一种动态的梯度向量流模型

传统的基于梯度向量流的活动轮廓模型只能产生静止不变的外力场,外力场中普遍存在"平衡问题",导致轮廓曲线难以收敛到长凹形边界.为此,文中提出了一种动态的梯度向量流模型.该模型首先利用与演化轮廓曲线相关的示性函数对边缘梯度图进行加权并扩散生成一个动态力场,然后利用边界停止函数控制演化轮廓曲线的收敛.该模型充分利用了演化轮廓曲线的信息,避免了静态外力场因"平衡问题"导致的过早收敛问题,能够驱使轮廓曲线收敛到凹形边界.仿真实验结果表明,相比于传统的模型,文中模型能成功地分割出目标的长凹形边界,并且对复杂目标边界也有较好的分割效果.     

基于模糊规则自动获取的模糊主动轮廓模型

为了引入更多的不确定性先验信息来指导轮廓提取,首先提出了一种新的模糊主动轮廓模型(FuzzySnake),然后针对模糊主动轮廓模型中模糊推理规则难以确定的问题,提出了一种改进的遗传算法———多种群共生遗传算法,并用于相关模糊规则的自动获取,最后给出了用新的模糊主动轮廓模型从人工合成图像、加噪测试图像和实际的超声图像中提取目标轮廓的实验结果.实验表明,在模糊主动轮廓模型中利用多种群共生遗传算法进行模糊规则自动获取,不仅能有效克服模糊规则需向领域专家学习才能获取的局限性,而且能有效地降低传统模型对噪声的敏感性,使模型的参数调整得以简化.     

手写字符轮廓曲率的特征提取和识别

首先对手写体字符图像进行平滑,同时获取字符的轮廓点.然后提出了一个字符轮廓曲率计算的有效方法,为了利用小波变换对曲率信号进行去噪和平滑,该方法不是直接从轮廓点出发,而是进一步抽样得出新的轮廓点.最后得到了不受字符旋转、平移、大小、位置影响的字符特征,以及相应的识别算法.实验结果表明,它在单一的特征识别方法中优于其他方法.     

基于测地主动轮廓和水平集的目标检测方法

针对传统Snake模型在进行目标检测和分割时不能处理拓扑变化以及不能反映出演化曲线的内在几何特性,提出了一种新的目标检测方法——基于水平集的测地主动轮廓模型。该方法采用改进的测地主动轮廓模型,并结合水平集方法,即用水平集函数表示测地主动轮廓模型的曲线演化方程,来模拟初始曲线沿能量下降最快的方向演化的过程。对这种新模型进行研究,将其应用于一些灰度图像的目标检测和分割实验中,实验结果表明,所提出的新方法具有良好的检测效果,对多目标进行了有效分割,并且它能清晰地反映出演化曲线的内在几何特性以及具有良好的拓扑处理能力,这些特性是传统Snake模型所不具有的。     

基于纹理特征的主动轮廓模型图像分割

现有的图像分割方法在轮廓提取过程中大多利用基于图像灰度信息的能量函数,没有考虑目标图像纹理特征信息,不能准确描述待分割纹理图像的边缘轮廓。针对该问题,给出了一种利用主动轮廓模型的方法,将图像纹理信息加入到主动轮廓的能量函数中,构造一种新的外部能量函数,求取函数的最优解,由此获得目标图像轮廓。实验表明,该方法能有效解决复杂纹理图像边缘描述不准确的问题,获得较完整准确的目标轮廓。     

基于Sobolev梯度的混合活动轮廓模型

结合CV和LBF模型,提出一种混合的活动轮廓模型,同时采用L2+Sobolev梯度实现PDE演化方程.实验结果表明,该模型能够分割背景同质目标非同质以及简单的多目标同质图像,对初始轮廓大小以及噪声不敏感.     

