سال انتشار: ۱۳۸۳

محل انتشار: سومین کنفرانس ماشین بینایی و پردازش تصویر

تعداد صفحات: ۷

نویسنده(ها):

بابک افشین پور – دانشکده فنی دانشگاه تهران
غلامعلی حسین زاده – دانشکده فنی دانشگاه تهران
حمید سلطانیان زاده – دانشکده فنی دانشگاه تهران

چکیده:

دراین مقاله روشی برای تخمین جزء غیرپارامتری و فرکانس – پایین سریهای زمانی Fmri که دراینجا trend نام دارد در مدلهای تکه ای خطی ارائه میشود راهکارهای قبلی برای تخمین این جزء از توابعی نظیر چندجمله ای و یا spline استفاده می کنند اما دراین روشها مدل خوبی برای نویز لحاظنمی شود دراین مقاله نویز موجوددر سریهای زمانی را نویز فراکتالی درنظر می گیریم و جز غیرپارامتری را درحضور این دسته از نویز ها که همبستگی قوی داریند تخمین میزنیم روشی که دراین مقاله از آن بهره می بریم انتخاب تابع جریمه مناسب و بهینه کردن آن برای تخمین اجزا ناشناخته با تغییرات آرام است. تخمین گر پیشنهاد شده را به داده های شبیه سازی و واقعی fMRI که آغشته به نویزهای فرکانس پایین ناشی از دریفت دستگاه تصویربرداری است اعمال و نتایج را با روشهای دیگر مقایسه کرده ایم و نشان داده ایم که روش پیشنهادی دقیق تر عمل می کند.