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.     

新的汽车牌照识别系统及其成像技术

介绍了一种高性能的汽车牌照识别系统及其成像技术。系统采用了新的成像控制和闪光灯补光技术，使其成像特别适合牌照区域分割和字符识别，成像质量完全不受实际应用环境中强烈的光线变化的影响，从而达到较高的全天候识别率和实际应用的要求。给出了系统在全天候条件下的成像效果和牌照识别效果．结果显示系统可在全天候条件下获得高质量的图像。     

基于网格量化和区间均值的动态目标识别

动态目标识别中，当摄像机和目标之间相对距离变化时，对于同一目标的多尺度序列图像。虽然目标区域图像大小和清晰度不同，但整体结构分布具有相似性和一致性。根据这一特点，提出基于目标区域网格量化的方法。在目标区域上形成采样网格，通过相对量化提取结构特征矩阵。对于同一目标序列图像中的每一个目标区域，其结构特征矩阵基本不变。结构特征矩阵反映象素分布的自相关性质。进一步，对由干扰引起的灰度值结构分布误差，采用网格区间均值的方法加以解决。目标区域网格量化是对相邻采样点的差值进行量化匹配。区间均值是对少数相邻采样点的进一步匹配。实例表明，本文的方法运算速度快、可靠性高，达到了实用目的。     

基于Gabor滤波指纹图像增强方法

图像增强是指纹自动识别系统中非常关键的部分，它直接影响着指纹识别的最终效果。指纹预处理一般包括规格化、方向图计算、频率计算，图像分割、增强等环节，给出一套完整的增强算法，实验证明，这些算法处理效果好，运行速度快，具有很高的使用和参考价值。     

船用微机监测系统的故障诊断与排除

由于船用微机监测系统工作条件的特殊性,系统运行过程中经常出现故障。文章根据监测系统的组成及工作特点,论述了监测系统的故障分类,讨论了分析故障的一般方法,并分析监测系统常见故障的原因及对策。     

铁路轨枕现状及发展

研究目的:本文对轨枕的主要功能和分类方法加以论述,同时简述我国铁路轨枕的发展过程及存在的问题。研究方法:通过搜集资料了解我国铁路轨枕及城市轨道交通轨枕的发展历程;总结轨枕分类方法;介绍木枕、混凝土枕及城轨交通用特殊轨枕的主要特点,并调查研究了各类轨枕在设计、制造、使用、养护维修中存在的问题。研究结果:提供了先进国家适用于高速铁路轨枕的发展动态,以及我国已运营4年的秦沈客运专线用轨道板和正处于设计招标阶段的京津城际轨道交通用轨道板等信息。研究结论:我国铁路轨枕及城市轨道交通轨枕的发展应遵循:增加混凝土枕类型以满足不同铺设条件的需要;提高混凝土枕的使用寿命,并开发研制轨枕新品种,适应我国铁路高速、重载以及城市轨道交通迅猛发展的需求。     

数字图像技术在露石混凝土路面中的应用

应用数字图像技术,将普通数码相机拍摄的露石水泥混凝土路面照片进行处理,根据图像的灰度值变化分析得到露石混凝土路表面的构造深度,并通过与常规方法的比较表明,此方法测量的路表面构造深度结果可靠,操作简单,可以在分析露石混凝土路面粗糙的表面特征上应用。     

虹膜识别技术的应用与发展

虹膜识别技术是一种生物特征识别技术,本文在分析其研究现状、识别流程的基础上,简单的介绍了虹膜图像的采集、虹膜定位、归一化与增强、虹膜编码、比较与判决等主要内容。     

山区双车道公路路线设计车型分类标准

为研究建立公路路线设计标准车型,通过对西部山区双车道公路的实地交通调查,并结合我国在用车型统计,建立了各类营运车辆车型参数数据库;在详细统计分析现有车型的尺寸、载质量和功率质量比分布规律的基础上,以满足85%的车型外廓尺寸和载质量为标准,采用双因素聚类分析方法对各种车型的功率质量比进行聚类分层计算,根据外廓尺寸相近的原则进行归并后,提出了山区公路路线设计车型的小型车、大型车外廓尺寸分类标准。在此分类基础上,研究了用于公路纵断面设计的载重汽车动力性能标准,通过大量实地观测资料和统计分析,提出了载重汽车上坡动力性能曲线,建立了速度折减量与坡度、坡长之间的关系曲线,以速度折减量作为公路纵坡和坡长的设计关键指标。     

A bintree energy approach for colour image segmentation using adaptive channel selection

A new hierarchical approach called bintree energy segmentation was presented for color image segmentation. The image features are extracted by adaptive clustering on multi-channel data at each level and used as the criteria to dynamically select the best chromatic channel, where the segmentation is carried out. In this approach, an extended direct energy computation method based on the Chan-Vese model was proposed to segment the selected channel, and the segmentation outputs are then fused with other channels into new images, from which a new channel with better features is selected for the second round segmentation. This procedure is repeated until the preset condition is met. Finally, a binary segmentation tree is formed, in which each leaf represents a class of objects with a distinctive color. To facilitate the data organization, image background is employed in segmentation and channels fusion. The bintree energy segmentation exploits color information involved in all channels data and tries to optimize the global segmentation result by choosing the ＂best＂ channel for segmentation at each level. The experiments show that the method is effective in speed, accuracy and flexibility.