基于实车道路试验的认知分心检测研究

为了对认知分心进行检测,设计认知分心次任务并搭建试验平台,选取试验路线、招募被试驾驶人开展实车道路驾驶试验。采用小波包分析法提取认知分心时的特征参数,然后利用主成分分析对得到的参数进行降维获得综合指标,构建支持向量机模型,利用网格寻优与交叉验证法确定最佳参数,将综合指标代入模型进行训练、测试以对驾驶分心进行检测。结果表明,所建模型对认知分心的综合识别率为84.97%。     

粒子群优化的自适应区间二型模糊聚类算法

针对区间二型模糊聚类算法对聚类中心和模糊指数敏感的问题提出粒子群优化的自适应区间二型模糊聚类算法（PSO-AIT2FCM）。利用高斯滤波函数对获得的统计直方图做平滑处理,同时设计波峰与聚类中心的对应规则精准地确定聚类中心。构造新颖的融合直觉模糊信息的目标函数,通过类内紧致和类间分离两个方面的信息共同判断聚类效果。利用粒子群优化算法优秀的全局搜索能力在可行域内寻找合适的模糊指数组合。将该文算法应用于Berkeley图像分割中,实验结果表明该算法能够有效地确定聚类中心和模糊指数的组合并得到良好的分割结果。     

基于Web的医学图像处理系统的设计

为了更方便地集成医学图像处理算法,通过分析医学图像处理的特点和结合临床应用的基本需求,文中设计了一套基于Web的医学图像处理系统。该系统主要基于Python语言、Kotlin语言、TypeScript语言、Spring Boot框架、Celery框架和DICOMWeb规范开发,通过将处理任务分解为计算作业实现人工介入操作,并通过对计算作业进行合理的分组实现算法运行环境的隔离。该系统具有易扩展、易部署、易维护和可伸缩的优点,可以方便地构建需要人工介入的医学图像处理任务,在算法足够成熟的时候也能够快速将该流程完全自动化。     

基于特征累积的语义分割网络设计

语义分割是一种像素到像素的图像分类任务。而现有方法在处理此类问题时,往往忽略了不同图像之间类别分布的相似性。因此,该文提出了一种基于特征累积的语义分割网络,能够在训练的过程中,使用动量累积的方式,根据每张图像上不同的类别特征,拟合整个数据集的特征分布。除此之外,为了适应通用数据集中复杂的自然环境,该网络尝试对同一类别的特征聚类进行更深层次的划分,并且取得了较好的效果。与同样使用特征通道信息的OCRNet相比,使用ResNet作为骨干网络的情况下,该模型在Pascal Context数据集上平均交并比（mIoU）和平均准确度（mAcc）分别可以提升0.34%和0.64%;实验证明了这一优势在不同数据集、不同骨干网络中同样存在。     

可编程光缓存器在OBS中的应用

对之前报道的两种可编程光缓存器结构在光突发交换网中的应用进行了仿真研究.构建了仿真平台,选取支持QoS的JET协议,提出了一种简单的资源调度算法,在相同网络流量的情况下,对比研究了采用两种可编程光缓存器和固定时间光缓存器时,OBS网络在丢包率和时延等方面的差异.仿真结果表明,两种可编程光缓存器在以上性能方面有良好的优越性.因此该可编程光缓存器可较好地解决光突发交换网突发包的冲突问题.     

OBS网中的数据丢失恢复机制研究

着重探讨了解决光突发交换网中突发数据包之间争夺链路资源引起数据丢失的丢失恢复机制,主要包括突发克隆、前向冗余、重传等机制,对这些技术的优缺点进行了比较分析,并提出了一种改进方案.     

光突发交换环网中突发包传输延迟性能分析

光突发交换(OBS)是近年来出现的一种新型光交换技术.OBS结合了光电路交换和光分组交换的优点,比电路交换更加灵活,而与光分组交换相比又提供了光层的统计复用能力且易于实现.OBS能提供高吞吐量、高带宽利用率和低时延,使其成为下一代城域网的有力竞争者.文章采用M/G/1排队模型,在限定条件下对不同优先级的突发包在OBS环网中的传输延迟进行了分析,最后给出了突发包在OBS环网中所经历的时延.     

基于自适应滤波器的水平集算法

针对传统水平集无法正确分割含乘性噪声图像的缺点,提出了一种基于自适应滤波器的水平集算法.该算法首先将自适应滤波器引入到速度停止项中,以消除乘性噪声对水平集演化的影响;其次,通过估算图像同质区域的相对方差值,达到区分边缘区与同质区以及保持边缘的目的;最后,将该速度停止项带入到水平集演化方程中,对图像进行演化运算.实验结果表明,该方法能够在抑制乘性噪声的同时较好地对图像进行分割.     

一种基于FPGA的快速视频背景分割方法

背景的有效分割是实现动目标检测和识别的基础.针对目前众多算法在进行分割时面临的算法复杂度高和占用存储空间过大的问题,在对监视视频序列研究的基础上,使用低成本的Spartan3系列的FPGA平台,以小于16Mbit的存储空间,实现了对视频序列静态场景即时重建.     

基于超光谱图像的舌体分割算法

舌体分割是实现中医舌诊现代化的一个前提工作,分割质量直接影响舌象诊断的性能.然而由于舌的生理特征比较复杂,舌的形态以及舌与嘴唇的连接各不相同,使得舌体分割比较困难.本文采用超光谱成像系统代替数码相机采集舌图像,并借鉴光谱角度匹配算法,发展了基于超光谱图像的舌体分割算法.这一算法通过光谱角度匹配算法将超光谱舌图像立方体转换成光谱角度立方体,然后采用一维脉冲波形的边沿信息检测出边缘信息,最后实现了舌体的分割.试验表明,这种基于超光谱图像的舌体分割算法可以较为准确地将舌体分割出来.