二维涡旋的Lattice Boltzmann方法模拟

介绍一个流体问题的Lattice Boltzmann并行模拟模型,该模型也是一种细胞自动机模型.用该模型模拟了二维的涡旋现象.利用计算机可视技术,可动态显示流体流动的演化过程,可用于分析、仿真流体流动现象,也可用于设计、优化一些物体与流体接触的边界.     

基于Chan-Vese算法的自适应分等级分割方法

针对多目标物体图像的分割问题,在Chan-Vese多相分割模型的基础上,结合分等级分割的概念,提出自适应分等级分割方法,在每一阶段分割之前能够先根据图像中的物体数量判断出所需要的Level Set函数的个数,再进行分割工作.实验结果表明,自适应分等级分割方法不仅消除了多相分割模型对初始化曲线位置敏感的不足,而且能够充分利用每一个Level Set函数,减少分割步骤,并且能提高弱边界的提取精度,是一种有效且稳定的方法,能够产生光滑、准确的分割结果.     

多物体三维有摩擦弹性接触凝缩边界元法

基于工程需要,将三维边界元凝缩解法用于求解多物体摩擦型弹性接触问题.由于摩擦接触问题属于非线性问题,接触面的滑动引起能量的耗散,采用增量法来追踪整个载荷的历程,采用凝缩解法对边界矩阵方程进行求解.以三物体接触模型为例,阐述了多物体接触的边界积分方程的建立和边界矩阵方程的求解过程,以一计算实例说明本方法的正确性.     

深度图象用于机器人视觉导引

本文讨论了激光深度图象感测器的原理.基于该原理,文中提出了一种计算时间省、抗干扰能力较强的提取图象边界的新方法.文中还提出了一种获取三维数据的变换方法和一种从表面到物体的识别方法.将上述方法和技术用于导引机器人焊接,提高了机器人适应外界环境的能力.     

VLSI版图的电阻参数提取

总结了ＶＬＳＩ版图验证中提取电阻参数的各种方法的优缺点，给出了一种基于边界元法的电阻提取算法。将该算法用于几个实例中，取得了令人满意的效果。     

基于拓扑图及三维特征的三维物体识别方法

提出一种基于拓扑图及三维特征的三维物体识别方法.该方法在图象预处理阶段先检测物体可视表面的闭合边界,再依据闭合边界对物体进行表面分割,并用一个景物特征图对景物进行表达(SAGR).在建模阶段,先采用多视图表面模型方法建模,再依据表面分割,对模型用一个模型特征图进行表达(MAGR).在物体识别阶段,将景物与模型的匹配分3部分进行,即扫描部件、图的匹配部件及匹配检验部件.匹配首先是基于 SAGR 与 MAGR 图的拓扑性质的匹配,然后是基于三维特征的匹配.根据匹配结果,或对未知物体自动建模,或给出识别结果.     

基于粒子滤波算法的物体轮廓提取

为了解决物体轮廓提取工作中,由于图像的复杂性和多义性无法依靠计算机来自动完成,而手工提取又存在速度慢、精度低、工作量大等缺点的问题,提出了一种基于粒子滤波算法的物体轮廓的提取算法,该方法可以整合各种先验信息到模型中去提高提取精度.实验证明该方法通过很少的人工交互就可以很好的提取复杂物体的轮廓.该方法为提取物体轮廓线提供了较好的解决对策.     

一种基于熵算子的边界检测方法

报道作者在进行三维医学图象处理中对边界检测算法的最新研究成果，提出一种新的边界检测熵算子，并首次给出快速有效地确定算法中阈值的自适应方法，这种亲折边界检测算法运行速度快，同时又能较好地提取物体轮廓，最后文中以２幅二维图象进行了试验，说明该算法具有实用性和有效性。     

一种改进的GVF Snake模型轮廓检测方法

由于深度凹陷物体的GVF力场中存在着滞止点区域，导致直接使用GVFSnake模型不能正确逼近深度凹陷物体的真实轮廓．本文提出了一种基于GVFSnake模型的轮廓检测算法。首先根据滞止点区域的伪轮廓把物体的整个轮廓分成多段，然后分别设定初始轮廓线利用GVFSnak。模型获得各段轮廓线，最后把各段轮廓线融合成一个完整轮廓。实验结果表明，新的方法不仅能够提取一次深度凹陷物体的完整轮廓，而且能够成功提取多次深度凹陷物体的完整轮廓。     

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.     

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。     

矩形板结构的弯曲问题

采用一般解析解法,先根据矩形薄板弯曲问题的微分方程来求得各种类型的解,如双正弦级数、单正弦级数和代数多项式的解,然后选取其中能满足四个边和四个角的全部边界以及各种载荷作用的解的组合作为每块板的一般解．然后可以用来求解板结构计算中的所有积分常数．作为算例考虑了一个静水压力作用下的水池．本文的解为精确解,理论简单,便于实际应用。     

基于扩展Kalman滤波的声阵列定位数据融合算法

利用各阵元和目标相对于一中心阵元的几何关系建立目标运动方程，坐标变换方程和声阵列测量方程，并以此建立了声阵列目标定位模型。在此基础上提出了基于扩展Kalman滤波算法的目标定位数据融合算法。通过地面目标和空中目标的计算机仿真表明，本算法能够有效地克服由于智能雷布阵的随机性给智能雷定位数据估计带来的困难，对声阵列定位数据也能进行较好的融合，对提高定位精度有一定效果。     

一种用于力觉再现的柔性体变形仿真弹簧-质点模型

提出一种新型的在虚拟现实中可实现的弹簧-质点力/变形模型.它按质点连接顺序划分层次,以受力网格为第1层,构建类似同心环状的弹簧-质点系统.施力刚体以点接触的方式与柔性体进行力交互作用.运用虚功原理,结合施力刚体与受力柔性体组成的系统中虚拟力和质点位移的关系,区别于以往对局部变形的研究,对柔性体进行全局变形分析.柔性体变形是整个柔性体表面质点在力平衡条件下位移变化累加的结果.利用DELTA 手控器对柔性体的接触变形以及实时虚拟力反馈进行仿真,实验表明所提出的方法适用于柔性体的力反馈计算,满足精细作业对虚拟现实系统的要求.     

