一种新的基于投影矩的三维图像配准方法

提出一种投影矩的概念，并将其用于三维医学图像的配准．与传统的几何矩相比，投影矩不仅可以完各地描述图像的特征，而且计算量较小，因而可以将其用于三维图像的实时配准．选取待配准的2幅三维图像若干阶投影矩差的平方和为目标函数，采用Powell方法求取最优解，得到配准结果．将方法应用于一些模拟和实际数据，获得了较高精度的实验结果；并且缩短了整个计算过程的时间．这表明投影矩在多模态医学图像的配准和融合等方面具有潜在的实用价值．     

基于gAIC和滑动窗的自回归模型参数估计算法

为了提高自回归模型参数估计的准确性,提出了一种基于通用赤池信息准则和滑动窗的自回归模型参数估计算法.首先,使用通用赤池信息准则估计自回归模型的模型阶数,初步得到自回归模型中选项的候选向量集;然后,针对该候选向量集中的各候选项,采用滑动窗法获得其相应的权重值;最后,根据各候选项的权重值,利用自适应的最佳参数搜索算法进一步剔除候选向量集中的干扰候选项,得到自回归模型的最终模型选项及相应的模型系数值.实验结果表明,对于不同长度的信号,不同组合实验方案下所提算法获得的正确率最高,接近于90%.     

Zernike矩的快速算法

给出了Zernike矩求解的一种快速算法 .利用Zernike多项式迭代性质 ,找出了Zernike正交矩之间的内在关系 ,这样 ,高阶的Zernike矩可由低价的Zernike矩求出 ,再在Chan等人提出的关于一维几何矩有效算法的基础上 ,得出了一种快速算法 .与已有方法相比 ,该算法大大减少了求解过程中的乘法次数 ,降低了计算复杂度 ,从而提高了运算速度和效率 ;并可以有效用于模式识别、图像分析及重建等领域中     

基于曲线波的超声图像分割

为了提高前列腺超声图像分割的准确率,提出一种基于曲线波的半监督超声图像自动分割方法.首先,采用对微小波动敏感度高的Riemann-Liouville (RL)分数阶微分算子,突出模糊边界并增强超声图像的纹理;其次,运用曲线波变换对超声图像进行频域中的分解,获得不同子带分量以表达超声图像特征;然后,基于Adaboost的分类算法识别出超声图像中的病灶区和非病灶区;最后,采用中值滤波和腐蚀的方法使病灶区域边缘完整、平滑.实验表明,与运用共生矩阵及二进小波作纹理分析的分割结果比较,所提出的方法在准确率上有了很大的改进,分割超声图像效果更佳.     

一种新的基于矩的改进离散余弦变换及其反变换快速算法

为了提高离散余弦变换(MDCT)及其反变换(IMDCT)的计算效率,提出一种新的基于一维离散矩的快速算法.首先把MDCT和IMDCT的核函数映射到另外一个集合进行合并化简,再用三角函数泰勒级数展开的方法,将MDCT和IMDCT的计算用有限项的一维离散矩的线性加权和近似.一维离散矩的快速计算可以采用p+1维的矢量加法结构进行,用加法运算代替乘法运算,有效地减少了乘法的运算量.该算法的乘法计算量仅为O(Nlog2N/log2log2N),少于通常快速算法所需的O(Nlog2N),可以有效地降低运算时间.理论分析和实验结果都表明:用一维矩近似的方法计算MDCT和IMDCT的结果精度很高,运行速度比较快,能够很好地满足实际计算的要求.     

一种新的支持向量机树学习模型

针对特征空间维数较高时,混淆交叉支持向量机树中间节点的学习结果可能包含冗余特征信息的情况,考虑各维特征之间的相互关系以及各数据点之间的相互关系对数据的分类影响,提出一种基于有监督局部线性嵌入的支持向量机树学习模型.考虑每个中间节点上需要不同的特征信息进行局部决策,分别对每个中间节点(包括根节点)上的样例进行有监督局部线性嵌入学习.实验以手写阿拉伯数字识别问题为例验证和分析了模型的结构和分类识别性能,与其他学习模型的对比结果表明,该模型能在有监督局部线性嵌入学习的基础上,以更精简的结构获得与其他学习模型可比的识别精确率.     

基于四元数表示的彩色图像泊松噪声去噪

为了整体处理彩色图像,提出了一种基于四元数的去除泊松噪声的加权平均滤波器.首先,基于彩色图像四元数表示法,将一幅彩色图像表示为一个纯四元数矩阵,并利用四元数代数理论定义了重建图像和原始图像之间的四元数均方误差;然后,结合非局部均值滤波的基本思想,采用拉格朗日乘数法推导出使QMSE紧上界最小的加权系数;最后,基于这些最优加权系数,对四元数表示的像素值进行加权平均,构造出四元数最优权值非局部均值滤波器,并将其应用于彩色图像泊松噪声去噪.针对常用标准图像的对比实验结果表明,所提的滤波器优于现有的四元数滤波器以及传统的基于向量方法的滤波器和基于分量独立处理方法的滤波器.     

基于正交矩扩疗照射野的自动对准方法

研究一种新的方法用于放疗模拟定位图像和视口图像的自动在线式对准，并介绍了一种矩的快速算法。     

基于梯度幅度和梯度方向直方图的全参考图像质量评价算法

为了提高全参考图像质量评价算法的性能,提出了一种基于梯度幅度和梯度方向直方图的图像质量评价算法.梯度方向直方图可以描述图像中局部物体表象和形状,梯度幅度能精细地反应图像中微小细节的反差和纹理变化.分别计算参考图像和失真图像的梯度幅度和梯度方向直方图,然后计算梯度幅度相似度图和梯度方向直方图相似度图,最后通过标准方差加权的方式得到图像的预测质量分数.在LIVE,TID2008和IVC三个图像数据库上的实验结果表明,所提算法的预测结果与人的主观判断具有较好的一致性.