CT轴扫描和螺旋扫描模式对颅脑急诊患者影像质量与辐射剂量的影响

目的:探讨CT轴扫描和螺旋扫描模式对颅脑影像质量和辐射剂量的影响,为颅脑急诊CT患者合理选择扫描模式提供依据。方法:20例患者,急诊CT扫描采用螺旋扫描模式,首次复查时采用轴扫描模式。管电压120kV,管电流290mA,球管转速0.8s,层厚5mm,间隔5mm,螺距0.969∶1,标准重建算法。测量脑灰质和脑白质CT值和背景噪声,计算SNR和CNR,并对图像噪声、颅底伪影、脑灰、白质对比显示情况进行主观评分,扫描后从CT剂量报告中调取辐射剂量值。两种扫描模式影像质量组间比较采用配对t检验和独立样本卡方检验。结果:轴扫描模式时脑灰、白质CT值分别为(38.02±2.23)HU和(27.01±1.72)HU,螺旋扫描时脑灰、白质CT值分别为(37.76±2.22)HU和(26.99±1.69)HU。CT轴扫描和螺旋扫描模式时,脑白质CT值、SNR和CNR差异没有统计学意义(P>0.05,t=0.045,0.119,0.502),图像噪声、颅底伪影、脑灰、白质对比显示主观评分结果没有统计学意义(P>0.05,χ2=3.142,0.0,3.159)。有效剂量在螺旋扫描模式时为66mSv,在轴扫描模式时为43mSv,但螺旋扫描模式扫描时间短,后处理重组图像对影像诊断有意义。结论:从影像质量和辐射剂量两方面考虑,对颅脑急诊患者CT检查时首选轴扫描模式,但对躁动不合作患者或体位不合作患者应选择螺旋扫描模式。      

基于多重分形特征的岩体结构面剪切强度研究

Barton剪切强度模型是目前工程实践中普遍采用的强度公式,而实践应用时,该模型中结构面粗糙性系数（JRC）的评估存在主观性和片面性的缺点。鉴于此,应用多重分形理论,提出了采用多重分形参数准确量化JRC的方法。首先应用数字图像处理技术获取了结构面三维形貌数据信息;然后采用投影覆盖法进行了结构面的分形维数计算,重点对结构面的多重分形特征进行了分析,通过对比分析了构造的15个结构面的多重分形特征值。结果表明：结构面越粗糙,多重分形特征参数 和 值越大, 或 能够很好地描述结构面的形貌特征。最后对9组石膏试件进行了剪切试验,通过不同正应力下对应的剪应力数据分析,结合结构面形貌多重分形参数 或 ,以Barton剪切强度公式为基础,应用最小二乘法原理,给出了JRC与 及JRC与 关系。这样在工程实际中,可以用参数 或 对JRC进行估算,克服了JRC人为估值主观性及采用二维标准轮廓线评估片面性的缺点,为准确评估结构面粗糙度提供了一条新的途径。在此基础上,应用Barton模型可准确估算岩体结构面的剪切强度。     

无人机航测技术在农村土地承包经营权确权调查底图制作中的应用

通过无人机航摄技术在农村土地承包经营权确权登记工作调查底图制作的实例应用,论述了无人机航空摄影、像控点测量、空中三角测量、数字正射影像图和地块分布图的制作等几方面的技术流程和方法,以增城区北部派潭镇的农村承包土地为试点,探索无人机影像底图的获取、处理、调查及对地块分布图的制作方法,为相关部门开展确权登记颁证工作提供技术支持。     

一种改进的SAR影像边缘检测方法

由于SAR影像具有乘性相干斑噪声,某些对光学影像有较好检测性能的边缘检测算子,对于SAR影像并不适用,因此本文提出了一种将改进后的Ratio算子与Canny算子相组合的新方法。首先采用多种客观评价指标,得出经典方法中的Lee滤波能有效去除噪声,且最大限度保留了梯度信息,适用于边缘检测;然后对边缘检测具有恒虚警特性的Ratio算子进行改进,改进后的算子更利于影像归一化处理;最后利用改进后的Ratio算子与Canny算子组合成新方法。试验结果证明,组合后的新方法显著提高了边缘检测正确率和定位精度,改善了边缘连续性,具有一定的有效性和实用性。     

