一种区域统计信息的格子波尔兹曼图像分割模型

格子波尔兹曼(lattice Boltzmann, LB)分割模型具有算法简单、运算快捷的优点,但对于低对比度和受到噪声污染的图像,经常产生欠分割或者过分割现象.为此,引入图像局部区域统计信息,构建了一种新的格子波尔兹曼图像分割模型.为验证该模型及算法的分割性能,在相似性系数和豪斯多夫距离等评价技术指标下,利用真实脑磁共振图像作为实验数据进行分割,并与现有LB分割模型以及水平集分割模型进行对比.实验结果表明,该模型在分割精度方面比现有LB模型提高10倍,在计算速度方面比传统水平集分割模型提高3倍.     

基于简化Mumford-Shah模型的活动轮廓边缘检测模型

在Chan-Vese活动轮廓模型(C-V法)的基础上,提出了一种新的边缘检测模型.在该模型中,图像被定义为两个同质区域的组合,图像边缘检测问题转化为基于Mumford-Shah泛函的能量函数最小化问题.本文在分片常数优化逼近中,添加了图像梯度信息,通过调节该项的权重因子,可以得到基于不同灰度强度的图像边缘图.该方法采用了水平集数值技术,因此活动轮廓具备了拓扑变化的能力,并能克服C-V模型检测不出离灰度均值较远的边缘的问题,实验表明了其有效性.     

MS图像分割在GPU和多核CPU上运行性能研究

为了获取快速、准确和可扩展的图像分割软件模块,根据并行稀疏基本线性代数子方程(PSBLAS)提出了一种图像分割的并行软件模块,即并行稀疏矩阵计算的公共库.该库采用了图形处理单元(GPU)的扩展版本,解决了稀疏线性三角矩阵在GPU上的应用,使得图像分割算法可以有效且透明地使用多模块并行结构.实验的每个计算节点由2个8核CPU Intel Sandy-Bridge E5-2670和192GB的RAM构成,各节点均配备了一个GPU NVIDIA K20,较大尺寸图像的快速精确分割验证了提出方案的有效性.同时,GPU和多核CPU上执行算法的加速比结果显示了加速比与内存边界的应用相关.     

边界轮廓特征的多分辨率弹性配准

提出一种基于边界轮廓的多分辨率弹性配准方法.首先用C-V(Chan-Vese)模型提取人脑图像的边界轮廓.接着使用模拟退火方法结合B样条插值函数来配准边界轮廓点集,在退火过程中通过使用多分辨率策略,在获得精细边界轮廓的同时加快了配准速度.最后利用B样条插值函数完成图像配准.实验结果表明,该算法在保证与同类算法相同精度的前提下,实现了快速弹性配准.     

飞机环控/发动机系统多目标优化

提出一种改进的多目标粒子群优化算法,应用于飞机环控/发动机系统的综合优化. 将不同飞行阶段系统总熵产最小视为不同的目标函数,建立了多目标优化模型. 进而在基本多目标粒子群优化算法基础上,引入跳转操作、族群概念和一种全局最优位置分配方法,提出了一种改进算法,测试结果表明该算法性能良好. 采用该算法对多目标优化模型进行计算,得到收敛且分布均匀的非劣最优解集,为飞机系统综合优化提供一种新思路.     

MRI的脑部肿瘤分割及其三维重建

脑部肿瘤精确分割和三维重建的研究对脑部肿瘤疾病的诊断具有重要意义.提出一种全自动的脑肿瘤分割方法,该方法首先利用人脑结构信息的对称性,通过区域生长法实现脑肿瘤的粗略分割,然后将粗分割区域作为初始水平集轮廓,利用改进的测地线活动轮廓(geodesic active contours, GAC)模型进一步精确分割.经实验分析可知,该模型具有良好的分割灰度不均匀的弱边缘能力.最后对分割出的脑部肿瘤序列图像进行面绘制重建及其可视化,以此为脑肿瘤研究提供更多维度的信息.     

