基于变形模型的肝CT序列图像分割

研究了一种基于变形模型的肝轮廓提取方法。该方法以人的经验知识作为先验信息，利用灰度特征、肝CT序列图像特点、肝区轮廓的整体几何信息作为区域聚合依据进行肝区图像分割。实验表明该方法能够较好地克服噪声和轮廓初始位置的影响，对肝CT序列图像的分割效果较好。     

基于CT图像颈椎有限元模型的建立及验证

针对目前在颈部损伤机理的研究中尚未有适合中国人体型特点的全颈椎有限元模型的情况,采用CT技术获取中国50百分位人体颈椎数据,并以此建立了全颈椎有限元模型.模型采用映射网格划分方法对松质骨、椎间盘和韧带等结构进行了划分,利用现有的颈椎材料参数进行比例和功能缩放来定义稀缺的材料参数.整个模型共有22 512个实体单元,14 180个壳/膜单元,模型解剖结构描述细致、准确.最后通过颈椎离体坠落试验对模型的有效性进行验证,验证结果表明,该模型具有良好的生物逼真度,可应用于研究国人颈椎在汽车碰撞事故中的动态响应和损伤机理.     

基于序列图像的全景图像拼接

基于图像建模和绘制的虚拟环境构造是近年来虚拟现实技术研究的热点。其中基于序列图像的全景图像拼接技术研究是虚拟环境临场感的一个关键因素,文章以普通照相机拍摄的序列图像为基础,通过相邻两幅序列图像差值图像极值点的搜寻,可以快速提取两幅序列图像之间的重叠部分,并采用线性加权法使得缝合后的图像自然、逼真。最后给出了本算法在PC机拼接的效果图。     

基于序列图像的视觉定位

提出了一种静止摄像机条件下基于计算机视觉的工业机器人的定位算法。采用单目视觉系统,由线性摄像机模型推导出定位测量模型。通过序列图像,以一种改进的自适应混合高斯模型更新背景,运用背景差分法检测出运动目标,用CAMSHIFT算法实现对运动目标的跟踪,确定其位置和姿态,估计出运动参数,反馈给机器人指导其准确运动。实验结果表明,该方法快速、有效,能够满足视觉定位的实时性要求。     

基于云模型的时间序列预测

在日常生活中广泛存在着各种时间序列数据,发现时间序列知识、对时间序列进行预测正成为数据挖掘与知识发现的重要内容.首先提出了基于云模型的时间序列预测机制,该机制以云理论为知识表示的理论基础,提出了两种预测知识:准周期变化规律和当前趋势,并综合两种不同粒度的预测知识实现了时间序列的预测.然后着重于运用云模型进行知识表达、定量数值与定性知识的转换以及综合不同时间粒度的知识进行时间序列预测.     

从序列图像中获取点目标三维运动参数

本文研究了摄像机有机动,而点目标在短时间内作匀速直线运动的情形.研究表明,只要点目标——摄像机相对运动方程满足可观测性条件,那么就可从三幅序列图像中确定点目标的三维运动参数,进而估计出它的空间坐标.文中还对算法的抗干扰能力进行了分析,结果表明,摄像姿态以及点目标——摄像机相对运动方程的曲率是影响算法抗干扰能力的两大因素。最后给出了计算机模拟结果.     

基于非定标图像序列的三维重建

本文介绍了非定标图像序列的三维重建的应用需求、基本概念和当前国际上研究进展情况。     

基于无人机序列图像的三维场景重建

阐述了无人机拍摄的序列图像三维重建的方法,主要涉及图像之间特征点的提取与匹配、稀疏点云重建、密集点云重建、三维点云格网化、纹理映射,最后通过实例演示三维重建过程和最终效果,表明此方法可以重建出高精度、照片级逼真的三维场景.     

基于多幅图像序列的三维重建

基于多幅图像序列的三维重建技术, 以两幅图像的三维重建算法为基础, 采用由运动中恢复校准的结构方法, 在已知摄像机参数的情况下, 利用KLT特征点跟踪算法, 实现了多幅图像的三维重建, 并利用集束调整优化了重建结果.     

