基于扩展邻域的动态方向GVF计算方法

采用基于动态方向梯度矢量流(GVF)分割边界不清晰、灰度分布不均图像时,GVF外力场中通过拉普拉斯算子的扩散作用,利用4邻域进行掩膜运算;但未充分利用图像信息形成光滑的矢量场,同时迭代次数较高。提出一种基于扩展邻域的动态方向GVF计算方法。新方法从掩膜的角度分析了梯度矢量流模型,通过采用更大的邻域的掩膜来代替原来的基于4邻域的掩膜,得到了基于扩展邻域的梯度矢量流的计算方法。新的计算方法仅仅需要较少的迭代次数就能得到较好的效果。     

Snakes外力场的改进及其左心室MRI的精确分割

参数活动轮廓模型（Snakes）分割图像时有两个明显的缺陷：要求初始轮廓线位于图像特征附近，且对深度凹陷区域的分割也不理想。基于梯度向量流（GVF）Snakes较好地解决了传统Snakes的两个本质缺陷。但是，由于GVF Snakes内力的性质和GVF的光滑性，使得对曲率大的边缘点不能精确定位。该文通过采用各向异性方程对图像扩散平滑和边缘增强，改善计算势能力场和梯度向量力场指向边缘的精确度。两种力场的有机组合作为Snakes的外力场。这种新的力场Snakes具有GVF Snakes和势能力场Snakes的优点，对左心室核磁共振图像（MRI）进行分割能得到精确的边缘轮廓。     

基于GVF-Snake的运动目标跟踪

为了使GVF-Snake具备快速跟踪运动目标的能力,提出采用帧差运动补偿和GVF-Snake结合的跟踪算法.采用二次帧差法对视频图像进行处理,自动得到初始轮廓解决GVF-Snake模型初始轮廓确定的问题.对于输入视频图像在每一次迭代中重新计算整幅图像的GVF场时间消耗大的现象,采用分块计算,减少了计算量,使GVF-Snake跟踪达到接近实时的要求.在遮挡方面,采用前一帧差运动补偿的方法.实验表明,此跟踪算法具有较好的性能.     

分块矩阵的对角占优性

在线性代数计算方法研究中,一种是着重于计算的方法本身的研究,另一种是对矩阵应用某些技巧,例如矩阵分块技巧来研究原矩阵的性质和计算的方法. 矩阵的分块和分块矩阵的简单代数运算如加、减、乘及其转置、共轭以至分块的迭代,作为矩阵的一种运算技巧,很早就在矩阵理论中出现,到了六十年代初,开始有人对分块矩阵本身的性质进行了研究,在研究分块矩阵的特征值的同时,提出了分块强对角占优的概念.     

融合Kinect与GVF Snake的手势轮廓提取方法

针对Kinect相机在人体骨骼点采集时无法获取手势信息的不足,提出一种融合Kinect和GVF Snake的手势轮廓提取算法,可以提取出完整清晰的手势轮廓。此算法利用Kinect相机在人体信息采集中的优势,获取深度图像,定位手掌点与手腕点,由这两点计算手的旋转修正角度。以手掌点向外做八向搜索获取手掌包围盒切分出手区域。最后在包围盒上放置Snake初始轮廓线,通过GVF Snake模型迭代搜索,获取目标准确完整边界。对于深度图像在边缘数据急剧变化时出现的抖动、凹陷等缺点,选择先构建轮廓线再收敛的GVF Snake算法保证手势轮廓完整平滑。实验结果表明,该方法能够自动放置GVF Snake初始轮廓,准确跟踪手位置、精确收敛到手势轮廓,抗噪效果明显。     

分水岭与GVF组合应用于胃癌细胞核的分割

基于计算机速度的提高,把分水岭变换和GVF模型与病理专业知识相结合,实现了胃癌病理切片显微图像的细胞核分割。利用分水岭变换得到细胞核的初始轮廓,然后利用GVF模型逼近得到细胞核的终止轮廓。实验袁明,组合算法的分割效果较好。     

基于GVF Snake和边界跟踪的主动轮廓图像分割

梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。     

离心泵导叶扩散段内湍流计算

采用三维贴体坐标计算了多级离心泵导叶中的湍流流场,其雷诺数Re=2.59×10~5.所采用的数值方法是目前计算流体领域中较新颖的分块隐式有限差分方法,将直角坐标推广为湍流计算,湍流计算模型为标准的K—e模型.精确地模拟出了泵导叶中的高雷诺数湍流速度及压力场.其结果与实验值基本吻合.     

用于数值分析的分块求解法

本文提出了用于数值分析的分块求解方法,即利用计算机的硬盘存贮,对线性代数方程组的系数矩阵进行分块高斯消去求解,在计算机内存中最少只需开辟系数矩阵中两行元素的存贮空间,本方法的突出优点是,能大大节省计算机内存,可使计算机的解题能力提高数十倍,为求解大规模的题目提供了方便.文中还给出了相应的 FORTRAN 子程序框图,经实例计算表明,该分块求解法经济有效,简单实用.     