直扩系统滑动相关捕获方法性能研究

研究了两种不同结构直扩系统滑动相关捕获方案的性能,一种是传统的单停顿串行滑动相关法,另一种是串并行结合的单停顿滑动相关捕获法。文中分别给出了两种方案的平均捕获时间、虚警概率、检测概率表达式以及部分仿真结果,并对两种方案的性能作了对比。     

一种新的基于背景色度的镜头边界探测算法

提出了一种基于背景颜色不变量的改进双直方图算法进行镜头边界探测.该方法首先采用连续帧间差的4次统计量假设检验分离出背景区域,然后选用L^*a^*b^*彩色模型来计算背景区域的色度,再利用改进的双直方图算法进行镜头边界探测.本方法所需计算量较小,且可保证较高的精度.实验结果表明,该算法的分割效果明显优于其他几种算法,更加准确高效.     

基于随机森林的多阶段集成学习方法

集成学习主要分为串行和并行学习方法.并行学习的优势在于分类器的并行学习和融合,对分类问题通常采用的融合策略为投票法或堆叠学习法,它们的代表分别为随机森林和堆叠泛化Stacking.为了进一步提高Stacking的分类性能,在经典Stacking算法原理的基础上,提出基于随机森林的多阶段集成学习方法,以随机森林作为基层的基学习算法,以投票法和学习法同时作为融合方法,来降低泛化误差.在UCI数据集上的实验结果表明,提出的模型在Accuracy和1F指标上,相比Bagging,随机森林和Stacking等分类器在分类性能上有很大的提升.     

基于改进GA和OTSU的图像分割算法

图像分割是图像处理、模式识别和人工智能等多个领域中一项关键技术.文章利用改进遗传算法与改进OSTU算法相结合对二维图像分割进行了全局优化,使算法在保持群体多样性的同时加快收敛速度,提高算法全局收敛的稳定性,实现了图像的自动最佳阈值的分割.     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果，提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法。将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理，计算图像中前景和背景的概率，训练该模型以获得最佳阈值进行图像分割处理，优化图像分割的效果。利用无人机航拍采集的图像数据进行实验，结果显示基于属性加权朴素贝叶斯算法的OTSU图像分割方法优化了图像的分割效果，较完整地展示了分割后的图像细节，具有较好的应用价值。     

引入图片相似性的PatchMatchGraph方法

随着人工标注的在线图像数据越来越多,数据驱动的相关算法日益受到人们的关注.图像语义分割是图像分割领域的一项重要任务,S.Gould等人提出了PatchMatchGraph算法,该算法通过对图片集合建立图片之间像素块的映射,使得PatchMatch算法在图片语义分割应用上有着很好的效果,但是由于PatchMatchGraph算法对于计算机内存的消耗太大,限制了其进一步的应用.我们提出了一个新的算法框架,通过引入图片相似性,对训练集做预筛选,保持允许范围内准确度的同时,降低了内存的消耗,为算法应用提供了新的指导思路.     

应用商空间理论的遥感影像多粒度合成分割

传统影像分割方法只能对影像进行单一粒度空间的分割,分割结果的准确性限于单一粒度空间,该文运用商空间理论提出一种遥感影像多粒度合成分割方法. 首先探讨多粒度影像分割的商空间模型,用影像数据场表达像元空间关系,用分形维数特征增强人工地物和自然场景的区分能力. 对灰度特征、影像数据场、分形维数分别进行分水岭分割和迭代自组织数据分析(ISODATA)聚类,获得多粒度分割结果. 最后基于粒度合成原理给出一个具体的多粒度影像分割的商空间合成算法. 实验表明该方法能充分利用各个粒度空间分割结果的优点,纠正了单一粒度空间的分割错误,分割结果更准确.     

一种改进的K means聚类彩色图像分割方法

图像分割是从图像处理到图像分析的关键步骤.图像分割的目的是将图像分割为多个互不重叠且又各具特性的区域,主要应用于图像压缩、目标提取、模式识别等.以往的图像分割技术主要应用于灰度图像,随着计算机技术的进步,彩色图像分割逐渐受到关注.该文在前人对彩色图像分割问题的大量研究成果基础上,提出了一种将K-means聚类、蚁群算法以及分水岭算法相结合的分割方法.本方法有效的克服了聚类数目必须依据先验知识提前设定、最初的聚类中心是随机选取的、聚类的效果好坏依赖于距离判定公式的缺陷.     