遥感序列图像中三种点目标检测预处理方法

提出了高通滤波、连续分割和顺序形态滤波等三种点目标检测预处理方法,给出了具体算法,通过实验比较了这三种预处理方法的抗噪声性能、背景抑制性能以及抑制虚假目标性能．实验结果表明顺序形态滤波法在这三个方面都优于其他两种方法,它能够快速、可靠地测出信噪比小于3的运动点目标．     

基于免疫学架构的文本信息检索模型

主要介绍一种新的模型——基于计算机免疫模型的信息检索模型。计算机免疫模型是对人体免疫系统的一种模拟，在这个模型中，主要结合使用传统的词向量模型和新的计算机免疫模型来构建一个智能搜索引擎的内核模型。它具有可以自动学习、高效响应、自动分类、自动识别模式等特点，可以应用于多种信息检索。该模型能通过免疫算法提高搜索引擎的搜索精确度和减少响应时间。     

基于单目序列图像的运动目标跟踪

对于视频监控图像中运动目标位置的检测,现有的定位跟踪系统主要采用双目或结构光立体视觉技术,存在系统设计复杂、检测速度慢等缺点.有鉴于此,文中将地面约束引入到单目视觉监控中,提出了一种单目序列图像运动目标跟踪方法.该方法利用摄像机安装信息和几何成像原理,结合非线性补偿,推导出单目不对称非线性成像的地面运动目标实际位置计算公式.通过搭建室内监控测试平台,在序列图像中进行了寻找步行者足印位置的实验,结果验证了文中方法的有效性.     

基于信息空间理论的智慧城市模型构建

 城市信息空间是以城市地域空间为基础,以城市信息要素为载体,借由信息流实现城市信息纵向贯通、横向互联的虚拟空间。新一代信息技术正推动着信息空间结构和层次的提升,智慧城市代表了高级阶段的城市信息空间,其数据采集、信息交互、系统应用表现为透彻感知、深度互联、智能应用的特点。基于信息空间理论,本文提出了智慧城市的“3I”信息空间,即感知空间、互联空间和智能空间,并构建了智慧城市的三维模型,旨在丰富智慧城市相关的理论体系,为中国智慧城市实践提供指导。     

基于VGG16预编码的遥感图像建筑物语义分割

深度卷积神经网络在遥感图像语义分割研究上开创了新的领域。利用改进的U-net模型对建筑物区域进行像素级提取,可获取其轮廓和尺寸信息。利用强可迁移性的VGG16网络作为U-net模型的编码器,并利用基于空洞卷积的级联并行模块提取多尺度的高层语义信息,同时使用转置卷积实现上采样,逐步还原分割细节。实验采用了加权组合的Jaccard损失和二元交叉熵损失作为总损失函数。实验结果表明了改进的U-net模型对遥感图像中建筑物的分割提取具有更高的精度,均像素精度(MPA)、均交并比(MIoU)和F_1分数分别为92. 16%、78. 55%和84. 81%。改进模型的F1分数比Deep Labv3+模型高4. 8%,比标准U-net模型高8. 3%。     

基于视频的运动目标跟踪算法

为更加准确、 快速地检测与跟踪到运动目标, 将背景差分法和帧间差分法相融合对 CAMSHIFT (Continuously Adaptive Mean-SHIFT)算法进行改进。 首先, 通过背景差分法和帧间差分法相融合确定目标所在 区域, 然后结合 CAMSHIFT 迭代算法实现目标跟踪。 实验结果表明, 该方法改变了传统 CAMSHIFT 算法需手 动选定目标和跟踪窗容易发散的局限性, 并提高了跟踪的准确性与稳定性。     

智能建筑信息系统的分层模型

信息系统是智能建筑系统中最为重要和复杂的系统 ,它包含监控系统中信息的采集、处理和控制 ,以及通信系统中的信息传输。其设计要满足技术上的先进性、适应不同用户需求的灵活性、以及系统的可维护性的要求。智能建筑信息系统的分层模型简化了系统的分析和设计 ,使得对于功能和系统的设计可以在相应层进行 ,这种独立于其它层进行设计、实现和测试满足复杂系统的分析和处理要求     

建筑信息模型的建设项目管理

研究基于建筑信息模型的建设项目全生命周期管理,认为应用建筑信息模型可以解决建设项目全生命周期管理中对信息的需求,使信息的传递渠道、累积方式等多方面发生根本性的变化.构建相关的模型,对设计、施工和运营维护阶段应用建筑信息模型实现有效的管理进行分析.对在工程施工阶段应用建筑信息模型中的问题进行研究,并得出结论.     

关于建立山西省建筑管理信息网的探讨

信息网的建设为工程建设的各方主体解决了我省建筑业在需求新技术和新产品等诸方面信息不灵通的问题。