细长柔性波浪柱流致振动高保真数值模拟研究

波浪柱具有良好的减阻减振效果，在海洋工程和桥梁工程中应用广泛。为了研究低雷诺数均匀流下细长柔性波浪柱的流致振动特性，选取了3种不同波高的截面直径呈正弦变化的波浪柱，分别给予其驻波和行波的初始激励，对其动力特性和尾流特征进行分析，并与同等条件下的光滑直圆柱进行了对比。研究结果表明，柔性波浪柱在驻波和行波初始激励下的流致振动特性有很大差别：在驻波激励下，当波高≥0.2D时，波浪柱振动得到了很好的控制，这主要归功于波浪柱的特殊结构防止了剪切层与强度较高的涡结构发生掺混，增大了漩涡生成长度；而在行波初始激励下，波浪柱的控制效果有限，局部雷诺数主导了结构响应、尾流模式和展向变化特征。     

面向运动目标检测的ViBe算法改进

背景差分法是静态背景下运动目标检测的常用方法,ViBe算法是它的主要建模方法之一.针对ViBe算法对鬼影消除缓慢的问题,提出了结合帧间差分技术的ViBe改进算法,使用帧间差分技术通过记录相关像素值的时域变化来判断鬼影像素,提高消除鬼影的速度.针对ViBe算法的固定阈值不能反映每个像素具体情况的问题,提出了一种自适应阈值的方法,可根据像素值的变化为每个像素设定阈值,提高前景检测的准确度.实验结果表明,结合帧间差分技术的ViBe算法能够较快地消除检测结果中的鬼影,应用自适应阈值的ViBe算法能够更准确地进行前景检测.     

薄壁吸收塔内部浆液晃动减震机制及应用

发电厂中的吸收塔属于薄壁圆柱壳结构，同时由于顶部有质量较大的除尘设备，进烟口开洞削弱了底部刚度，在地震作用下容易发生屈曲破坏.为了提高结构的抗震性能，针对吸收塔结构特点，提出了利用内部浆液晃动的减震思路.采用可考虑流固耦合效应的数值模拟与振动台试验方法，研究了内部浆液高度对于结构自振特性的影响，分析了内部浆液晃动对于结构地震响应的减震机制和影响规律.浆液的存在对结构的自振特性影响显著，当内部无浆液时，结构第1阶振型主要以结构顶部晃动为主，当存在浆液时，结构第1阶振型主要以液体晃动为主，浆液高度越大，结构自振周期越大.地震作用下塔内浆液吸收部分地震波能量，继而转化成浆液的长周期竖向振动，在一定程度上起到减震作用.振动台试验表明，吸收塔内部浆液的晃动降低了结构的地震响应，浆液高度为8.5 m时相对于无浆液工况，加速度最大值降低42%，位移最大值降低56%.通过回归拟合，提出了地震响应衰减系数和浆液高度的函数关系，在浆液高度超过4.0 m以后，地震响应随液位的增大变化不明显，建议在满足工艺要求的前提下，吸收塔内部浆液高度取值范围为4.0～8.5 m.本文的研究成果为考虑内部浆液影响的薄壁圆柱...     

修正与融合的肺部分割算法

为了能在适当的计算复杂度下获得较好的分割效果，在总结现有方法优缺点的基础上提出了将简单方法进行修正与融合的肺部分割方法.首先使用聚类的方法将CT图像中的像素点分为亮与暗两类，获得灰度值不同的小区域，然后区分出初始肺部的大致区域，最后根据CT图像的具体特性，使用识别出的初始肺部区域边界附近像素点的梯度以及灰度信息对边界进行修正.使用上述综合方法对CT图像的处理结果表明，在计算复杂度不是太大的情况下能获得较好的分割效果.     