求解时谐涡流场离散系统分裂迭代法的参数改进

针对时谐涡流场的离散鞍点系统,改进了其预处理分块交替分裂隐式(PBASI)迭代法,引入了新的参数,称为双参数的预处理分块交替分裂隐式(DPPBASI)迭代法.给出了新的迭代方法的收敛性分析,并且给出了简单拓扑与一般拓扑下一种分裂的具体计算格式.     

基于背景边缘抑制和GVF Snake的运动目标轮廓提取

针对现有的目标轮廓提取算法存在的问题,提出了一种结合背景边缘抑制和GVF Snake的运动目标轮廓提取方法.该方法首先改进了基于背景减的背景边缘抑制方法,然后将其与GVF Snake方法相结合,提取运动目标轮廓.实验结果表明该方法能准确提取出完整的运动目标轮廓.     

一种新的活动轮廓模型算法

传统的活动轮廓模型具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点．本文把小波多分辨率技术应用于主动轮廓算法，结合梯度矢量流(gradient vector flow，GVF)概念，首先在低分辨率的图像上进行处理，得到结果后，再在高分辨率层次上继续处理，由此解决了初始轮廓必须离真实轮廓很近的问题，提高了运算速度；同时利用小波分解的方向性，降低了搜索的范围，进一步提高了轮廓收敛的速度；由于使用了GVF所产生的外力场，对于凹陷轮廓同样可以保证正确的收敛．同时比原始的GVF方法处理速度要快得多．     

基于K-means和GVF Snake模型的纤维图像分割

在纤维图像自动识别系统中,分割出完整连续的纤维是纤维特征分析的必要前提.针对纤维图像的背景和前景灰度区别不大、光照不均对图像的影响等特征,提出融合K-means和GVF(Gradient Vector Flow)Snake模型的纤维图像分割算法.该算法以提取完整连续的纤维轮廓为标准,利用K-means聚类分割结果为GVF Snake模型的初始轮廓线,并对得到的存在毛刺的轮廓结果采用轮廓跟踪去除毛刺,从而得到完整连续的单根纤维图像.该算法不仅能有效解决传统图像分割方法对纤维图像分割的不连续问题,而且能有效抑制纤维图像中噪声的影响.     

梯度矢量流的最优停止时间计算新方法

梯度矢量流(GVF)外力场解决了原始Snake模型捕捉范围小和对初始化敏感的缺点,其核心就是把图像边缘处的梯度矢量向周围进行扩散,从梯度矢量场生成一个光滑的矢量场。但是在扩散过程中,过多的扩散就会把图像的边界给冲垮,不能很好的保持图像的边缘等信息。因此,如何确定一个合适的扩散次数就是一个非常重要的问题,这就是被称作最优停止时间的问题。基于对GVF能量泛函的分析,提出了一种确定GVF最优停止时间的方法。实验证明,新方法得到的最优停止时间是有效的,取得了较好的效果。     

基于高斯矢量场的多尺度水平集图像分割算法

针对主动轮廓模型的弱边界和运算复杂度高等缺点,提出一种有效的解决算法,该算法引入高斯矢量场(GVF),扩大边界力的作用范围,同时综合区域信息,有效解决弱边界问题;并运用多尺度LevelSet方法提高算法的运算速度.实验表明,所提出算法不仅分割效果好,而且具有抗噪性能强和运算速度快的特点.     

融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.     

基于小波分析与Snake模型的图像边缘检测方法

利用小波分析理论和GVF(梯度矢量流)Snake动态轮廓模型方法,提出了一种图像边缘检测的新方法-WVF(小波变换矢量流)Snake模型。计算机模拟表明,该方法克服了小波分析方法得到的边缘不连续的缺点,同时比GVFSnake模型具有更好的抗噪性。从而提高了动态轮廓模型方法检测复杂图像边缘线的能力。     

模糊划分的一个新定义及其应用

提出了模糊划分的一个新定义。可以证明它蕴含了Ruspini的定义,并且具有与直观及其实际应用相符的性质。而且根据此定义,可以定义模糊集合的相对清晰度及模糊划分的平均清晰度。实验证明,模糊划分的平均清晰度可以衡量FCM算法的聚类效果。     

基于子团规模的社团划分算法与地理位置

针对以往社团划分算法中存在的子团规模过大的问题,在CNM算法的基础上重新定义子团规模,提出了CLCNM社团划分算法.社团划分结果表明,改进后的算法在子团数量和模块度方面要优于CNM算法.在此基础上,研究社团划分与地理位置间的关系,提出地址前缀相似度的概念,子团地址前缀相似度越大,说明社团划分后的地理效应越明显.CLCNM社团划分结果表明:IPv6网络子团具有明显的地理效应,即子团中节点分布在相邻的地理位置.这一结论可对网络拓扑的再部署提供借鉴性意见.     

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.