISO的协作传输系统性能分析

针对无线传感器网络(WSN)中多节点协作传输问题,研究了分簇式无线传感器网络中基于虚拟多输入单输出(MISO)技术的系统性能.首先推导了系统簇内广播阶段、簇间传输阶段的误符号率(SER)以及2个阶段系统整体误符号率的表达式;然后给出了系统整体误符号率一种有效的下界,并进行了仿真验证;最后将系统误符号率作为约束,建立了优化系统功率分配模型,并提出了求解该模型极值解的有效方法.仿真结果表明,在满足系统一定误符号率要求下,优化模型有效地节约了系统能量.

基于边缘和距离约束的有理多项式图像放大

曲面拟合是最有效的图像放大方法之一,其关键是构造对图像拟合的曲面.图像细节和边缘等特征对图像的视觉效果起着关键作用,因此,构造拟合曲面的关键之一是保持图像细节和边缘.基于样条和多项式方法构造的拟合曲面不能有效地保持图像的边缘信息,从而使放大图像在边缘处锯齿状明显.本文提出了以边缘和距离为特征约束的图像放大新算法.算法以边缘和距离为约束,在每个像素的邻近区域上构造一张对邻域上像素点拟合的二次多项式曲面片,并在每个四边形网格上构造一张二次多项式中间曲面片.在每个四边形网格上由五张曲面片加权平均生成有理多项式曲面片.该曲面片具有二次多项式逼近精度,产生的图像具有较好的视觉效果.通过构造误差曲面片对二次多项式曲面片进行修正,提高了放大图像的精度和视觉效果.新算法把二次多项式的常数项、一次和二次项采用不同方法分别计算,为构造带约束的多项式函数提供了新技术.实验结果表明,相比于其他算法,本文算法不仅有较高的逼近精度,而且放大图像的视觉效果也较好.