基于分形维数特征的肺结节形状建模

针对肺结节形状建模的问题,提出了一种基于复杂网络的分形维数特征的肺结节形状建模的新方法.首先利用形状轮廓上的采样点之间的欧式距离进行网络化建模,然后利用局部二进制模式值对网络进行动态演化,并利用分形维数对复杂网络的复杂性进行分析.相较于传统形状建模方法,本文方法不仅考虑了形状的局部纹理特征,提高了形状发生非刚性形变的抗干扰能力,还不需要对样本形状进行对齐,提高了建模的效率.使用LIDC-IDRI数据库和沈阳盛京医院的CT资料,经仿真实验,结果表明本文方法能够建立表现良好的肺结节形状模型.     

基于潜在半径优化策略的数字图像抠图算法

针对目标图像利用导向滤波算法进行图像抠图时参数需要根据不同图像进行人为设定的问题,提出了一种利用隐藏的支持向量机LSVM(latent support vector machine)自动设定参数的潜在半径优化的数字图像抠图算法.该方法首先是应用LSVM潜在性的思想,利用已知数据库模板训练输入目标图像的样本集,再利用样本集将导向图像和二值图像以不同半径进行分块并进行判定,确定半径值,从而能够自动产生合理参数.最后利用导向滤波器对图像进行抠图,从而优化抠图算法,最终实现抠图算法的智能化和灵活化.     

一种基于区域动态轮廓的交互式目标分割算法

研究了以用户与系统之间的交互信息为先验知识的目标分割算法,提出一种基于区域动态轮廓的交互式目标分割算法.采用基于区域动态轮廓的CV模型及形状先验引导进化思想,并引入了基于滤波后图像梯度和Laplace的分段自适应加权算法.为了克服由于对先验差值区域加权而产生的目标轮廓萎缩问题,对所构建的进化模型引入了面积激励项.实验结...     

一种基于ARG的肺结节良恶性度判定方法

基于CT影像的肺结节的良恶性识别是肺癌诊断的重要环节，针对这一问题，提出一种基于属性关系图(attributed relational graph， ARG)的肺结节良恶性度判定方法.该方法以肺结节CT图像块作为输入，利用ARG构建其特征结构，并从大量ARGs中挖掘与或图(and-or graph， AoG)作为肺结节类别识别模板，即肺结节良恶性度判定的依据.此外，为提高模板挖掘效率，该方法利用马尔可夫毯(Markov blanket， MB)发现算法去除图像中的冗余特征，降低ARG节点数量.实验结果表明，该方法对恶性肺结节的识别率达到90.12%，能够帮助正确、快速辨识与分析肺结节良恶性，具有一定的实用价值.     

一种用于肺结节恶性度分类的生成对抗网络

针对肺结节数据集中良恶性样本数比例失衡的问题,首次引入深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)模型,该模型根据输入的肺结节图像,生成与输入图像具有相似纹理特征的肺结节并将生成图像用于训练DCGAN模型.此外,将图像来源分类问题改为图像来源分类和肺结节等级1~5分类问题,从而增强了DCGAN模型的抗噪能力和实现了DCGAN模型对肺结节的等级分类.实验表明,改进的DCGAN中G模型在生成图像时具有良好的抗噪能力且生成图像中大约有90.42%的图像判别为真实图像,D模型对肺结节图像的等级分类具有较好的判别能力且肺结节等级分类准确率为70.89%,肺结节良恶性分类准确率为80.13%.     

基于CV模型与改进ME模型的肺癌检测算法

针对CT影像中恶性肺结节病灶难以自动检测的问题,提出了一种基于CV模型与改进ME模型分割区域之间的面积差异的肺部CT影像癌症检测算法.该方法利用在肺部CT影像中结节边界的模糊程度是判断恶性肺结节的最重要指标这一特性,首先通过CV模型和改进ME模型两种交互式目标分割算法分别对肺部CT影像分割,因这两种分割方法收缩效果不同,故得到两种不同的结节区域,再计算这两种区域之间的面积差异得到该区域的模糊程度,最后计算得到模糊程度比较阈值,以此判断是否存在癌症.实验结果表明,该算法对于肺部CT影像中的癌症检测具有较高的准确率.