新一代深度学习图像重建算法在腹部低剂量CT中的应用研究

目的 探讨深度学习图像重建算法(DLIR)在腹部低剂量CT中提高图像质量和降低伪影方面的价值。方法 前瞻性连续纳入2019年10月-2020年6月进行CT尿路造影的患者26例,男14例,女12例,平均年龄(60.35±10.89)岁。所有患者均行常规剂量平扫、门静脉期增强(噪声指数10;体积CT剂量指数：9.61 mGy)和低剂量排泄期扫描(噪声指数23;体积CT剂量指数：2.95 mGy)。排泄期图像采用ASiR-V 50%、低强度DLIR(DLIR-L)、中强度DLIR(DLIR-M)、高强度DLIR(DLIR-H)共4种方式重建,采用重复测量的单因素方差分析和Kruskal-Wallis H检验分别比较4组图像的客观评价[偏度、噪声、信噪比(SNR)及对比噪声比(CNR)]及主观评价内容(图像质量、噪声、伪影),并采用Bonferroni检验进行事后两两比较。结果 无论是客观评价还是主观评价方面,DLIR图像的SNR、CNR、整体图像质量评分及噪声均相似或优于ASiR-V 50%,且SNR、CNR和图像质量评分随DLIR权重增加而增加,噪声随着DLIR权重增加而降低。4组图像在失...     

基于改进主动轮廓模型的钢轨表面缺陷分割

针对钢轨表面图像灰度分布不均匀、目标缺陷轮廓边缘模糊的问题,提出了以C-V模型和LBF模型为基础的主动轮廓模型分割算法.首先,结合C-V模型和LBF模型建立最小化能量泛函模型,并对模型进行凸优化处理;然后,通过对局部子块进行卷积得到演化曲线内外局部灰度均值;最后,采用Split Bregman迭代算法进行模型求解,解决了C-V模型和LBF模型收敛速度慢、对初始轮廓位置敏感和容易陷入局部最小等问题.使用该模型对含有掉块、钢轨接缝或裂纹缺陷三类常见的钢轨表面图像进行分割,仿真实验结果表明,该模型在初始轮廓位置的选择及分割性能上明显优于单一的C-V模型和LBF模型.     

螺旋CT肺血管三维成像的实验研究

为了设计螺旋CT三维血管成像的合理扫描条件、重建方法，探讨其肺血管三维成像的显示级别和伪影的形成机制、影响因素，对离体人、狗心肺各两具行肺血管灌注后充气，当pitch为1时，观察不同层厚、FOV和重建间隔对用表面覆盖法进行肺血管三维成像的影响。结果：①扫描层厚越薄，FOV越小，重建间隔适当缩小，肺血管的显示级别升高。②阶梯伪影由不连续内插算法引起，与床进速度和重建间隔有关。③拉长伪影决定于层敏感性，受床进速度、pitch和内插算法影响。表明螺旋CT肺血管三维成像受诸多成像因素影响，需合理选择。     

基于复轮廓波域高斯比例混合模型SAR图像去噪

在分析了SAR图像的噪声成因及其噪声模型的基础上,提出了一种适用于复轮廓波变换域的高斯比例混合模型的SAR图像去噪（CCT-GMS）算法.本文所提出的算法具有多方向多尺度移不变性,并且充分的利用了复轮廓波的时域和频域的特性,改善了图像的视觉效果.实验结果表明：相比使用小波-轮廓波加上Cycle Spinning去噪,本文算法的峰值信噪比提高2 dB,相比使用BLS-GMS去噪,本文的算法抑制了人造纹理产生,视觉效果得到了明显的改善.     

互通式立体交叉方案综合评价方法

基于投影寻踪算法的基本原理和求解过程,提出互通立交方案设计综合评价方法,该方法直接从待评样本本身寻求各评价指标的客观权重,避免了主观评价法评价指标权重的确定存在着主观依赖性、评价结果受到人为赋权的干扰问题.采用实码加速遗传算法对投影指标函数进行优化,求解最优投影方向向量,可有效地解决高维数据全局寻优的难题.     

