陈浩
- 作品数：6 被引量：8H指数：2
- 供职机构：上海理工大学医疗器械与食品学院更多>>
- 发文基金：上海市教育委员会创新基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 基于高斯径向基图像插值模型的采样率转换方法研究被引量：1
- 2014年
- 目的:数字图像作为信息的一种载体,在相邻像素点之间具有极强的相关性。工程中经常需要从空域或频域基于采样率转换技术来分析数字图像,而采样率转换过程往往需要较高的计算复杂性。方法:采用高斯径向基插值的方法,获得图像各插值控制点加权系数。在此基础上进一步通过数学推导,从空域、频域角度对采样率转换方法进行研究和实验。结果:基于高斯径向基插值模型的图像空域多采样率转换可以直接通过重采样过程获得,因此不同于一般数字信号处理过程中所采用的经典转换方法。此模型下频域多采样率转换则通过频域滤波后再逆变换完成。在保持较小均方误差的基础上,基于FFT变换,频域多采样率图像转换过程得到了极大的提速。结论:实验结果表明:该算法在需要把图像表达成连续模型,以及通过空频切换进行图像快速采样率转换的应用场合具有相当的实际参考价值。
- 陈浩陈兆学
- 关键词：采样率转换加权系数FFT
- 显微图像高斯型点扩展函数参数估计方法
- 2014年
- 作为光学成像系统中最常见的简化模型,高斯型点扩展函数(PSF)参数的估计算法是图像复原领域中人们所研究的热点问题之一。本文基于文献中高斯型OTF曲线特征点与OTF参数及图像频域表达存在着确定数学关系的思想,提出了一种自动、准确、稳定地估计高斯型PSF参数的改进方法。该方法通过对真实图像实施高斯卷积模糊退化运算,突出相关计算特征,最终实现显微图像PSF参数的自动估计。实验表明,采用该方法所估计的PSF可以获得良好的尿沉渣图像复原效果,对于具有高斯型近似PSF模型的其他类型图像复原和三维显微图像复原研究也有相当的应用和参考价值。
- 陈兆学陈浩
- 关键词：图像复原傅里叶变换
- 基于计算统一设备架构的高斯径向基图像插值快速实现方法研究
- 2014年
- 在医学图像的处理及分析中,常常需要对图像进行插值运算。尽管高斯径向基(GRBF)插值有插值精度高的优点,但运算时间长的不足仍限制了它在图像插值中的应用。因此,本文提出采用基于计算统一设备架构(CUDA)的方法实现二维和三维医学图像的GRBF快速插值。根据CUDA单指令多线程(SIMT)的执行模型,采用合并访存、共享内存等各种合适的内存优化措施。并且在应用对数据空间进行二维分块,三维分体策略的过程中使用基于重叠区域的自然缝合算法来消除图像插值连接边界的失真现象。在保持较高图像插值精度的基础上,二维和三维医学图像GRBF插值各基本计算步骤都得到了极大的加速。实验结果表明:基于CUDA平台的GRBF插值执行效率与传统CPU运算相比明显提高,对其在图像插值中的应用具有相当的参考价值。
- 陈浩陈兆学喻海中
- 关键词：计算统一设备架构内存优化
- 基于灰度直方图多峰值选取的脑组织MRI图像K-means聚类分割方法研究被引量：3
- 2013年
- 针对传统的K-means聚类算法随机选取初始聚类中心的问题,根据脑MRI图像的灰度直方图呈现出多个"波峰"和"波谷"的特点,将鲁棒选取的"波峰"点用作代表脑白质、脑灰质、脑脊液的K-means聚类算法的初始聚类中心,提出了一种基于灰度直方图多峰值选取的脑MRI图像K-means分割算法,实验结果表明,该分割算法克服了传统K-means聚类算法随机选取初始聚类中心带来的迭代次数多、分割效率低、精确度不高、结果不稳定等不足,能够高效、准确、稳定地分割出了脑白质、脑灰质、脑脊液等脑组织。该算法直方图"波峰"点选取思想具有较为广泛的适用性。
- 陈兆学喻海中陈浩
- 关键词：医学图像分割
- 基于PLC的电源线绕线扎线步进控制系统设计被引量：4
- 2013年
- 介绍了一种基于PLC的电源线绕线扎线步进控制系统,分析了绕线扎线控制系统的硬件结构以及软件程序设计。采用PLC接收控制信号和驱动执行机构,使绕线扎线控制系统稳定、准确。利用触摸屏提供友好的人机界面,实现工艺参数修改方便。实践证明,该系统操作简单,运行稳定,自动化程度,适合应用于流水线进行生产,应用前景广阔。
- 陈浩陈锋
- 关键词：PLC电源线步进控制
- 基于CUDA的图像径向基模糊实现方法研究
- 2012年
- 目的:为了克服传统高斯模糊方法处理速度容易受模板大小局限和图像边界处不能真实反映高斯模糊结果的缺陷,本文提出了一种基于计算统一设备架构CUDA的图像高斯径向基模糊的实现方法。方法:采用连续的高斯径向基函数对图像直接在时域进行乘积运算,使高斯模糊后图像每一像素点值(包括图像边界处的像素值)与原始图像所有像素点的值相关联。根据高斯径向基函数径向对称的特点以及CUDA单指令多线程(SIMT)的并行执行模型,并且使用合并访存、共享内存、常量内存等合适的内存优化措施,对运算的过程进行GPU并行加速。结果:对尿沉渣图像进行高斯径向基模糊结果表明:图像在模糊过程中克服了模板的局限,在边界质量上得到了极大的改善;处理速度上也达到了较大的提高。结论:基于CUDA平台能很好的并行实现高斯径向基模糊,与串行运算速度相比,在大尺寸图像处理时加速比可望达到20倍以上。
- 陈浩陈兆学喻海中
- 关键词：计算统一设备架构内存优化加速比
