江苏省自然科学基金(BK2012189)
- 作品数：11 被引量：42H指数：4
- 相关作者：戴亚康张涛章程杨莹雪王玉平更多>>
- 相关机构：中国科学院中国科学院大学中国科学院长春光学精密机械与物理研究所更多>>
- 发文基金：江苏省自然科学基金国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术医药卫生电子电信更多>>
- 基于Riesz变换的结构相似度图像质量评价方法被引量：2
- 2015年
- 不同的图像处理过程,会对图像引入各种各样的失真,如何对图像的质量进行评价成为一个热点问题。针对传统的基于像素差值统计的峰值信噪比方法及结构相似度方法与人眼主观评价不够符合的情况,本文提出了一种基于Riesz变换的结构相似度图像质量评价方法。该方法先将参考图像和失真图像进行一阶Riesz变换和二阶Riesz变换,并利用得到的5组对应特征图计算出5幅相似度图和5幅权重图,利用平均法进行融合得到最终的相似度图和权重图,然后加入原参考图像和失真图像的亮度比较项,得到最终的图像质量评价指标。在LIVE图像数据库上的实验表明,本文方法对于5种失真的质量预测准确性和一致性都很高,在交叉失真实验中,本文方法也优于结构相似度方法,PLCC和SROCC值达到了0.9482和0.9532。与几种公认较好的方法相比,本文方法能够更好地预测图像质量,更加符合人眼的主观感知。
- 卢彦飞张涛
- 关键词：图像质量结构相似度RIESZ变换
- 一种基于脑MR图像的三层头模型自动分割方法
- 2015年
- 在求解脑电图EEG及脑磁图MEG正问题的过程中,常需要对人体组织中介电常数差距大的地方进行分层建模,以便更加准确的计算其传导矩阵。在人体脑部的各个组织中,颅骨和周围脑组织的介电常数差别尤其大。如何从脑MR图像中自动、准确地分割出颅骨部分,成为精确计算MEG/EEG正向传导矩阵的关键问题。而在磁共振图像(MRI)中,虽然软组织能被很清晰的成像,但颅骨却因为缺少氢而在图像中成像模糊,用传统的分割算法很难自动分割出准确的结果。为解决上述问题,本文提出一种结合脑组织平滑的先验信息和基于形变的曲面演化自动分割算法,来分割脑MR图像中的颅骨部分。再利用基于水平集的活动轮廓方法提取出头皮组织,进而构建出EEG及MEG正问题计算所需的三层真实头模型。我们将自动分割结果与手动分割结果进行了比较,证明了本文方法的有效性。
- 游佳丽周志勇章程陈光强戴亚康
- 关键词：C-V模型MR影像EEGMEG
- 基于奇异值分解和最小L2范数解的动态脑磁源重建被引量：1
- 2015年
- 脑内神经信号的动态传递过程在临床脑疾病诊断和认知科学中得到了越来越多的重视和研究。为求解动态脑磁逆问题,本文提出通过时域子空间求解动态脑磁L2范数解的方法并验证其可行性。具体地,对脑磁测量信号进行奇异值分解,通过右奇异向量矩阵构造源信号的时域子空间,将测量信号和待求源信号投影到时域空间进行求逆,然后将解反投影到解空间重建出动态脑磁源信号。与施加时域约束的双正则化方法相比,本文方法计算量大大降低,不同噪声水平下本文方法的均方误差都小于双正则化方法,而且重建出的源信号与仿真信号吻合更佳,信噪比更高。
- 刘婷戴亚康杨莹雪王玉平
- 关键词：奇异值分解脑功能神经传递
- 应用变权全变分重建抑制CT金属伪影被引量：1
- 2015年
- 提出一种基于变权全变分(RWTV)迭代重建的金属伪影校正算法以抑制CT系统重建图像中出现的金属伪影。该算法应用自定义的权值函数对全变分模型做加权惩罚,生成权值全变分模型;通过交替解权值全变分最小化过程和更新权值步骤实现变权全变分重建算法。应用该算法对数值模型和临床图像前向投影生成的投影数据分别进行了重建实验。数值模型实验结果表明:在60个采样角度下,用提出算法重建的图像具有最高的空间分辨率特性;且信噪比值较平滑插值金属伪影校正算法、全变分约束最优化算法的重建结果分别高出17.523 6和7.145 2dB。临床数据实验结果表明:该算法重建结果有效抑制了CT金属伪影,清晰重建出颅骨内的细节解剖结构,极大提高了重建图像的质量。
- 李铭郑健章程周哲张涛
- 关键词：图像重建金属伪影信噪比
- 基于功率谱的睡眠中癫痫发作预测被引量：10
- 2018年
- 睡眠中如果癫痫发作会增加患者并发症发作和猝死的概率,有效预测患者睡眠中的癫痫发作可让医患及时采取措施,降低上述概率。现有癫痫发作预测方法多是基于脑电信号设计的,但并未在睡眠时期进行针对性研究,而该时期脑电信号相比其他时期有其特殊性,因此为提高灵敏度、降低错误报警率,本文将挖掘睡眠脑电信号的特点,研究睡眠中癫痫发作的预测方法。本文提出的方法中首先构建特征向量,包括不同波段的绝对功率谱、相对功率谱和功率谱比值;其次应用分离性判据和分支定界法进行特征选择;最后训练支持向量机分类器并实现预测。相比于不针对睡眠脑电信号特点的癫痫预测方法(灵敏度91.67%,错误报警率9.19%),本文方法的灵敏度(100%)有所提高,而错误报警率(2.11%)则有所降低。本文方法是对现有癫痫预测方法的补充,具有一定的临床价值。
- 刘伟楠刘燕佟宝同赵凌霄杨莹雪王玉平王玉平
- 关键词：脑电信号功率谱支持向量机
- 含局部空间约束的t分布混合模型的点集配准被引量：4
- 2014年
- 基于高斯混合模型(Gaussian mixture model,GMM)的点集非刚性配准算法易受重尾点和异常点影响,提出含局部空间约束的t分布混合模型的点集非刚性配准算法.通过期望最大化(Expectation maximization,EM)框架将高斯混合模型推广为t分布混合模型;把Dirichlet分布作为浮动点的先验权重,并构造含局部空间约束性质的Dirichlet分布参数.使用EM算法获得配准参数的闭合解;计算浮动点的自由度,改变其概率密度分布,避免异常点水平估计误差.实验表明,本文提出的配准算法具有配准误差小、鲁棒性好、抗干扰能力强等优点.