基于边缘扩散信息拟合的测地线活动轮廓模型

针对测地线活动轮廓模型对轮廓初始化敏感的问题,提出一个基于边缘扩散信息拟合的测地线活动轮廓模型.首先定义了一个与图像边缘法线方向的二阶导数相关的扩散方程,通过求解这个扩散方程获得边缘扩散信息,利用这种边缘扩散信息构建了一个新的力场;然后由该力场驱动活动轮廓演化,使活动轮廓可以从边缘的两侧向真实目标边缘逼近,最终收敛到期望的边缘.本文模型采用一种快速有效的数值方法实现,水平集函数在整个演化过程中无需重新初始化,活动轮廓演化速度得到显著提高.一系列的人工和真实图像的实验结果表明,本文模型不仅对于初始轮廓的位置选择不敏感,并且可以分割弱边界目标、具有复杂几何结构的目标和带有孔洞结构的目标,综合性能优于一些传统算法.     

基于snake模型的目标检测

研究了snake模型在目标检测中的应用.分析了传统目标分割方法的不足和snake模型在目标检测中的优势,即在目标检测中能充分利用已知的目标形状信息;研究了传统snake模型在用于目标检测时存在的难以收敛到凹陷区域的问题;提出了适合目标检测的新的snake算法.在新snake模型中,能量函数的外力项用傅里叶描述子来构成.实验结果表明新的snake模型能使轮廓收敛到凹陷区,可以实现目标的检测.这一结果丰富了目标检测的方法,拓宽了snake方法的应用范围.     

基于余弦拟合和变指数的p-Laplace正则化的活动轮廓模型

利用余弦拟合能量作为传统活动轮廓模型的数据拟合能量项,并结合变指数的p-Laplace方程,提出了一种新的基于区域的活动轮廓图像分割模型.该模型可以分割复杂图像,变指数的p-Laplace函数可以有效的处理有复杂拓扑变换的图像和准确的提取目标边界.试验结果表明,该模型能够快速准确地分割复杂图像,并且对噪声有一定的鲁棒性和对轮廓的初始位置不敏感.     

面向智能监控的运动目标轮廓可靠提取

针对目标运动检测算法得到的运动目标轮廓存在轮廓不完整、不准确等问题,本文提出一种基于Vibe算法和GVF snake的运动目标轮廓可靠提取算法。首先通过Vibe算法快速定位运动目标的感兴趣区域,并结合数学形态学、边界快速粗定位算法,获得运动目标轮廓粗定位,再利用改进主动轮廓模型能够实时可靠提取运动目标的轮廓。改进的提取算法具有良好的模型初始化条件,使得本方法不仅能够得到准确的运动目标轮廓,而且满足了实时性要求。实验结果表明,该算法能够实时可靠地提取运动目标轮廓。     

基于M估计的纵向数据线性混合模型CDM和MSOM的等价性证明

研究了关于纵向数据的线性混合模型,由Fisher得分迭代法获得数据的删除模型（CDM）和均值漂移模型（MSOM）中回归参数β的M估计（稳健估计）的等价性,并对基于两种模型得到的诊断统计量进行了葡萄糖数据的实例分析,说明了方法的有效性．     

具有异方差的线性回归模型的统计诊断

为了诊断具有异方差的线性回归模型的异常点,建立了具有异方差的均值漂移模型和数据删除模型.采用Score诊断统计量对具有异方差的均值漂移模型的均值是否漂移进行诊断,证明了异方差存在条件下均值漂移模型和数据删除模型的等价性.这一结果表明,在诊断具有异方差的线性回归模型的异常点时,可考虑采用更加便于处理的均值漂移模型.最后,用Score诊断统计量对镀锌数据进行了异常点的诊断.     