基于连通图的高速高机动目标变结构多模型算法

针对传统的基于活跃有向图的变结构多模型(variable structure multiple model based on adaptive digraph, AD-VSMM) 算法不能实现模型子集之间快速跳转且计算量大的问题,提出了一种基于连通图的高速高机动目标变结构多模型(variable structure multiple model algorithm based on connected graph, CG-VSMM)
算法. 通过分析传统AD-VSMM 算法的模型集转换方法,选择加速度和角速度作为模型参数,建立模型集连通图之间的连通关系. 根据目标机动情况选择参与计算的模型子集,然后依据子模型的后验概率大小对模型子集进行实时局部调整. Monte Carlo 仿真结果表明,新方法能实现变结构多模型(variable structure multiple model,VSMM) 算法模型子集之间的快速跳转,且跟踪精度、计算量、稳定性等都得到了较好的改善,可应用于高速高机动目标的跟踪.     

SoC系统的并行性分析及划分

根据SoC发展的趋势,提出了将并行划分技术运用到SoC设计过程中的策略. 对SoC系统进行并行性分析,设计了一种SoC系统级的并行划分算法. 该算法建立在贪心算法的基础上,并改进了贪心算法的负载不平衡现象. 实验表明,在SoC系统中运用并行技术能有效地缩短执行时间.     

基于DCT域纹理特征的多聚焦图像融合

现有的基于离散余弦变换(discrete cosine transform, DCT)的多聚焦图像融合算法容易使融合图像出现块效应和伪影,为此提出一种基于DCT域纹理特征的图像融合算法.该算法以8×8 DCT块中反映能量方向性的纹理区域作为图像融合单位,根据纹理区域的频谱相似度,选择能量较大的区域或以区域加权叠加的方式获得融合区域.实验结果表明,与现有基于DCT域的多聚焦图像融合算法相比,该算法获得的融合图像主观质量较好,能有效避免明显的块效应与伪影.     

浮选中泡沫图像的分割算法

描述了浮选中泡沫图像的分割算法，根据测定泡沫的尺寸、形状和纹理分割泡沫图像。因这些泡沫图像的图案和性质千差万别，用现有的分割算法是很困难的，我们修改并结合不同的现有图像分割算法，形成了一种分割泡沫图像的新算法。在这种算法中，使用并修改了阈值算法，自动地检测泡沫的种子点或种子区域，然后使用形态学技术产生泡沫区域。最后，基于泡沫形状分析，合并过于分割的泡沫部分为一泡沫。文中列举了分割三个泡沫图像的结果，它表明这种分割泡沫图像的方法是合理的。     

结合模糊熵和遗传算法的双阈值图像分割

在火炮身管弯曲度测量系统中,为了能从光靶图像中同时提取标定图案和激光光斑,提出了一种双阈值图像分割方法. 基于模糊数学理论和最大模糊熵判据,把光靶图像中的像素灰度级分为黑、灰和亮3 个模糊子集,用于畸变校正的标定图案的像素灰度级隶属于黑模糊子集,用于测量的激光光斑的像素灰度级隶属于亮模糊子集.使用改进的模糊指数熵作为分类判据,提高了分类准确性. 通过遗传算法确定模糊熵参数的最优组合,降低了计算复杂度,并且最大模糊熵判据仅含有4 个模糊熵参数,减小了搜索空间. 针对光靶图像进行了双阈值分割实验,并与最大类间方差双阈值法、模拟退火模糊熵法和使用未改进的模糊指数熵的遗传模糊熵法进行了比较. 实验结果表明,所提方法能自动而有效地选取双阈值,且分割效果优于其他3 种双阈值分割方法.     

基于三维脉冲耦合神经网络模型的医学图像分割

该文将脉冲耦合神经网络模型从二维平面扩展到三维空间,同时提出一种新的乘积型互信息算法,将其作为脉冲耦合神经网络分割算法的最优分割准则,并将两者结合实现三维医学图像的整体自动分割. 利用该文提出的算法对三维CT肺部图像进行分割实验,结果表明,该算法在保证分割精度的基础上显著地减少了分割运行时间,提高了分割效率,具有应用于医学图像分割的潜在价值.