- 周志勇李莉华郑健蒯多杰胡粟张涛
- 关键词：点集非刚性配准期望最大化算法
- 基于时域平滑约束的脑磁时序信号逆问题求解方法被引量：1
- 2016年
- 由脑磁时序信号重建脑内时序神经信号时,除了要保证重建信号位置和强度的准确性,还要避免重建源信号在时域上瞬变.针对这一问题,提出了一种基于时域平滑约束的脑磁时序信号逆问题求解方法.该方法不同于传统最小范数估计算法(Minimum Norm Estimate,MNE),通过引入时域平滑正则算子构造双参数混合正则化,根据广义交叉验证(Generalized Cross-Validation,GCV)原则选取双正则化参数后,根据单正则项的解在源信号中的权重将其进行线性组合估算出源信号.仿真数据实验表明,本文方法比传统MNE方法的总体均方误差小,且各时刻均方误差基本稳定在同一水平;同时本文方法重建的源信号与仿真源信号变化趋势基本一致.真实数据实验发现,本文方法重建结果的曲率变化率为0.0640,而传统MNE方法重建结果的曲率变化率为0.1646.实验结果证明本文方法能重建出空域准确且时域平滑的脑内神经信号.
- 刘婷戴亚康杨莹雪王玉平
- 关键词：逆问题
- 基于局部信息失真建模的图像质量评价方法
- 2015年
- 针对传统的基于像素差值统计的方法以及结构相似度方法不能很好地反映主观评价结果的情况,提出了一种利用图像局部信息失真建模的质量评价方法。该方法通过考虑人眼视觉系统的特点,对像素灰度失真、局部对比度失真和局部结构失真进行建模,并利用局部方差作为权重,得到了最终的图像质量评价测度。其物理意义明确,而且计算相对简单。在LIVE图像数据库上的实验表明,本文方法对于jp2k,jpeg,gblur和fastfading失真的质量预测准确性和一致性都很高,均优于结构相似度方法,对于wn失真也有较好的预测结果。与几种公认较好的方法相比,本文方法表现出了很好的预测性能,得到了与人眼主观感知更加一致的结果。
- 卢彦飞张涛郑健李铭章程
- 关键词：图像质量结构相似度局部二值模式局部方差
- 应用log-Gabor韦伯特征的图像质量评价被引量：8
- 2015年
- 考虑人眼对亮度的感知符合韦伯定律的特点,本文利用log-Gabor滤波器模拟人眼对图像的感知过程,提出了一种新的log-Gabor韦伯特征,以便保留不同尺度的符合人眼感知的结构信息。基于此,还提出了一种应用log-Gabor韦伯特征的图像质量评价方法。首先将待评价失真图像和参考图像从RGB空间转换到YIQ颜色空间,分离亮度分量和颜色分量。然后利用log-Gabor韦伯特征和梯度特征计算亮度分量失真,并结合颜色分量的失真,得到失真图像与参考图像的局部相似度图。最后利用修正的CSF函数,对局部相似度图进行加权,得到图像质量评价指标。在LIVE、CSIQ和IVC3个图像库上的实验结果表明,本文方法与人眼主观感知有很好的一致性,而且相对于其他方法,表现更加稳定。本文方法在3个图像库上的加权Spearman秩相关系数(SROCC)为0.949 8,Kendall秩相关系数(KROCC)为0.802 6,Pearson线性相关系数(PLCC)为0.943 8,相比对比方法有显著的提高。
- 卢彦飞张涛章程
- 关键词：图像质量评价
- 基于自适应驱散机制的粒子群优化算法被引量：3
- 2017年
- 为克服粒子群优化算法(PSO)易陷入局部最优导致早熟收敛的问题,提出了一种新型的基于自适应驱散机制的粒子群优化(ADMPSO)算法。基本的粒子群优化算法易陷入局部最优,一般的改进算法在搜索过程之中对个体最优和全局最优结果进行调整,虽然避免了粒子群陷入局部最优,但会很大程度减慢收敛速度。提出的改进算法只有在种群快要陷入局部最优时,才会对粒子群进行有效驱散,这样不仅保证了收敛速度,又不会使粒子群陷入局部最优。对维度30的12个标准测试函数进行测试的结果表明ADMPSO算法相较于经典粒子群(General PSO,GPSO)算法、综合学习粒子群优化算法(Comprehensive Learning PSO,CLPSO)算法和动态多粒子群协调搜索优化算法(Dynamic Multi-Swarm PSO with sub-regional Harmony Search,DMS-PSO-HS),可以更有效避免陷入局部最优,稳定地找到最优值,同时又能保证一定的收敛速度。ADMPSO算法不容易陷入局部最优和迭代次数更少的特点使得PSO算法更加实用化。
- 游佳丽周志勇章程戴亚康
- 关键词：粒子群
