新算法讓智能汽車更精準檢測行人

時至今日，汽車防碰撞系統(tǒng)和實驗性質(zhì)的無人駕駛汽車依靠的是雷達等傳感器來檢測路上的行人。加州大學(xué)圣地亞哥分校的 Nuno Vasconcelos 團隊研發(fā)了一套基于視覺信號進行實時探測的行人檢測系統(tǒng)，這套視頻系統(tǒng)能使智能汽車更精準檢測行人，成本也更加便宜。

基于視覺的汽車安全系統(tǒng)在應(yīng)用中仍然難以實現(xiàn)，一方面，通過計算機視覺算法能快速檢測路上的行人，但是在區(qū)分行人和類似物體等復(fù)雜情況下，依然不夠成熟。另一方面，機器學(xué)習(xí)算法（又稱深度神經(jīng)網(wǎng)絡(luò)）仿照人腦行為，研究人員能夠訓(xùn)練出比之前方法更富辨別力，處理復(fù)雜的模式識別，但是在實時的行人檢測上處理的效率太慢。

Nuno Vasconcelos 的新算法，可以通過 2～4 frame/s的速度檢測行人的變化，有效避免行人突然停止移動而出現(xiàn)的緊急剎車或造成意外事故。

這套系統(tǒng)的關(guān)鍵在于可以識別更加復(fù)雜的路況。與其他類似的系統(tǒng)相比，該算法的系統(tǒng)出錯率只有前者的一半，而且計算能力更加突出，能在遠處對行人的移動進行預(yù)判。研究小組計劃未來讓系統(tǒng)變得更加實用：不僅應(yīng)用于車輛，還能應(yīng)用于機器人、安全攝像頭等設(shè)備。

新建正則化參數(shù)選取模型有助低劑量CT的研制

由于成像質(zhì)量好，空間分辨率高， CT技術(shù)已成為一種廣泛使用的醫(yī)療檢查和輔助診斷方法。然而過高的X射線輻射劑量可導(dǎo)致某些基因疾病，對身體健康造成極大隱患。因此CT掃描設(shè)備的設(shè)計需要考慮降低輻射劑量，減少探測器采集的投影數(shù)據(jù)是一個降低劑量的有效方法。但這種方法形成的不完全投影數(shù)據(jù)在利用傳統(tǒng)解析算法（比如濾波反投影算法）進行重建時，由于采樣率無法滿足香濃柰奎斯特采樣定理要求，重建圖像會有嚴重的混疊偽影，極大地影響了成像質(zhì)量。

源于2006年提出的壓縮感知（compressed sensing）理論，字典學(xué)習(xí)方法利用醫(yī)學(xué)圖像中的稀疏先驗信息，能夠有效地求解這一類不完全投影數(shù)據(jù)的重建問題，在濾除重建圖像中噪聲的同時，能夠高質(zhì)量還原圖像中的細節(jié)信息。然而，重建算法中的關(guān)鍵參數(shù)——正則化參數(shù)的確定并沒有系統(tǒng)的選取準則，利用經(jīng)驗選取的方法需要通過大量重復(fù)的測試選取合理的參數(shù)，耗時長且效率低下。

蘇州生物醫(yī)學(xué)工程技術(shù)研究所的章程等人提出了一種利用CT投影數(shù)據(jù)自動確定正則化參數(shù)的函數(shù)模型。利用投影數(shù)據(jù)在正則化參數(shù)無窮大的情形下得到的重建圖像，計算出能夠反映投影數(shù)據(jù)噪聲水平和待重建圖像結(jié)構(gòu)特征的參數(shù)，將其與經(jīng)驗選取的正則化參數(shù)利用函數(shù)擬合的方法得到正則化參數(shù)選取模型。

實驗結(jié)果表明，正則化參數(shù)選取模型具有比較高的準確性，與模型選取的參數(shù)相比，較小的參數(shù)會使重建圖像產(chǎn)生條形偽影和較高的噪聲水平，較大的參數(shù)會使重建圖像信噪比和空間分辨率降低。與其他對比算法的比較結(jié)果表明，文中提出的算法能夠求解不完全投影數(shù)據(jù)的CT圖像重建問題，重建圖像的質(zhì)量也有一定的提高。新型的高質(zhì)量重建算法的研究對未來低劑量CT的研制有著重要的意義。