针对单次扫描角度不同引起的夹杂检测误差较大、稳定性低等问题,提出了一种低密度粉末材料的多角度数字化X射线摄影(DR)扫描夹杂检测方法。首先对被测对象进行多角度DR检测;然后采用尺度不变特征变换(SIFT)特征匹配的方法寻找不同角度下夹杂的图像,自动选取不同角度下夹杂尺寸的最大值作为近似值;最后建立不同角度下夹杂面积和旋转角度的关系,并预测出夹杂的最大面积和旋转角度。实验结果表明,所提方法解决了计算机断层扫描(CT)效率低的问题,相比单次扫描检测方法,进一步提高了检测的准确性和稳定性,并且较小旋转角度下的预测具有较高置信度,能够满足实际生产检测需求。

Recently, automatic diagnosis of diabetic retinopathy (DR) from the retinal image is the most significant research topic in the medical applications. Diabetic macular edema (DME) is the major reason for the loss of vision in patients suffering from DR. Early identification of the DR enables to prevent the vision loss and encourage diabetic control activities. Many techniques are developed to diagnose the DR. The major drawbacks of the existing techniques are low accuracy and high time complexity. To overcome these issues, this paper proposes an enhanced particle swarm optimization-differential evolution feature selection (PSO-DEFS) based feature selection approach with biometric authentication for the identification of DR. Initially, a hybrid median filter (HMF) is used for pre-processing the input images. Then, the pre-processed images are embedded with each other by using least significant bit (LSB) for authentication purpose. Simultaneously, the image features are extracted using convoluted local tetra pattern (CLTrP) and Tamura features. Feature selection is performed using PSO-DEFS and PSO-gravitational search algorithm (PSO-GSA) to reduce time complexity. Based on some performance metrics, the PSODEFS is chosen as a better choice for feature selection. The feature selection is performed based on the fitness value. A multi-relevance vector machine (M-RVM) is introduced to classify the 13 normal and 62 abnormal images among 75 images from 60 patients. Finally, the DR patients are further classified by M-RVM. The experimental results exhibit that the proposed approach achieves better accuracy, sensitivity, and specificity than the existing techniques.

数字化X射线图像(digital radiography, DR)与数字重建放射图像(digitally reconstructed radiography, DR)属于不同模态图像, 实现二者的高精度快速配准是一个技术难题。在实际应用中, 往往会同时获取物体的正侧面DR和DRR图像。提出一种基于互信息与梯度信息相结合的配准算法。首先, 对正侧面图像进行小波分解, 获得低分辨率子图像并配准, 使用粒子群优化(particle swarm optimization, PSO)算法进行全局寻优; 然后, 根据配准结果, 判断互信息与梯度信息配准结果是否正确, 如果配准错误, 则在下一阶段中不使用该结果作为配准依据; 最后, 以PSO算法寻优结果作为Powell算法的寻优初始点, 对原始正侧图像进行精确配准。实验结果显示, 本算法快速完成配准, 配准精度达到2 mm, 满足实际应用要求。

针对组合导航系统中观测噪声特性复杂多变、难于准确估计的问题，基于不同测量系统的测量互补特性，提出了针对单次历元的观测噪声特性动态估计方法。在此基础上，以预设滤波精度为指标，提出了通过构造自适应因子对估计观测噪声进行适当调节的自适应卡尔曼滤波算法。该算法通过构造相对测量关系，避免了直接对测量噪声真值求解的难题，并且在滤波过程中采用序贯处理方法进行实时解算，有效降低了计算量。在GPS/DR实际系统中的应用结果表明，同改进的sagehusa算法及MAKF算法相比，基于R阵动态估计的自适应滤波算法能够自适应地跟踪GPS测量噪声特性的变化，定位结果光滑可靠，具有明显的优越性。

为提高GPS/DR组合导航系统航向估计精度,在卡尔曼滤波基础上提出了一种实时调节状态误差方差阵Q、观测误差方差阵R的自适应滤波方法;利用多重判决条件和规则约束,对惯性器件信息和滤波后输出的航向信息进行数据筛选。将此方法与在卡尔曼滤波中常用的Q,R取经验值法和Sage-Husa法进行比较,经实验仿真结果表明该方法能明显提高系统输出的航向精度,可获得更为准确的航向估计结果。

分布式虚拟环境的动态共享状态是所有关于虚拟环境的不断变化的信息,而维护动态共享状态是建立分布式虚拟环境的重要环节.提出并比较了维护共享状态的三种策略:集中式信息存储策略、高频率状态再生策略和DR技术策略.集中式信息存储策略提供了很高的一致性,然而代价是高的带宽开销、减慢的吞吐量,以及各主机间的依赖性增强;高频率状态再生策略牺牲了数据的绝对一致性,但能保证数据的最终一致性并且减少了各主机间的依赖性;DR技术策略提供的数据一致性很差,但节省了带宽并增强了各主机的自主权,可支持大量的用户.

在自旋轨道劈裂阵模型(SOSA)下，通过类锌组态，理论计算出类铜Dy^{37+>/sup>的双电子复合速率系数，得出其在电子温度0．02keV～5．0keV范围内的变化规律，分析了不同离化度离子的能级特征，并分析了影响双电子复合速率系数的主要因素是相应的中间自电离态旁观电子主量子数、旁观电子角动量和电离能，这为实现等离子体的诊断提供了重要的参数。}

在自旋轨道劈裂阵模型下,通过类铜组态理论计算出类镍Gd36+的双电子复合速率系数,得出其在电子温度0.02～5.00keV范围内的变化规律,影响双电子复合速率系数的主要因素是相应的自电离系数和离化势。这为等离子体的诊断提供了一种新的方法。