简介：医学图像在形成、传输和记录过程中，由于受多种原因的影响，图像的质量会有所下降，典型表现为图像模糊、失真、有噪声等。针对现有图像遗传恢复算法存在的缺陷，从编码设计、种群初始化、遗传算子操作及更新机制，提出了自己的观点，在MATLAB7．0环境下结合不同图像进行仿真实验，

简介：目前,超声平面波造影图像空间分辨率和信噪比的提升主要依赖于相干角度复合技术。然而,角度复合次数的增加,势必导致造影成像帧率的下降以及微泡击碎率的提升。为了克服该技术瓶颈,本文将具有更窄主瓣宽度和更强干扰/背景噪声抑制能力的自适应波束形成应用于超声平面波造影成像,力求以较少的角度复合次数达到与常规波束形成方法相当甚至更优的空间分辨率和信噪比。其中,采用前后向空域平滑方法对阵列协方差矩阵进行解相干处理,以抑制多次反射回波和相干杂波,最后引入对角加载技术以提升自适应方法的稳健性。本文使用迈瑞公司的Resona7平台配以L11-3U线阵探头,采集平面波造影通道数据进行MATLAB仿真,验证了所提出方法的有效性和性能优势。基于体模数据的仿真结果显示,在同为17次相干角度复合的条件下,本文方法的横向分辨率优于常规波束形成方法;基于犬肝脏活体数据（注射SonoVue造影,剂量为0.05mL/kg）的仿真结果则表明,本文方法只需9次复合即可达到与常规方法13次复合相当的造影信噪比。

简介：通过改进处理K-SVD算法得到DDELM-AE算法,之后再把该算法应用于物体特征识别中。研究结果得到:K-SVD算法的收敛速率较快,达到收敛的时间也显著比SAE算法更短,本文通过改进K-SVD算法之后使DDELM-AE算法的计算准确率以及计算效率都获得了显著的改善。采用K-SVD算法可以达到76.3%的识别准确率,使用深度特征信息之后,可以使识别准确率升高至81.4%,DDELM-AE可以显著提高K-SVD算法的性能,并且加入多特征之后可以使算法识别准确率得到显著提高。

简介：为了克服图像模式识别中的噪声干扰,提出了一种具有感知功能的蚁群算法获得最终检测的边缘信息。改降低了迭代的游走以及初始随机分布里面一些没有意义的运算,使系统运算更加快捷,极大的提高了运算的效率。同时使用感知区域对蚂蚁的游走方向进行了引导和限制,降低了蚂蚁陷入局部而无法走出的可能性。通过对比两种算法进行仿真实验时的运行速度可以发现传统蚁群算法的速度比SACO慢很多。