基于S3VM模型的高光谱遥感影像分类

针对传统的高光谱遥感影像分类受限于训练样本的个数,难以取得较好分类结果的不足,提出了一种基于聚类核的半监督支持向量机（S³VM）模型的高光谱遥感影像分类方法。该算法在半监督支持向量机的体系上加入未标记样本来辅助构建核矩阵,从而获得更优异的分类器,在小样本的基础上提高分类精度。试验结果表明,本文方法的分类精度好于传统方法,并且稳定性良好。     

空基下视时序影像瞬时成像模型研究

物方空间的物体随着时间的推移进行着绝对运动,运动导致了相对位置的变化,时间序列影像记录了物方三维空间的动态变化。本文基于下视时间序列影像的动态特性,在共线方程中引入时间元素,提出了空基下视时间序列影像瞬时成像模型,描述了动态“物像”间的瞬时投影关系;针对地表不同类型动态物体,构建了“由像到物”的应用模型,实现了从像方动态特征计算地表物体特征的目的。通过仿真和真实航空下视序列影像的试验与分析,验证了序列影像瞬时成像模型能够定量计算像地动态特征。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

利用多分类器自适应级联模型的高分二号影像分类

针对传统单一分类器分类效果不够理想,存在各自的不足,以及已有的多分类器级联模型不能根据待识别样本特征进行动态调整优化等问题,提出了一种基于多分类器自适应级联模型的遥感影像分类方法。该模型选取各类别最优分类器进行级联组合,以待识别样本在整体性能最优分类器的表现对类别最优分类器作出自适应调整,对高分辨率影像分割后的像斑对象输出类别信息。以杭州区域高分二号遥感影像进行分类试验,结果表明,本文方法相比于单一分类器及已有的级联模型具有更高的分类精度。     

一种结合拓扑信息和SIFT特征的多源遥感影像自动匹配方法

基于单一特征的匹配办法在多源遥感影像匹配中往往不适用的问题,提出了一种结合拓扑信息和SIFT特征的自动多源遥感影像匹配方法。该方法首先在两幅影像中使用SIFT算法在尺度空间上提取特征向量,其次对这些特征点使用最近邻提取1：N的多个可能的匹配点对,然后结合位置信息和拓扑信息对这些可能的匹配点对进行剔除,并使用RANSAC方法剔除粗差,最终得到同名匹配点。试验结果表明,相比于计算机视觉领域常用的SIFT算法,本文方法可有效地提高匹配正确率,并获得更多正确的同名点。     

Estimating the settling velocity of bioclastic sediment using common grain‐size analysis techniques

Most techniques for estimating settling velocities of natural particles have been developed for siliciclastic sediments. Therefore, to understand how these techniques apply to bioclastic environments, measured settling velocities of bioclastic sedimentary deposits sampled from a nearshore fringing reef in Western Australia were compared with settling velocities calculated using results from several common grain‐size analysis techniques (sieve, laser diffraction and image analysis) and established models. The effects of sediment density and shape were also examined using a range of density values and three different models of settling velocity. Sediment density was found to have a significant effect on calculated settling velocity, causing a range in normalized root‐mean‐square error of up to 28%, depending upon settling velocity model and grain‐size method. Accounting for particle shape reduced errors in predicted settling velocity by 3% to 6% and removed any velocity‐dependent bias, which is particularly important for the fastest settling fractions. When shape was accounted for and measured density was used, normalized root‐mean‐square errors were 4%, 10% and 18% for laser diffraction, sieve and image analysis, respectively. The results of this study show that established models of settling velocity that account for particle shape can be used to estimate settling velocity of irregularly shaped, sand‐sized bioclastic sediments from sieve, laser diffraction, or image analysis‐derived measures of grain size with a limited amount of error. Collectively, these findings will allow for grain‐size data measured with different methods to be accurately converted to settling velocity for comparison. This will facilitate greater understanding of the hydraulic properties of bioclastic sediment which can help to increase our general knowledge of sediment dynamics in these environments.