用于人脸识别的图像预处理方法研究与实现

提出了一种人脸图像预处理改进算法:将图片转化为灰度图像后进行去噪滤波,根据灰度投影曲线确定人脸的边界,依据确定的眼、嘴以及脸的左右边界这些参数对图像进行剪裁,根据人脸特征的几何关系确定人脸图像的缩放系数,得到标准化图像.解决了传统方法无法适用于侧脸和双眼闭上的人脸的问题.     

一种改进的桥梁裂缝图像滤波算法

针对桥梁裂缝周边复杂的噪声信息,传统的滤波方法在处理此类噪声时虽然能在某方面取得去噪效果,但也往往存在着各自较大的缺陷。对此,在传统的形态学滤波器滤波的基础上,提出了一种基于多角度多结构元素形态学滤波器的算法。通过结合数学形态学,将多种结构元素结合使用,避免了单一结构元素对图像处理时单一的作用,不仅能对图像全区域进行分析,而且保留了图像的细节信息。实验数据对比分析表明,此滤波算法取得了明显的效果。     

小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.     

小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.     

基于引导滤波和积分投影算法的轨道扣件定位

精确定位是实现轨道扣件缺陷计算机自动检测的基础,为此提出了一种改进引导滤波去噪和灰度积分投影结合模板匹配算法的轨道扣件定位方法.首先,通过具有良好边缘保持能力的改进引导滤波算法对轨道扣件图像进行去噪;其次,利用改进Canny算法在Opencv平台对扣件图像进行边缘检测,实现轨道扣件图像边缘检测的自适应性;再次,采用灰度积分投影算法结合先验知识粗定位扣件区域;最后,通过模板匹配算法精确定位轨道扣件.仿真实验表明:所采用的算法具有较好的定位能力,可以准确地定位轨道扣件区域,为进一步的扣件识别提供了可靠的基础.     

基于形态学滤波的图像伪边缘去除方法

针对传统边缘检测算子去除由噪声引起的伪边缘难的问题,提出了一种基于数学形态学滤波的图像伪边缘去除方法.该方法首先利用自适应中值滤波器对图像进行滤波,然后用Canny算子对图像进行边缘检测,对处理后的图像进行改进的τ-运算以去除伪边缘,从而得到较理想的图像边缘.仿真实验表明,该方法不仅有效地去除了由噪声引起的图像伪边缘,而且保留了完整的图像边缘,具有较小的均方根误差.     

复合噪声图像去噪

在现实的图像处理中,图像往往含有加法均匀或者高斯分布噪声的干扰.如果只使用邻域平均法或中值滤波法都不能很好的对图像进行去噪.提出了一种复合型去噪法.该算法首先利用分离像素法把不同噪声污染的像素区别开来,然后分别再用中值滤波或邻域平均法去噪.实验结果表明,此方法具有很强的可信度.     

基于投影寻踪动态聚类的快速路交通状态判别

为了提高快速路交通运行状态的判别精度,利用地点交通参数与交通状态之间的映射关系,提出了基于投影寻踪动态聚类模型的快速路交通状态判别方法.该方法综合投影寻踪技术和动态聚类方法构造投影指标函数,采用混合蛙跳算法优化投影指标函数的投影方向获得最佳投影方向,并利用仿真数据标定了交通状态判别阈值.结合仿真数据和实测数据进行了实验验证和对比分析.实验结果表明,投影寻踪动态聚类模型能够有效提高快速路交通状态判别精度,平均判别率为97.01%,平均误判率为0.86%,平均判别精度分别比BP神经网络模型和模糊C均值聚类模型方法提高了8.9%和4.5%.      

一种改进的多传感器伪序贯滤波算法

传统的多传感器数据融合算法假定传感器之间的测量噪声是不相关的,但实际上测量噪声存在着一定的相关性,因而会引起滤波精度的损失．针对该问题,文中研究了测量噪声相关情况下的同步多传感器跟踪系统的测量融合技术．在测量噪声相关的条件下,根据线性无偏最小方差估计理论,提出了一种改进的同步多传感器伪序贯滤波算法,该算法不但适用于噪声不相关情况,而且也适用于噪声相关情况．经仿真研究表明,该算法明显提高了航迹的融合精度：在测量噪声相关时,融合精度比传统算法有明显提高;而测量噪声不相关时,性能与传统的数据融合算法相同．仿真结果表明了该算法的正确性和有效性．     

道路交通噪声计算机仿真模型

提出一种可用于计算道路路侧交通噪声的计算机仿真模型.将实测的车辆速度、类型和到达时间等微观交通数据作为输入量,利用车辆行驶模型更新车辆各仿真时刻的运行状态,借助车辆噪声模型计算车辆单体对测点的贡献值,进而求解整个车流的噪声值.该模型不但可以全面反映交通噪声起伏变化的时间分布特征,而且还可以预测和分析复杂交通条件下的噪声指标.通过实测数据对比分析,证明模型预测结果与实测数据吻合良好,预测精度为-0.4±1.0 dBA.     

