肌肉计算机接口(MCI)系统是虚拟现实、人机交互研究的热点之一, 其核心问题是EMG肌电信号分类, 因而MCI系统可以与深度学习方法有效结合。表面EMG信号分为高密度瞬时信号与稀疏多通道信号, 前者类似于图像, 可以采用CNN网络处理; 本文应用RNN网络对后者进行研究, 并利用MYO臂环实现了相应MCI系统。稀疏多通道EMG信号是不定长时间序列信号, 前后时间相关性高, 采用RNN网络进行分类。通过对原始信号进行时域、时频域、频域特征拓展, 获得原始信号的多流特征序列, 并提出两类组合RNN网络架构处理相应多流信号。用户依赖时算法准确率达90.78%, 非用户依赖的人群测试中手势识别准确率达78.01%, 实时动作识别准确率达82.09%, 算法能在61.7毫秒内识别手势动作。本文所提出的组合RNN网络方法可以有效区分基于EMG信号的不同动作, 且所设计的MCI系统用户泛化性与工作实时性表现好。

介绍了经典非局部均值滤波算法与Manjón非局部均值滤波算法，改进了非局部均值滤波方法的相似度权值，使算法在具有旋转平移不变性，保持时间复杂度的同时优化了视觉效果与信噪比。实验通过添加噪声标准差从10~100不等的高斯加性噪声，比较了改进后的算法与传统滤波算法以及Manjón非均值滤波算法，结果表明，改进后的算法无论从视觉上还是数值上都优于Manjón非均值滤波算法。

由于人体脑血管结构复杂, 空间比例小, 三维分割和重构十分困难, 本文面向时飞磁共振血管造影(TOF MRA)数据提出了一种新的瑞利高斯有限混合模型来实现脑血管的自动提取和分割。首先, 对已有的混合模型进行了分析; 然后, 采用最大强度投影法(MIP)预处理脑部数据后采用高斯分布拟合血管类, 采用瑞利分布和高斯分布拟合非血管类。提出的模型构造简单, 参数向量较少; 在血管与非血管的混合区域, 模型与灰度直方图具有较好的拟合性。模型在传统期望最大化(EM)算法中加入随机扰动项构造随机期望最大化(SEM)算法来实现混合模型的参数估计, 降低了算法对初值的依赖, 同时提高了鲁棒性。实验证明, 与已有双高斯模型相比, 血管点数增加了27%, 可细分到三级血管且细节的连通性更好。本模型可更准确地拟合数据的灰度分布曲线, 有效地分割脑血管主分支及周围较细小分支, 泛化性较好并可应用于相似系统中。

考虑对脑血管进行三维分割具有一定难度，提出了一种基于全局LBF (Local Binary Fitting)水平集模型的脑血管层次化粗分割方法。首先，应用定向加权中值(DWM)滤波和各向异性扩散滤波去除脑图像噪声，同时保存血管边缘信息，在多尺度条件下局部梯度最大(LIGM)算法，应用灰度和梯度信息提取备选血管，基本实现脑灰质去除。然后，改进全局信息LBF水平集算法实现最大强度投影(MIP)图像分割，采用形态信息提取备选血管，剔除干扰组织。最后，融合两种方法实现脑血管粗提取。实验表明，层次化的分割方法可去除大部分不相关脑组织，包含直接双高斯统计模型中的所有分割血管信息。本项研究基于时飞磁共振血管造影(TOF_MRA)数据，相关研究结果可扩展到其它相似系统中。

针对彩色文物图像在WEB共享时面临的版权保护问题,提出了一种改进的应用提升格式小波变换的数字水印算法。采用YCbCr颜色模型以保证视觉系统对亮度和色彩的敏感性;使用Daubechies9/7双正交小波对图像信号进行频域转换后嵌入水印,提高水印的抗攻击能力,同时采用提升格式实现小波变换,提高算法的稳定性;将水印图像的低频和中频信息嵌入到文物图像的中频信息中,并利用频域相邻系数关系动态地改变嵌入位置和数值来实现嵌入过程,提高水印嵌入的健壮性和安全性。实验结果表明,本算法在嵌入水印后,文物图像视觉质量损失较小,其峰值信噪比(PSNR)为51.602 4,高于同类算法;在抗几何攻击和有损压缩攻击等方面,效果比LSB算法和DCT算法有较大程度的提高。此技术可应用于数字博物馆等具有高精度安全要求的领域中。