基于余弦值的红外光强与偏振图像特征差异度的度量方法

现有差异特征驱动的红外光强与偏振图像融合方法中,特征的选择上数量多,存在信息冗余,通过提取图像特征再求差来获取差异特征不能充分表征图像间的差异。本文提出一种基于余弦值的红外光强与偏振图像特征差异度的度量方法。通过对源图像提取特征图,将亮度、纹理、边缘三类特征进行分离,避免了图像特征选择的困难;定义了特征差异度,从特征图提取得到特征向量,再计算其差异度,对图像的差异进行了量化;最后,通过实验验证了所提方法的合理性和有效性。     

基于小波Fisz变换的X射线脉冲星信号降噪研究

针对X射线脉冲星信号信噪比低,难以获取精确脉冲星信号相位的问题,提出了基于WaveletFisz变换的X射线脉冲星信号的估计方法.根据X射线脉冲星信号特性建立了信号模型,推导了Wavelet-Fisz变换理论,利用该变换将X射线脉冲星信号逼近于高斯分布,对变换后的信号数据进行估计.对大量RXTE的实测数据进行分析,结果表明在Wavelet-Fisz变换下能获得较好的估计性能,且耗时小,有利于X射线脉冲星导航的工程应用.     

刀锋伪影校正技术在精神疾病患者海马MRI检查中的应用

为探讨磁共振刀锋伪影校正（BLADE）技术提升精神疾病患者海马磁共振图像质量的效果，本文分别使用结合了BLADE技术的BLADE T₂WI TSE、BLADE T₂WI FLAIR及传统T₂WI TSE、T₂WI FLAIR四种序列，对47例精神疾病患者和美国放射学院（ACR）标准模体在3.0 T磁共振成像（MRI）设备上分别进行常规海马斜冠状位扫描和ACR标准检测.患者的磁共振图像由2名放射科医师采用5分法对运动伪影、搏动伪影、颗粒度、海马磁共振图像质量进行评价，并应用Wilcoxon符号秩检验进行数据分析.模体图像通过识别图像的钻孔阵列和轮辐的数目，半定量评价各序列的高对比空间分辨力（HCSR）和低对比物体探测能力（LCD）.结果表明相比传统序列，结合BLADE技术的序列能够明显改善海马磁共振图像的运动伪影、搏动伪影（p<0.001），提高图像质量（p<0.05）；但在图像颗粒度方面，传统序列表现更优（p<0.001）.ACR模体半定量分析显示，结合BLADE技术序列与传统序列相比，在LCD检测方面结果更优、在HCSR检测方面结果相同或略逊.本文推荐将BLADE技术应用于不合作的精神疾病患者海马的MRI检查.     

基于LBS云平台的微信小程序二维码区域定位系统设计

针对传统定位系统存在定位耗时长以及定位准确度差的问题,提出并设计基于LBS云平台的微信小程序二维码区域定位系统。系统整体架构分为LBS云服务、中心数据处理和小程序二维码定位端三部分。从服务器端模块、处理器以及定位模块入手设计硬件,为系统构建提供基础。软件设计中,采集微信小程序二维码区域图像,对图像边缘特征进行增强与滤波处理,依据处理后的图像边缘特征确定定位目标,完成微信小程序二维码区域定位系统设计。实验结果表明,该系统的定位耗时相当于传统系统的50%,定位准确率始终保持在99.5%以上,具有显著优势。     

3维卷积递归神经网络的高光谱图像分类方法

为了针对高光谱图像中空间信息与光谱信息的不同特性进行特征提取，提出一种3维卷积递归神经网络(3-D-CRNN)的高光谱图像分类方法。首先采用3维卷积神经网络提取目标像元的局部空间特征信息，然后利用双向循环神经网络对融合了局部空间信息的光谱数据进行训练，提取空谱联合特征，最后使用Softmax损失函数训练分类器实现分类。3-D-CRNN模型无需对高光谱图像进行复杂的预处理和后处理，可以实现端到端的训练，并且能够充分提取空间与光谱数据中的语义信息。结果表明，与其它基于深度学习的分类方法相比，本文中的方法在Pavia University与Indian Pines数据集上分别取得了99.94%和98.81%的总体分类精度，有效地提高了高光谱图像的分类精度与分类效果。该方法对高光谱图像的特征提取具有一定的启发意义。     

依赖团数的有向图极大与超级边连通的度序列条件

互连网络通常以有向图为模型,有向图的弧连通度是网络可靠性的一个重要参数.给出了依赖团数的有向图极大和超级边连通的度序列条件.     

一种管线CT成像模型

管线是维系很多设施的命脉,它们的腐蚀问题受到了广泛的重视.工业X射线CT成像技术可以实现对管线的非破坏检测,发现它们的腐蚀状况以及各种缺陷,从而掌握其质量情况和变化规律.本文主要研究了海水管线的CT成像方法,在每个角度都存在数据缺失的情况下,给出了它的CT扫描和重建模型,提出了基于TV约束和加权均值化处理的分组ART迭代算法的重建方法.模拟实验表明该方法可以获得管线横截面的高质量CT图像,为其内部腐蚀参数的计算和腐蚀程度的判断提供了重要依据.