多分辨率融合输入的U型视网膜血管分割算法

针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%, 97.47%和97.48%,灵敏度分别为82.73%, 82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%, 98.90%和98.93%。其模型整体性能优于现有算法。     

基于双CPU实时图像监控系统的设计

本设计提出基于双CPU实时图像监控的嵌入式系统设计方法,充分利用了TMS320VC5471的双内核高性能和嵌入式操作系统的特点,采用TCP/IP协议建立与Internet的连接,实现了实时图像监控的远程控制,具有广泛的应用前景.     

基于嵌入式技术实时图像监控系统的研究

设计提出基于嵌入式技术实时图像监控的嵌入式系统的研究,采用TI公司的TMS320VC5471为处理器,选用μC/OS-Ⅱ实时嵌入式操作系统,将其移植到TMS320VC5471内嵌的ARM7核上,充分利用嵌入式操作系统的实时稳定的特点。采用TCP/IP协议建立与Internet的连接,实现了实时图像监控的远程控制,具有广泛的应用前景。