-
题名X射线CT模型及重建算法
被引量：1
- 1
-
-
作者
王洋
夏顺仁
汪元美
-
机构
浙江大学生物医学工程教育部重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2005年第4期220-222,229,共4页
-
文摘
该文从系统论的观点出发,将由投影重建图像中的变换看成空间变化的动态系统模型。基于所建立的连续模型,首先对传统算法的优劣点作了分析比较,接着介绍了基于小波的多分辨分析在图像层析重建中的运用及发展;基于离散模型,从信息论的角度将级数展开法归于单目标优化成像算法,同时介绍了多目标优化理论并对其中多目标熵优化理论的最新发展作了着重探讨。
-
关键词
图像重建
空变模型
卷积反向投影
多分辨率层析重建
熵优化
-
Keywords
image reconstruction,spatial variant models,convolution backprojection,multiresolution tomography,vector-entropy optimization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于井轨迹地震层位化的水平井时深关系研究及应用
被引量：3
- 2
-
-
作者
边立恩
于茜
谷志猛
孙希家
罗义科
-
机构
中海石油(中国)有限公司天津分公司渤海石油研究院
-
出处
《中国海上油气》
CAS
CSCD
北大核心
2015年第6期37-42,共6页
-
基金
中国海洋石油总公司"十二五"科技重大专项(编号:CNOOC-KJ125 ZDXM06 LTD-10-KFSC-14)部分研究成果
-
文摘
针对倾斜地层对水平井时深映射的影响,从理论模型的角度分析并论证了常规借用时深关系所导致的井震矛盾,在此基础上提出了基于井轨迹地震层位化的解决方法。该方法将构造约束下的层位时深转换理念引入到井轨迹的时深映射中,首先对井轨迹进行地震层位化处理,然后通过建立地质构造约束下的高精度空变速度模型,将井轨迹的深度域地震层位进行深时映射,最终得到井轨迹在时间域更加客观真实的投影形态。该方法在渤海NB油田的实际应用中取得了良好的效果,对类似构造特征区的井位设计及随钻过程中井轨迹的实时调整亦具有较强的指导意义。
-
关键词
水平井
时深关系
深时映射
倾斜地层
井轨迹
地震层位
空变速度模型
渤海油田
-
Keywords
horizontal well
time-depth relationship
depth-time projeetion
tilted stratum
well trajectory
seismic horizon
space varying velocity model
Bohai oilfield
-
分类号
TE142
[石油与天然气工程—油气勘探]
-
-
题名像移对星载TDICCD相机成像品质的影响分析
被引量：13
- 3
-
-
作者
庄绪霞
王治乐
阮宁娟
贺金平
-
机构
北京空间机电研究所
哈尔滨工业大学空间光学工程研究中心
-
出处
《航天返回与遥感》
2013年第6期66-73,共8页
-
基金
国家重点基础研究发展计划(612310)
-
文摘
像移是影响星载时间延迟积分电荷耦合器件(TDICCD)相机成像品质的重要因素。为研究像移对TDICCD像质的影响,首先分析了像移引起图像模糊和几何变形的机理,研究了像移降质的辐射和几何方面评价参量。依据TDICCD工作原理,建立了像移影响下TDICCD相机空变降质模型,并以此为基础,计算并分析了不同形式、不同方向上的像移影响下的像质下降情况。分析结果表明,不同方向、不同形式的像移引起的成像品质下降是不同的。文章中提出的空变降质模型可以为后续的仿真及像移降质图像的恢复等提供参考。
-
关键词
时间延迟积分电荷耦合器件
像移
空变降质模型
成像品质
空间相机
-
Keywords
time delay integration charge coupled devices （TDICCD）
image motion
space-variant deg-radation model
image quality
space camera
-
分类号
V445.8
[航空宇航科学与技术—飞行器设计]
-
-
题名面向认知表现预测的时-空共变混合深度学习模型
- 4
-
-
作者
李晴
徐雪远
邬霞
-
机构
北京师范大学人工智能学院
北京师范大学认知神经科学与学习国家重点实验室
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第12期2931-2940,共10页
-
基金
北京市自然科学基金(4212037)资助。
-
文摘
认知表现预测已经成为当前大脑研究的重要课题.功能磁共振成像技术由于同时具有较好的时间和空间分辨率,有潜力为认知表现预测提供数据支持.为了解决基于功能磁共振成像数据对认知表现进行预测时大脑所具有的时-空共变难刻画问题,提出了一种新型基于大脑学习机制的时-空共变混合深度学习模型,即深度稀疏自编码器与循环全连接网络混合模型,以混合神经网络模型的损失函数误差作为认知表现预测能力的评价标准.在人类连接组项目数据集上的实验结果表明,提出的时-空共变混合模型能够有效和稳健地预测认知表现,并提取到与人脑学习、记忆相关的有意义的脑影像特征,从而为认知表现预测提供技术支持.
-
关键词
循环自编码器
时-空共变深度学习模型
混合深度学习模型
认知表现预测
脑启发模型
-
Keywords
Recurrent autoencoder
spatio-temporal co-variant deep learning framework
hybrid deep learning framework
cognitive performance prediction
brain inspired model
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
