由于医疗图像质量差、对比度低、患者之间差异大导致全自动分割方法很难获得足够准确、鲁棒的结果。为了解决全自动分割方法的局限性, 本文提出一种基于神经网络改进的区域生长法, 并与全卷积神经网络相结合对肝脏CT图像进行交互式分割。首先对图像进行预处理, 突出待分割肝脏区域; 接着计算像素在不同边缘检测算子下的梯度值作为该像素的特征, 形成像素特征向量训练网络: 该网络以一对像素特征向量为输入, 以两像素的关联度系数为输出; 然后将训练好的神经网络模型作为区域生长算法的生长准则, 手动交互选取一点产生分割结果; 最后将分割结果作为原图的交互信息和原图灰度通道连接在一起一同输入全卷积神经网络。实验结果表明: 平均Dice系数达到96.69%, 像素准确率达到99.62%, 平均交并比达到9665%。不同的腹部CT图像序列中肝脏的分割结果表明, 该方法能精确提取肝脏区域, 满足临床应用的需求。

为了满足工程应用对图像拼接实时性的要求, 依据已设计完成的基于同心球透镜与微相机拼接阵列复合结构的十亿像素瞬态成像系统, 提出一种基于统一计算设备架构(CUDA)与先验信息相结合的自适应图像拼接并行加速算法。首先, 利用高精度四维标定平台对相邻微相机成像重叠区域进行预标定。接着, 采用基于CUDA的快速鲁棒特征(SURF)方法检测提取重叠区域图像的候选特征点集。然后, 运用基本线性代数运算子程序(CUBLAS)加速基于随机KD-Tree索引的近似最近邻搜索(ANN)算法, 用于获取初始匹配点对。最后, 提出一种改进的并行渐近式抽样一致性(IPROSAC)算法, 用于剔除误匹配点对和空间变换矩阵的参数估计, 从而得到拼接图像的空间几何变换关系。实验结果表明, 该算法的图像拼接时间为287 ms, 与单独采用CPU串行算法相比速度提高了近30倍。

介绍一种基于相位式激光测距的高动态、高准确度测距系统.系统引入光频调制技术实现激光拍频产生高频调制信号并完成信号的高速变测尺调制.在对回波信号进行鉴相时, 为降低鉴相偏差采用无窗全相位谱分析并实现对测量信号的相位计算.计算表明, 该方法可以有效抑制频谱泄露, 减小噪声对测量结果的影响, 提高鉴相准确度.实验表明该测距系统可以有效地解决相位法测距中存在的抗干扰能力差、距离模糊较难抑制等问题, 调制信号频率为100 MHz、信噪比为30 dB时测距准确度优于0.5 mm.

为实时获取智能电动车的状态信息,将液晶显示器及语音芯片应用于智能电动车系统。智能电动车由两个模块组成:电动车模块和无线控制模块。无线控制模块向电动车发送命令,电动车依据接收到的命令动作。无线控制模块在发送命令的同时,将命令信息实时显示在液晶显示器上,并通过语音芯片发出语音提示。语音提示部分同时具有现场重录功能。在概要介绍系统组成的基础上,着重分析了液晶显示及语音提示的设计,最后给出了无线控制模块实物图。实际系统运行结果表明,液晶显示和语音播放与无线发射命令同步,语音模块现场重录功能便于实现。