基于改进Canny算法的道路标线自动识别及定位

在自动化道路病害检测过程中,检测车的横向偏移会导致路面病害横向定位的误差,通过边缘检测算法对标线进行自动识别及定位,可消除病害横向定位的误差. 但传统Canny边缘检测算法存在对标线边缘识别不全,噪声、伪边缘较多的问题. 因此本文对Canny算法进行改进:采用维纳滤波替代高斯滤波以滤除噪声;利用OTSU法自适应地选取图像阈值;提出划定准偏区域以滤除路面干扰并提高边缘完整识别率. 研究结果表明:与其他边缘检测算法相比,该算法检测出的边缘像素总数分布在900～2 000,与标准值1 352较为符合,8连通域数与边缘像素总数、4连通域数的比值分别分布在0～0.04和0～0.29,在抑制噪声、剔除伪边缘及路面干扰、边缘识别连续性和单一边缘响应方面实际应用效果较好;人工法验证结果表明该算法定位标线结果与实际值的吻合度高达99%,可在同步采集的3D激光图像上进行路面病害横向定位.      

具有可变超松弛因子的OSEM在PET重建中的应用

基于最大似然期望法(ML-EM)重建的图像质量好,但因其收敛速度太慢,而难以直接应用于临床.有序子集最大期望法(OSEM)具有较高的重建图像质量和较短的计算时间,超松弛因子(OR)有可灵活调节超松弛因子和加速收敛两种功效.文中将OSEM和OR有机地结合起来用于PET图像重建,形成可变超松弛因子的OSEM重建算法(OR-OSEM).该方法综合了上述两种算法的优点,具有可根据需要灵活改变子集数和超松弛因子的功能.计算机仿真模拟和临床PET投影数据的重建结果表明了该方法的有效性.     

遗传算法在沥青混凝土路面评价体系中的应用

路面评价体系需要考虑到诸多因素,而且实现方法不一而足。从统计学角度出发,将投影追踪模型应用到该领域,以投影寻踪模型作为理论方法,通过遗传算法来实现模型求解。实例描述了该方法应用的关键步骤,并指出对于数据量充分、影响因素明确的准真系统,采用投影寻踪模型进行方案决策更具有客观性。     

基于车载连续序列图像的道路曲率计算方法

提出一种基于车载连续序列图像的道路曲率计算方法.算法首先利用车载视 觉系统进行内外参数标定实现对路面车道线的三维重建,利用三维重建误差模型对重建 的数据点进行误差估计,并对数据点进行选弃.对序列图像中路面车道线重建出来的曲线 采用ICP 算法进行曲线匹配,并将匹配后的曲线映射到统一的参考坐标系中.最后利用匹 配曲线上的数据点进行圆周拟合,计算道路曲率.实验中利用真实的车载连续序列图像对 算法进行验证.针对曲率半径分别为96 m和430 m两段不同程度的弯道,利用本文算法计 算对应道路的曲率半径.结果表明,本文算法能够精确地计算出不同弯道的道路曲率,特 别是针对平缓弯道的曲率计算,比基于单幅图像的曲率计算方法更加准确与稳定.     

基于三维光影模型的公路路面裂缝自动识别算法

针对公路路面裂缝的自动化三维图像识别技术的研究热点问题,为有效提高裂缝识别算法的准确率与可靠性,基于三维图像提出利用三维光影模型(3D Shadow Modeling)来实现公路路面表面裂缝的自动识别新方法.该方法利用裂缝区高度低于周边高度的特性,通过三维光影模型将裂缝投影为阴影区,继而通过对阴影的形态分析来识别裂缝,并采用连通域分析与线性形态分析方法,消除图像噪声.研究结果表明,采用本文提出的裂缝自动识别算法可以达到92.93%的路面裂缝自动识别准确率.