基于轮廓曲线和特征区域的秦俑碎块匹配算法

为了提高秦俑碎块匹配的精度和速度,提出了基于轮廓曲线和特征区域的碎块匹配算法.提取碎块的断裂面及其轮廓曲线,并将轮廓曲线进行分段,再采用最长公共子序列算法将轮廓曲线进行匹配,以实现碎块的粗匹配;根据体积积分不变量计算碎块断裂面上所有顶点的凹凸性,并将断裂面划分为一系列或凹或凸的特征区域;计算断裂面上各个特征区域的质心,并采用改进的迭代最近点算法对质心进行匹配,以实现断裂面的细匹配.实验采用了3种匹配算法对秦俑碎块数据进行匹配,结果表明基于轮廓曲线和特征区域的匹配算法能更加精确地完成碎块断裂面的完全匹配和部分匹配,并在细匹配阶段取得了更高的迭代收敛速度.      

带形状参数的三角β-B曲线的渐进迭代逼近

为加快渐进迭代逼近法收敛速度,克服一般B样条曲线不能表示圆或椭圆等曲线的缺陷,基于β-B曲线探讨其(加权)渐进迭代逼近法.根据所选β-B基函数求得曲线(加权)渐进迭代逼近法的迭代矩阵,基于谱半径最小、收敛速度最快的结论,推导出β-B曲线迭代速度最快时的最优形状参数β和加权渐进迭代逼近法的最优权值w;然后分别对其进行收敛...     

基于多阶段向量场的活动轮廓模型

传统的基于向量场的活动轮廓模型不能准确地提取复杂形状边界,尤其当初始轮廓曲线在目标边界外部、提取复杂的凹形边界时,常遇到"平衡点"问题.为此,文中提出了基于多阶段向量场的活动轮廓模型.首先在离散化的轮廓曲线上取一些样本点,并按其法线方向将它们映射到目标特征点;然后由传统向量场和映射产生的向量场得到一个加权平均的向量场,将轮廓曲线在该向量场中演化,若轮廓曲线未完全收敛到边界,则在未收敛的轮廓曲线上取新样本点,按前面方法计算出新的向量场.经过在多阶段向量场中的演化,轮廓曲线最终收敛到目标边界.实验结果表明,相比于传统方法,文中方法更有效.     

基于法向力活动轮廓模型的医学图像分割

提出法向力活动轮廓模型并应用到医学图像分割中,实验结果表明该模型能扩大初始轮廓曲线收敛范围,正确分割侧脑室图像.而且,初始轮廓曲线愈接近目标真实边界,迭代次数愈少,分割速度愈快.     

基于Snake模型的快速边缘检测

传统Snake模型存在两个难点,一是初始轮廓敏感,二是难深入凹陷区域.针对这两问题,存在一系列改进模型.本文结合距离模型和GVF模型的优点,提出一种快速边缘检测方法.先采用距离模型快速逼近目标边缘轮廓,设计判别条件,判断逼近程度;当判断已经收敛到目标轮廓处时,利用GVF模型继续收敛,深入目标轮廓的凹陷区域.实验结果表明改进模型具有捕获区域大,收敛速度快以及能深入凹陷区域,检测出完整边缘轮廓的特点.     

基于法向力活动轮廓模型的医学图像分割

提出法向力活动轮廓模型并应用到医学图像分割中，实验结果表明该模型能扩大初始轮廓曲线收敛范围，正确分割侧脑室图像．而且，初始轮廓曲线愈接近目标真实边界，迭代次数愈少，分割速度愈快．     

变量矩阵算法及一类曲线最佳拟合问题的解

讨论１种对无约束目标函数采用变量矩阵算法求解最优值的方法，变量矩阵算法的特点是利用矩阵迭代计算，收敛速度快，过程较稳定，对于一类可逼近模拟曲线的最佳拟合，可以迭代出符合要求的参数值。作为较典型的应用实例，设计１种幅度均衡器。通过迭代搜索找出满足衰耗误差的元件值，说明曲线拟合达到了预期的效果。     

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.     

空间自由曲线形状误差计算的迭代逼近法

提出了一种新的空间自由曲线轮廓形状误差计算方法－迭代逼近法。基本原理是：在小误差条件下，把空间理论曲线离散为一系列小直线段，用点到直线的距离，构造实测点到理论曲线距离的近似解析公式；经多次循环迭代，最终获得的形状误差是最小区域意义下的近似。实验表明本算法运行过程稳定，结果准确可靠；算法的平均相对误差在５％的范围内。     

沥青混合料图像矢量化建模的改进方法

针对沥青混合料数字图像矢量化建模问题,提出采用拆分合并强度方法对沥青混合料轮廓曲线进行多边形近似,并以均方根误差作为迭代计算收敛判据.采用自编程序完成了多边形迭代逼近计算.与现有的矢量化方法相比,本方法避免了多边形近似中对尺寸的依赖效应,对于构建多尺度的沥青混合料模型具有更好的稳定性,有效地减小了分析模型的规模.     

