基于CT图像的自动肺实质分割方法

在肺癌、肺气肿等肺部疾病计算机辅助诊断方法中,肺实质分割是最核心的步骤.提出一种基于三维CT图像序列的新的自动肺实质分割方法,综合利用了阈值分割、区域增长及数学形态学等算法,并在特定体层通过图搜索算法精确定位左右肺前后连接线狭窄区域,有效解决了肺实质边缘结节易分割遗漏及左右肺分离的难题.通过多组胸部CT序列图像的实验证明,该方法对于肺实质分割非常精确有效.     

基于数字图像处理技术的热障涂层形貌特征识别方法

针对人工检测热障涂层形貌特征所具有的繁复性、误差大等缺点, 提出一种利用机器视觉自动化识别热障涂层形貌特征并计算形貌特征参数的方法. 完成了基于数学形态学的片层轮廓自动提取及铺展形貌参数的计算, 用最大类间方差法求取二值分割阈值, 运用均值滤波和形态学操作为图片去噪并保证单个片层的连通性, 通过轮廓提取来获得片层边缘信息, 最后根据所提取出的轮廓计算片层的实度参数. 同时, 进一步完成了基于遍历搜索的热障涂层中裂纹的自动识别及长度计算. 首先, 识别出图像中的片层并去除, 运用闭运算完成断裂裂纹的修复, 通过图像细化得到裂纹骨架; 然后, 遍历搜索每条裂纹, 完成长度计算. 结果表明, 采用所提出方法检测片层轮廓和识别裂纹的效果良好, 具有较好的抗噪声干扰能力, 可以精确计算出形貌特征参数, 对研究热喷涂熔滴在基材表面的沉积行为有重要的推动作用.     

非结构网格上二维可压缩Navier-Stokes方程的并行算法

为了提高Navier-Stokes方程的求解效率,在分布式环境下,提出了基于区域分解算法的并行求解算法.首先,通过多级图分区方法划分非结构网格,使得多块区域网格独立保存;其次,内边界构造虚拟单元进行数据传递,最大限度减少通信开销,并加入当地时间步长以及AF-ADI隐式时间离散技术进一步提高计算效率;最后,在集群系统上,计算了NACA0012翼型和RAE2822翼型黏性绕流,8台处理机并行效率保持在42%以上,验证了该方法的可行性和高效性.数值结果表明,算法适合分布式环境下进行粗粒度科学计算.     

基于遗传算法的图像模糊边缘检测快速算法

全面分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法。该算法简化了Pal.King复杂的变换和逆变换,并采用了新的增强算子,针对Pal.King算法中对隶属度阈值的设置存在的不足,提出了利用遗传算法确定最佳隶属度阈值的方法。仿真表明,该算法检测的边缘细、连贯,适用面广,很有实用价值。     

数据挖掘技术在铁路货运客户细分中的应用

基于数据挖掘中的聚类和分类技术,通过挖掘货票库中的海量数据所蕴藏的信息,探讨了对铁路货运客户进行细分的方法,先用聚类技术对货运历史数据进行聚类分析,根据聚类结果再用贝叶斯分类器对新数据分类.研究目的是为了根据不同类别的货主对铁路贡献的大小制定不同的优惠措施,并为铁路货运营销部门提供决策依据,提高铁路企业的客户关系管理和决策水平.     

控制活动轮廓演化的快速图像分割方法

针对目前图像分割方法较难精确、 快速地实现图像分割的问题, 提出一种控制活动轮廓演化的快速图像分割方法. 首先用外部能量与内部能量加权和作为曲线能量函数, 用封闭曲线外部与内部能量建立活动轮廓波模型； 然后用最优路径移动更新曲线能量, 获取所需图像分割目标； 最后引入粒子群优化算法获取全部初始轮廓点的最优控制点, 根据最优控制点控制活动轮廓演化达到实现目标图像准确分割的目的. 实验结果表明, 该方法的图像分割精度明显高于目前典型的图像分割算法, 提高了图像分割的抗噪性能及图像分割速度.     

复杂产品三维模型轻量化服务构建技术

提出了一种复杂产品三维模型轻量化服务构建方法。采用一种改进模型数据导出与空间索引生成方法,能够在模型轻量化过程中保留复杂产品模型装配树与标注信息;设计并实现了基于面片密度的自适应面片简化算法,能够在满足误差要求的条件下对几何模型面片进行自适应简化;并通过采用一种具有较高的压缩比和压缩效率的模型数据压缩算法,减小复杂产品模型的存储空间占用。设计并实现一种模型轻量化服务的B/S部署架构,能够借助高性能计算资源,提高多用户并发场景下复杂产品模型轻量化效率。     

基于神经耦合模型的异构词法数据转化和融合

为了扩大人工标注数据的规模, 从而提高模型性能, 尝试充分利用已有的异构人工标注数据训练模型参数。将Li等2015年提出的耦合序列标注方法扩展到基于BiLSTM的深度学习框架, 直接在两个异构训练数据上训练参数, 测试阶段则同时预测两个标签序列。在词性标注、分词词性联合标注两个任务上进行大量实验, 结果表明, 与多任务学习方法和传统耦合模型相比, 神经耦合模型在利用词法异构数据方面更优越,在异构数据转化和融合两个场景上都取得更高的性能。     

A distribution prior model for airplane segmentation without exact template

In many practical applications of image segmentation problems,employing prior information can greatly improve segmentation results.This paper continues to study one kind of prior information,called prior distribution.Within this research,there is no exact template of the object;instead only several samples are given.The proposed method,called the parametric distribution prior model,extends our previous model by adding the training procedure to learn the prior distribution of the objects.Then this paper establishes the energy function of the active contour model(ACM)with consideration of this parametric form of prior distribution.Therefore,during the process of segmenting,the template can update itself while the contour evolves.Experiments are performed on the airplane data set.Experimental results demonstrate the potential of the proposed method that with the information of prior distribution,the segmentation effect and speed can be both improved efficaciously.     

基于“以旧换再”和消费者细分的制造商决策模型

在以旧换再背景下,针对消费者细分市场(同时存在原始消费者和新晋消费者),研究制造商的生产与定价策略.首先,根据两类消费者的选择行为,提出了五种市场需求结构;在此基础上,构建了制造商的五种决策模型,并提出了各决策模型的最优生产与定价策略;其次,以原始消费者所占市场比例为分析变量,对制造商五种最优策略进行了比较分析,并提出了制造商的最佳策略选择边界.研究结果表明当两类消费者均对再制造产品有需求时,制造商可以获得最大市场份额;而制造商对最佳生产与定价策略的选择取决于分析变量的取值范围以及取值边界的大小关系.最后,采用数值仿真对上述结论的有效性进行了验证.