基于边带限制的梯度矢量流主动轮廓线模型的超声图像分割

主动轮廓线模型是广泛应用于数字图像分析和计算机视觉等领域的一种目标轮廓跟踪算法，非常适合于医学图像（如CT和MRI）的处理。但将这一模型应用于超声图像的分割和目标轮廓的跟踪时，由于超声图像不可避免地存在着斑点噪声、弱边界和与组织有关的纹理，往往使传统主动轮廓模型难以获得满意的轮廓跟踪效果。为此，在梯度矢量流主动轮廓线模型的基础上，引入边带限制概念，并将该模型应用于超声图像的分割。实验表明，该方法较好地限制了非目标边缘和噪声干扰的影响，而且对超声及其序列图像具有较好的分割效果。     

对数幂广义威布尔回归模型的全局影响分析

基于幂广义威布尔模型,文章给出了对数幂广义威布尔回归模型并研究了相应的参数估计．同时利用数据删除方法详细探讨了该回归模型全局影响问题,得到了数据删除模型中参数估计的一步近似和相应的广义Cook距离、似然距离和WK统计量．最后。通过数值实例验证了文章中给出的诊断方法的有效性．     

半参数ZI负二项回归模型的全局影响分析

基于数据删除方法研究了半参数ZI（zero-inflated）负二项回归模型的全局影响问题.得到了数据删除下参数估计的一阶近似,同时得到了广义Cook距离、WK统计量、似然距离及其一阶近似.最后通过随机模拟说明了所得诊断统计量的有效性.     

活动轮廓模型在医学图像分割的综述

医学图像分割作为图像处理领域的一个研究热点,长期受到广大科研工作者的关注。活动轮廓模型作为医学图像分割的一个重要工具,在近30年的研究中得到了长足的发展。根据活动轮廓模型的表达方式不同,将活动轮廓模型分为参数活动轮廓模型、几何活动轮廓模型;相对于参数活动轮廓模型,几何活动轮廓模型中曲线的运动过程是基于曲线的几何度量,如曲线的法线、曲率等;又由于水平集方法在几何活动轮廓模型的成功应用,使得几何活动轮廓模型在曲线的拓扑变化、数值求解等方面有不少优势。为了全面展示活动轮廓模型的发展历程及其在医学图像领域的应用,首先简述活动轮廓模型的发展历程及一些偏微分方程的基础知识;然后,详细分析几种较为经典活动轮廓模型;接着,对两种类型的活动轮廓模型进行对比分析;最后,对全文进行总结,并对活动轮廓模型的发展与未来进行展望。     

纳入蠕变变形机理的宽范围应力区下P91钢本构模型

以P91钢为对象,构建宽范围应力区基于蠕变变形机理(CDMWRS)的本构模型,采用ABAQUS软件,结合构建的CDMWRS本构模型,模拟单轴蠕变拉伸试验,并与文献数据进行对比.结果表明:宽范围应力区的不同蠕变变形机理和长期热老化都会对P91钢的蠕变应变率产生较大影响,CDMWRS模型能够较好地描述宽范围应力下P91钢的蠕变第一阶段和第二阶段变形行为,蠕变第三阶段相对偏差较大,主要原因是因为构建的CDMWRS模型未纳入损伤的影响.     

基于不同CDM视角的CD-CAT题库建设

在CD-CAT题库建设过程中,选择合适的认知诊断模型(CDM)标定题库参数是一个关键的步骤.若一个题库均采用一个CDM来标定题库所有参数,则可能会造成模型资料失拟.提出了一种基于混合模型的题库建设思路,通过Monte Carlo 模拟研究验证了基于混合模型建立题库的效果,并与传统的基于单一模型的题库建设进行了比较,为CD-CAT在选用合适的模型方面提供了理论借鉴.     

Logistic模型的统计诊断

系统地分析了Logistic模型的统计诊断,将线性模型的诊断方法运用到Logistic模型。推导出数据删除模型一阶近似的参数估计公式,并给出数据删除模型与均值漂移模型的等价性;推导了判别强影响点或异常点的诊断统计量如Score统计量、广义Cook距离、似然距离等。通过实例分析证实了该诊断方法的有效性。