深度全卷积网络对MRI膀胱图像的分割

大多数膀胱癌患者的膀胱肿瘤组织和膀胱壁组织互相渗透，各自的大小、形状变化多样，位置不固定，且膀胱MRI（Magnetic Resonance Imaging）图像中存在复杂的噪声和伪影，这使得将肿瘤和膀胱壁两者精确分割出来为下一步治疗进行诊断和定量分析成为难题。文中提出一种以U-net作为基础网络框架的深度全卷积网络，用残差网络子模块代替普通的卷积层进行下采样，通过空洞卷积来提取特征图不同感受野的信息，从而对不同尺度的特征图进行并行分支下采样。针对数据集小的问题，提出对图像加入高斯噪声、调节亮度和各向异性扩散滤波三种方法来进行数据扩增。实验结果表明，文中提出的方法对肿瘤分割的DSC（Dice similarity coefficient）值达到了0.9058，对膀胱壁分割的DSC值达到了0.9038，能够达到很好的分割效果。      

基于CUDA的钢板图像去噪方法

针对钢板表面缺陷在线检测中图像处理速度快的要求,利用GPU强大的并行计算能力,提出了基于CUDA(计算统一设备构架)编程的钢板图像原始中值滤波、改进中值滤波和均值滤波三种去噪方法。实验结果表明,与传统的CPU方法相比,CUDA方法执行速度更快。     

智慧型油田定位与数据采集研究

针对油田井下环境的特殊属性,无线信号容易受到诸如反射,散射,折射等诸多客观因素的影响,使得传统的油田定位技术的应用受到很大的限制。通过使用油田井下无线信号的传输模型与油田井下分布特点相结合,经过改良后提出了一种信号强度目标识别定位算法,通过使用均值滤波的方法来消除多经效应或遮挡产生的野值点。实验结果表明在1km~2的油田区域内,总体平均定位误差仅为0.84m。该算法能够很好地解决其他定位方法在个别定点上定位误差较大的问题,使得整体定位精度水平提高,从而获得油田井下目标的理想定位结果。     

基于多特征和改进稀疏表示的高光谱图像分类

为了实现对高光谱图像的分类,提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征,求解稀疏系数,同时增加一个2范式约束,利用所得系数得到每个测试像素的最终类别标签。实验结果表明:所提MFISR方法对小样本的检测效果显著,分类性能稳定且较优。     

一种基于Gauss von Mises分布模型的非线性量测更新方法

基于状态空间模型的许多传统滤波算法都基于Rn空间中的高斯分布模型,但当状态向量中包含角变量或方向变量时,难以达到理想的效果。针对J.T.Horwood等提出的nS?R流形上的Gauss Von Mises(GVM)多变量概率密度分布,扩展了狄拉克混合逼近方法,给出了联合分布的GVM逼近方法,推导了后验分布的GVM参数计算公式,设计了量测更新状态估计算法。将J.T.Horwood等的时间更新算法与所提出的量测更新算法相结合,可实现基于GVM分布的递推贝叶斯滤波器(GVMF)。仿真结果表明,当状态向量符合GVM概率分布模型时,GVMF对角变量的估计明显优于传统的扩展卡尔曼滤波器。