摘要：针对吸气式高超声速飞行器爬升段飞行任务,考虑飞行器气动/推进特性及参数不确定性问题,采用鲁棒优化思路,结合巡航性能指标,优选了飞行器爬升段的关键任务点。首先,由能量状态法结合发动机工作约束,确定了飞行器的爬升起始任务点;其次,依据飞行器巡航性能分析方法,提出了兼顾气动/推进效率的性能指标,优化得到了高超声速飞行器爬升末端任务点;最后考虑飞行器质心位置的不确定性,采用鲁棒优化方法确定了爬升段末端的飞行任务窗口。仿真结果表明,设计的优选流程快速可行,飞行任务窗口能同时满足飞行器的巡航飞行性能要求及不确定性最坏情况的约束,具有较强的鲁棒性。

摘要：为能够在大规模地形实时渲染中提高渲染及数据压缩的速率,提出一种利用GPU并行优化的快速EZC-DCT地形压缩算法。采用二维快速DCT变换代替EZC-DCT算法中的DCT变换,在利用GPU对算法进行并行加速的基础之上,对算法的并行方案进行优化改进,更加有效地利用GPU强大的并行计算能力,分担CPU的负荷,快速完成相关计算。实验结果表明,该算法帧速率比原EZC-DCT方法提升约10个百分点,满足地形渲染的实时性要求。

摘要：在大规模地形实时绘制时,地形规模越大,帧速率越小,渲染速度越慢,影响了漫游者在虚拟空间中的沉浸感。基于此,提出一种基于埃尔米特运动预测的地形实时绘制方法。采用埃尔米特插值算法进行视点运动预测,提前加载下一视点位置及视线方向的地形数据,减少实时绘制时的动态加载量,有效提高帧速率,避免漫游过程中画面停滞的现象;该算法计算量较小,稳定性相对其它算法较高,在取适当步长的情况下,能获得期望的精度,不会出现龙格现象。实验结果表明,在大规模地形的实时绘制时,该方法帧速率变化小,在保证渲染画面平滑和地形绘制实时性的同时,提高了地形渲染速度,避免了视觉上的跳跃感。

摘要：利用传统图像哈希方法对肺结节图像进行检索时,存在不能完整表达肺结节图像关键信息且检索效果欠佳的问题。针对这一情况,提出一种基于征象信息和深度哈希的肺结节CT图像检索方法。使用设计的深度网络对所研究肺结节图像进行深度特征的有效提取和征象类型的分类,将哈希函数嵌入到深度网络中实现哈希码的有效映射,使用特征关联的方式将分类概率值分布相似的待查询图像和训练集图像进行深度特征的关联表示,采用改进的距离度量计算方法衡量候选图像间的相似度,快速返回最匹配的肺结节图像。实验结果表明,所设计检索方法可以实现肺结节图像的高效检索。

摘要：针对传统肺结节检测中存在灵敏度低、假阳性高、小结节难检测的问题,提出一种基于深度卷积神经网络的两阶段肺结节检测框架。第一阶段使用特征金字塔子网提取肺部影像的多层次特征,引入多尺度区域建议子网用于在高灵敏度下检测出所有的候选结节;第二阶段设计级联卷积神经网络模型减少假阳性,通过保留分类错误样本用于重新训练模型,将多个模型结果进行投票选出最终分类结果。LUNA16数据集上的实验结果表明,所提框架灵敏度达到95.9%,检测效果优于其它算法,能够有效实现肺结节的准确检测。

摘要：手工设计的特征(如Gabor、LBP等)在表情识别中得到了广泛的应用。独立子空间分析是一种无监督特征学习方法,可从图像中学习出具有相位不变的特征。在表情识别应用中,由于复杂背景的影响以及人脸对齐方法的局限性,很难得到精确对齐的人脸图像序列。研究了在非精确对齐情况下,基于独立子空间分析的表情识别问题。通过分析不同子空间尺寸下的表情识别效果发现,在非精确对齐情况下,选择合适的子空间尺寸能提升学到的特征对表情识别的鲁棒性。

摘要：为提高计算机辅助诊断系统(computer-aided diagnosis,CAD)对肺结节的正确检出率,经过实验,提出融合3D-UNet和全连接条件随机场方法(fully connected conditional random fields)的网络模型,简称CRF 3D-UNet网络,对肺结节进行分割。前端使用3D-UNet网络结构,整合结节的空间信息和上下文信息提取不同分辨率级别的特征,对结节实现粗略分割;后面框架使用全连接条件随机场技术,随机场中考虑像素之间的关联性,编码像素的手工特征对前端的输出进行优化,实现结节的细分割。实验结果表明,该算法有效提高了肺结节分割的准确率,使得分割精度达到93.25%。

摘要：针对已有图像灰度化方法不能同时体现原始图像的全局和局部对比度,且不能保持灰度像素的灰度值等问题,提出一种基于主色检测与灰度传播的彩色图像灰度化方法.首先提出一种基于直方图峰值的主色检测方法,用于提取输入图像中具有代表性的少量主要颜色特征;然后采用基于梯度域的主色灰度化方法将图像主色映射到灰度空间,最大程度地在灰度空间保持主色在彩色空间的视觉对比度;再利用基于局部线性嵌入的灰度传播方法,将主色灰度值和原有灰度像素的灰度值扩散到与其颜色相似的像素上;最后检查图像中是否存在没有被灰度化的彩色像素,如果存在,则使用基于梯度域的局部灰度化方法将其灰度化,得到最终的灰度图像.大量实验结果表明,该方法将全局和局部对比度保持有机结合,得到的灰度图像较好地保持了彩色图像中色彩之间的差异性,并且保持了灰度像素的灰度值.

摘要：在计算机辅助诊断系统中对肺结节良恶性的准确分类至关重要,但由于肺结节形状大小变化较大,作为卷积神经网络(CNN)的输入,会形成噪声,干扰判断。融合多尺度空间金字塔池化(MSPP)对肺结节进行分类。在传统AlexNet模型的基础上做出改进,更利于肺结节图像的输入;采用多个尺度的结节范围,减少噪声;使用多尺度空间金字塔(MSPP)策略提高分类准确性。实验结果表明,该方法达到92.65%的准确性,在准确性、敏感度、特异度、ROC曲线下面积值上均优于其它分类方法。

摘要：传统肺结节良恶性诊断中,难以提取具有显著性和区分性的结节特征,会造成结节诊断准确率低、误诊率高等问题,为此提出一种基于三维尺度不变特征的肺结节良恶性诊断方法。综合考虑临床结节的三维特征和局部细节特征,选取结节序列图像的尺度不变特征点,联合3DSIFT描述子和灰度差累加直方图,统计获得每个特征点的尺度不变描述子,充分表征病灶的局部细节,利用DFCM聚类算法和BoW模型计算得到结节的特征表示,训练SVM完成结节的良恶性诊断。实验结果表明,该方法实现了优异的诊断效果,与不同文献中方法的对比中,有明显优势,且恶性度为3的结节更类似于良性结节。