【摘 要】
：
Since rough surface scattering has a great impact on the accuracy of the propagation prediction algorithm,an integrated algorithm for indoor propagation prediction including rough surface scattering i
论文部分内容阅读
Since rough surface scattering has a great impact on the accuracy of the propagation prediction algorithm,an integrated algorithm for indoor propagation prediction including rough surface scattering is proposed here.This algorithm is composed of a thre
其他文献
目的以实现鼠类头骨自动鉴定为目的,设计并开发了基于随机森林的鼠类自动识别系统。方法系统应用计算机图像识别技术,使用计算机视觉库OpenCV和随机森林算法,设计鼠类头骨识别的训练和识别程序,训练模块包括图像输入、图像预处理、特征提取、训练分类器和分类器数据储存5个部分,识别模块的流程又包括图像输入、图像预处理、特征提取、模式识别和返回识别结果5个部分。通过自动提取鼠类头骨上颌正面图像的32个数学形态
为了得到均值漂移的自适应带宽并更精确地分割出脑部磁共振成像(MRI)的肿瘤,本文提出了一种改进的均值漂移方法。首先利用脑部图像的空间特征去除MRI图像中的头骨,消除头骨对分割的影响;然后根据脑部不同组织(包括肿瘤)在空间上集聚的特征,利用边界点得到优化的初始均值以及相应的自适应带宽,从而提高肿瘤分割的精度。实验结果表明,与固定带宽均值漂移算法相比,本文方法分割肿瘤更为精确。
目的:通过超声图像预处理和对图像分割方法的改进,完成超声心动图中心腔轮廓的提取。方法:首先,运用基于斑点指数的滤波方法对超声图像进行去噪。其次,对超声图像进行分段非线性灰度变换,提高图像对比度。最后,利用改进的基于C-V模型的水平集算法对超声图像进行分割,得到精确的初始轮廓。结果:1基于斑点指数的图像滤波方法可以在不丢失细节的情况下对超声图像进行噪声滤除。2分段非线性灰度变换可以有效提高超声图像的
在患者胸部正电子发射成像(PET)过程中,呼吸运动会造成成像质量下降。本文使用三层网格B-样条弹性配准的方法修正重组和降噪后的正弦图来进行呼吸运动校正。使用GATE仿真NCAT呼吸运动体模数据进行实验,结果显示图像质量得到了很大地提高,运动伪影和结构信息得到了修复,表明本文的方法是有效的。
针对利用稀疏角度投影数据实现优质CT图像重建的问题,提出了一种改进的基于选择性图像全变差(TV)约束的快速迭代重建算法。该算法采用两相式重建策略,首先利用代数重建算法(ART)重建中间图像并进行非负性约束,然后采用选择性TV最小化对上述图像进行优化修正,两步交替进行直到满足某一收敛准则。为了进一步提升算法效能,该算法在迭代过程中应用快速收敛技术加快算法收敛。应用该算法对仿真的Sheep-Logan
条形码(barcode)是将宽度不等的多个黑条和空白,按照一定的编码规则排列成的平行线图案,供人们直接识读或通过键盘向计算机输入数据使用。由于其具有可靠性强、效率高、构造简单、成本低、易于制作、灵活实用的优点,目前在国内血站得到了广泛的应用[1-2]。对条形码的识别主要使用条码扫描器,常见条码扫描器类型分为光笔、CCD、激光3种。本中心于1995年开始使用条码扫描器,通过多年来的使用,针对处置条形
通过教学改革的不断深化,传统的教学方式已经不能满足国家发展对于高素质人才的要求。本文介绍了office办公软件在教学过程中的应用,并且分析了这种新型的教学方式对提高学生学习效率、培养学生创新能力的影响。
In free viewpoint video(FVV)and 3DTV,the depth image-based rendering method has been put forward for rendering virtual view video based on multi-view video plus depth(MVD) format.However,the projectio
"我在路上堵车呢!帮我打卡啊!""地铁又出信号故障了,9点前很难赶到啊,帮我打个卡!""你们在哪里?马上过打卡时间了,怎么还不到?要不要先帮你们打卡?"……打卡是大多数上班族每天到公司的第一件事情。每个工作日的早上,为了能在9点之前打上卡,上班族们
Option is a promising method to discover the hierarchical structure in reinforcement learning(RL) for learning acceleration. The key to option discovery is about how an agent can find useful subgoals