二值图像的自动表述

提出了一种通过对图像中物体的边缘进行描述来表征二值图像的方法 .该方法对二值图像进行边缘提取、周线跟踪、特征点提取、边缘分割及曲线匹配 .经处理后的图像由一系列描述物体边缘的数学方程来表征 ,有利于图像数据压缩及重构 .     

低速湍流中气动噪声预测方法

 为了研究气动噪声的产生机理和传播过程,在考虑介质黏性的影响情况下,采用分解法并结合湍流模型,对低速湍流流动中气动噪声问题在时域上进行数值计算。基于非结构化同位网格和有限体积法,把可压缩N-S方程分解成不可压N-S方程、含黏性项的声扰动方程;为了考虑质点振速和声压耦合,采用SimpleC算法来同步求解不可压N-S方程和声扰动方程。进出口远场边界采用以渐近解为基础的无反射边界条件,并采用与内部区域相对应的有限体积法、时间隐式格式对其进行求解。利用所编制的程序进行层流状态下圆柱绕流气动噪声仿真验证,并与文献结果进行对比,检验本方法的正确性;并结合湍流模型将数值解法推广到湍流状态下气动噪声数值模拟中。结果表明该方法能够很好地反映流场和声场的形态,无反射边界能很好地抑制声波在边界处的反射,适合低速流气动噪声问题模拟,为实际工程中的降噪工作提供预测信息。     

Spatio-temporal Compensation Based Object Detection for Video Surveillance Systems

Moving object detection in video surveillance is an important step. This paper addresses an automatic object detection algorithm based on spatio-temporal compensation for video surveillance. Temporal difference of the pairs of two frames with a k-frame distance is utilized to obtain coarse object masks. Usually, object regions in these coarse masks have discontinuous boundaries and some holes. Region growing with the distance constraint is proposed to compensate these coarse object regions in spatial domain, followed by filling holes. The added distance constraint can prevent object regions from growing infinitely. The proposed filling holes method is simple and effective. To solve the temporarily stopping problem of moving objects, temporal compensation is proposed to compensate the object mask by utilizing temporal coherence of moving objects in temporal domain. The proposed detection algorithm can extract moving objects as completely as possible. Experimental results have successfully demonstrated the validity of the proposed algorithm.     

Vector bundle constraint for particle swarm optimization and its application to active contour modeling

Active contour modeling (ACM) has been shown to be a powerful method in object boundary extraction. In this paper, a new ACM based on vector bundle constraint for particle swarm optimization (VBCPSO-ACM) is proposed. Different from the traditional particle swarm optimization (PSO), in the process of velocity update, a vector bundle is predefined for each particle and velocity update of the particle is restricted to its bundle. Applying this idea to ACM, control points on the contour are treated as particles in PSO and the evolution of the contour is driven by the particles. Meanwhile, global searching is shifted to local searching in ACM by decreasing the number of neighbors and inertia. In addition, the addition and deletion of particles on the active contour make this new model possible for representing the real boundaries more precisely. The proposed VBCPSO-ACM can avoid self-intersection during contour evolving and also extract inhomogeneous boundaries. The simulation results proved its great performance in performing contour extraction.     

Vector bundle constraint for particle swarm optimization and its application to active contour modeling

Active contour modeling (ACM) has been shown to be a powerful method in object boundary extraction. In this paper, a new ACM based on vector bundle constraint for particle swarm optimization (VBCPSO-ACM) is proposed. Different from the traditional particle swarm optimization (PSO), in the process of velocity update, a vector bundle is predefined for each particle and velocity update of the particle is restricted to its bundle. Applying this idea to ACM, control points on the contour are treated as particles in PSO and the evolution of the contour is driven by the particles. Meanwhile, global searching is shifted to local searching in ACM by decreasing the number of neighbors and inertia. In addition, the addition and deletion of particles on the active contour make this new model possible for representing the real boundaries more precisely. The proposed VBCPSO-ACM can avoid self-intersection during contour evolving and also extract inhomogeneous boundaries. The simulation results proved its great performance in performing contour extraction.     

基于水平集的散乱数据点云曲面重构方法

提出了基于最小能量约束的水平集重构方法，用以解决由三维数据点云自动重构复杂拓扑结构物体模型的问题．其基本思想是将重构曲面看成是一个定义在三维空间的可变形封闭曲面，在曲面自身几何特征以及目标模型力的作用下，逐步逼近目标模型，其演变过程同时也是曲面能量逐步减小的过程．采用偏微分方程来表示曲面能量最小化的过程，将曲面进行三维空间网格划分，采用快速扫描法将三维数据点云转换为有符号的距离场，并给出了离散偏微分方程的数值解法．实验表明，基于水平集的三维曲面重构方法能够从初始表面自动收缩到目标模型，而且能够适应任意拓扑结构的复杂物体．