基于B样条的主动轮廓模型

利用参数化B样条来描述轮廓线,得到B—Snake主动轮廓模型;该模型与传统模型相比,计算复杂度低、收敛速度快、具有较高的数值稳定性,并且,能处理一阶导和二阶导数等非连续情况。用具体的实例验证了B-Snake模型的上述优点。     

基于改进测地线轮廓模型的图像分割算法

针对测地线轮廓模型对初始轮廓的敏感度高的情况,提出一种改进的测地线轮廓模型。该模型在测地线轮廓模型的基础上,引入区域方差概念,加快了初始轮廓的演化效果;同时,在几何化模型的能量函数中加入判别函数,进一步提高了分割速度与目标背景区分度。仿真实验结果表明,改进测地轮廓模型较原模型对初始轮廓的放置有很好的鲁棒性,是一种有效的图像分割算法。     

鹰眼系统运动目标特征参数精确提取算法

鹰眼系统在赛场上可对球类运动轨迹进行跟踪和记录并在辅助裁判对边界球的判罚中起着重要作用,然而由于网球提取过程存在目标小、飞行速度快、光照变化、广告字符以及其他的运动物体影响的问题,网球特征参数提取精准度有待进一步提升。针对这些问题,提出了一种鹰眼系统运动目标特征参数精确提取算法,该算法利用网球色彩一致性较好的特点,根据彩色训练获取网球色调的范围,在HSV色彩空间中对网球图像进行颜色分割,减少背景图像的干扰,采用帧间差分与混合高斯模型融合算法对网球图像进一步分割获取运动目标,对分割后的二值图像使用Sobel算子提取边缘信息减少后续目标圆检测的运算量提高效率,采用Hough圆变换检测轮廓边缘信息完成网球圆心和半径参数的精确提取。实验结果表明,该特征参数提取算法拟合准确率高、相对偏差小,具有一定的实际应用价值。     

An Algorithm to Recognize the Target Object Contour Based on 2D Point Clouds by Laser-CCD-Scanning

For a vision measurement system consisted of laser-CCD scanning sensors, an algorithm is proposed to extract and recognize the target object contour. Firstly, the two-dimensional(2D) point cloud that is output by the integrated laser sensor is transformed into a binary image. Secondly, the potential target object contours are segmented and extracted based on the connected domain labeling and adaptive corner detection. Then, the target object contour is recognized by improved Hu invariant moments and BP neural network classifier. Finally, we extract the point data of the target object contour through the reverse transformation from a binary image to a 2D point cloud. The experimental results show that the average recognition rate is 98.5% and the average recognition time is 0.18 s per frame. This algorithm realizes the real-time tracking of the target object in the complex background and the condition of multi-moving objects.     

基于小波变换的改进DDGVF医学图像分割算法

针对传统Snake模型不能很好地分割带有凹陷边缘图像的问题,提出了一种改进的结合小波的动态方向梯度向量流(简称DDGVF)模型.该算法首先利用小波变换的多尺度特性对待分割图像进行3层分解,然后在每层分解的图像下进行DDGVF算法的分割,不断获得更加精细准确的目标轮廓,最后达到准确分割.针对合成图像、含有噪声的图像和真实的CT以及MRI医学图像进行仿真实验.结果表明:改进算法能很好地解决传统Snake模型不能深入分割凹陷区域、捕获目标范围小等问题,并且具有分割时间较少的优点,是一种高效准确的医学图像分割算法.     

基于局部统计特征约束的Snake模型图像分割方法

针对血管内超声(IVUS)图像边界模糊不清的问题,提出一种基于局部统计特征约束的Snake模型图像分割方法.首先利用IVUS图像的先验知识建立图像特征的统计信息,并以此信息构造变化的膨胀力,同时构造了轮廓曲线的内部平衡力,以此构造新的Snake模型,然后利用该模型进行图像分割.实验结果表明,该Snake模型对初始轮廓依赖性小,对噪声不敏感,能准确分割出具有模糊边界的目标图像.     

基于水平集运动目标检测与跟踪方法

针对目前常采用的运动分析检测方法存在的缺点,提出了基于水平集理论的测地线活动轮廓模型与背景差分相结合的运动目标检测方法.该方法使水平集函数免重新初始化,大大减少了曲线演化迭代的次数和运行时间,得到准确的运动目标轮廓.通过与粒子滤波和mean shift跟踪方法的比较,最终采用效率最高、最优的Kalman滤波预测物体的运动轨迹.实验结果表明,该方法对刚性和非刚性两类目标都具有较好的检测与跟踪效果.     

基于活动轮廓模型和影像组学的乳腺癌LVI状态预测

针对乳腺癌患者术前LVI状态预测问题，提出了活动轮廓模型和影像组学相结合的计算机辅助分析方法.首先，提出一种基于后验概率和模糊速度函数的活动轮廓模型方法来完成乳腺癌DCE-MRI图像分割.通过在小波域下构建基于后验概率的活动轮廓模型的区域项，同时利用模糊速度函数构建活动轮廓模型的边界项，可以提高乳腺癌病灶分割的准确性.其次，提取形态、灰度、纹理等图像特征，利用集成分类器随机森林方法构造LVI状态的预测模型.实验结果表明，所构建的模型对乳腺癌患者LVI状态具有较好的预测能力.