提高光声成像质量的Renyi熵方法

针对光声成像数据采集系统中获得的超声数据存在杂波问题,提出一种先基于Renyi熵分离超声信号和杂波,再利用分离后的超声数据进行光声成像的方法。光声成像平台实验表明,通过Renyi熵的直方图来选择超声信号和杂波分离的阈值,可以有效地滤除超声信号中的大部分杂波。成像重构的评估结果也验证了该结论。可见,该文提出的方法能有效滤除超声采集数据中的杂波,从而提高光声成像的质量。     

基于Renyi熵滤波的光声图像重建算法设计与实现

针对光声图像重建过程中存在的原始光声信号信噪比差、重建图像对比度低、分辨率不足等问题,提出了基于Renyi熵的光声图像重建滤波算法.该算法首先根据原始光声信号的Renyi熵分布情况,确定分割阈值,并滤除杂波信号;再利用滤波后的光声数据进行延时叠加光声图像重建.利用该滤波算法分别处理铅笔芯横截面(零维)、头发丝(一维)以及小鼠大脑皮层血管(二维)等不同维度样本的光声信号,实验结果表明:相比Renyi熵处理之前,重建图像对比度平均增强了32.45%,分辨率平均提高了30.78%,信噪比提高了47.66%,均方误差降低了35.01%;相比典型的滤波处理算法(模极大值法和阈值去噪法),本研究中图像的对比度、分辨率和信噪比分别提高了25.94%/10.60%、27.90%/19.48%、35.21%/10.60%,均方误差减小了28.57%/16.66%.因此,选择利用Renyi熵滤波算法处理光声信号,从而使光声图像重建质量得到大幅改善.     

基于广义线性模型和最大熵模型的黑龙江省林火空间分布模拟

林火分布模型是在较大区域上描述林火空间分布的强有力工具,并可以确定影响林火分布的控制因子.本研究基于黑龙江省1996-2006年的历史火烧记录数据,分别采用广义线性模型和最大熵模型分析了地形、人类活动和土地覆被类型等环境控制因子对黑龙江省林火空间分布的影响,并比较了模型预测精度、评价环境变量重要性及预测火点概率分布图等.结果表明:两个模型的预测精度达中等水平,而最大熵模型的预测精度要略高于广义线性模型.总体而言,与人类活动相关的变量是林火分布模型最佳的环境变量,地形变量次之.尽管两个模型在预测精度和环境变量重要性方面都有很大的相似性,但最大熵模型产生的火点概率图空间格局与广义线性模型产生的明显不同.本研究说明,为了更加精确地确定森林火灾发生的热点地区,应该采用不同模型进行比较,或者有选择性地进行组合以产生综合的预测结果,从而为森林防火工作提供更加合理高效的建议.     

广义紫菀属(菊科紫菀族)系统学研究的现状

广义的紫菀属(Asters.l.)曾是个大包大揽的类群,产于北美和欧亚大陆.Nesom主要根据瘦果的形态和细胞学性状对Asters.l.进行了评价,将北美紫菀类植物从Aster中独立出去,使Aster成为欧亚特有类群.但是,在欧亚各国对Aster有定为一属和分为十多个属等不同的分类学处理,分歧较大.狭义紫菀属(Asters.s.)与从Asters.l.中分出的各属之间的系统学关系,以及后者中某些属与北美紫菀类和紫菀族其他亚族间的系统学关系,都存在很大疑问.过去一直认为北美是Aster的发源地,现在欧亚Asters.l.的起源与演化需要重新研究,而青藏高原是探讨Asters.l.物种多样性形成的关键地区.DNA尤其是DNA序列资料在研究Asters.l.的系统发育和分类上将发挥关键作用.