基于PS-Level Set的嘴唇几何形状定位模型

针对面向唇读的水平集模型在嘴唇分割中存在边界过收敛和过早收敛的问题,文中提出了一种改进的基于先验知识的水平集模型(简称为PS-Level Set)来进行嘴唇几何形状的定位.PS-Level Set模型利用改进的差值能量函数引入嘴唇形状的先验信息.在曲线演化过程中,反复比较演化曲线和先验曲线的差距,使曲线的演化形状逐渐逼近先验模型形状,从而更精确地收敛于目标物体实际轮廓.实验表明,用PS-Level Set模型定位嘴唇几何形状的准确率比用水平集模型提高了8.38%.     

基于面部特征的疲劳驾驶检测

文章采用一种基于眼睛闭合度及打呵欠来检测驾驶员疲劳的方法,在YCrCb颜色空间中利用高斯模型进行肤色检测得到人脸的区域,在人脸灰度二值化图中利用五官几何结构的先验知识粗略定位人眼,利用区域生长和形态学运算得到人眼轮廓并计算眼睛的闭合度;检测嘴唇时利用唇色最佳阈值大致确定嘴唇位置,在此基础上通过人脸灰度值特征精确定位嘴唇,然后通过嘴张开程度判断驾驶员是否打呵欠;最后基于2个特征对驾驶疲劳进行判决,实验证明这种方法对驾驶疲劳检测具有较好的效果。     

基于改进几何活动轮廓模型和Kalman滤波的目标跟踪方法

针对几何活动轮廓模型在跟踪时初始化的影响和收敛不准确的问题,将帧间差分和统计量假设后得到的目标外接矩形作为曲线初始值;引入一个强制项,提出一种改进的几何活动模型方法进行目标轮廓拟合,完成检测;结合目标物轮廓曲线和Kalman滤波器实现运动跟踪。试验结果表明:以车辆目标外接矩形作为初始化曲线,可简化初始化工作,加快车辆目标的轮廓曲线收敛速度;在收敛过程中引入了一个水平集函数的强制项,可使曲线准确演化到对象边缘的凹陷部分,增强曲线的收敛能力;在运动视频对象的准确轮廓基础上,可更准确地跟踪车辆目标。     

全年龄连续的人口死亡模型的样条方法

为解决全年龄连续的人口死亡模型的改进问题，提出利用带有两个形状参数的Bezier曲线根据实际数据建立先验函数的方法。这种方法充分发挥了带形状参数的Bezier曲线的实用性及灵活性，既考虑到数据的整体性，又兼顾到不同时期数据的特殊变化。建立的模型有很好的拟合度和光滑度。     

基于改进的CV模型对脑白质疏松症MRI图像区域分割

提出了一种基于先验形状的CV模型对脑白质疏松症MRI图像病变区域分割。首先利用数学形态学对原始图像滤波并建立先验形状,再对CV模型进行改进以避免重新初始化;然后进行曲线演化,得到最终的分割轮廓。实验结果表明,该方法能较为准确地分割出病变区域,对脑白质疏松症临床辅助诊断有一定的应用价值。     

改进的遗传算法用于离心叶轮优化设计

为了防止遗传算法中过早收敛引起的算法失效,提出了一种改进的遗传算法,来研究离心叶轮的形状优化问题,在计算过程中,增加了一个自适应算子,来不断调节个体变异概率,以保证搜索的全局性和种群的多样性,同时为了不引入过多的边界参数,采用B样条曲线对边界进行描述,最后,对一个数学算例和某离心叶轮进行了计算,给出了最终的优化结果和收敛情况,计算结果表明,改进的遗传算法能够很好地适应于各种应力约束和几何约束,并可得到形状优化的最优解,验证了该方法的合理性和正确性。     

基于几何形变模型的医学图像分割研究

基于形变模型的图像分割方法通常可以分为参数型(Parametric Deformable Models)和几何型(Geometric Deformable Models)两类。提出了一种基于几何形变理论的LBF模型。针对水平集level set模型不能处理灰度不均一图像的分割问题,采用了LBF模型,并且该模型引入了一个以高斯函数为核函数的局部二值拟合能量,以获取图像的局部信息。通过理论分析与计算机仿真算例和其他算法的性能进行对比,表明改进算法LBF提高了图像分割的稳定性和精确性,具有较高的实用价值和广泛的应用背景。     

信号中断下不同约束对精密单点定位收敛精度与时间的影响分析

精密单点定位(precise point positioning,PPP)技术的出现,使得全球单接收机高精度定位成为了可能。然而其首次定位收敛时间及信号中断等原因重新收敛时间过长,极大地限制了PPP技术的应用。针对信号中断导致重新收敛时间过长的问题,采用基于原始观测值的非差非组合模型,通过先验大气层约束来加快PPP重新收敛。对于不同卫星电离层预测值精度不同,提出利用先验预测值方差来确定中断时刻预测值方差。比较了不同系统组合信号中断下无约束、先验对流层约束、先验电离层及对流层约束条件下(east-north-up)方向最大误差,表明先验大气层约束条件下,短时间信号中断定位误差依然能维持在分米级别。最后分析了无约束、对流层约束以及大气层约束下1 s、10 s、30 s、60 s中断的重新收敛时间。与无约束重新收敛时间相比,对流层约束收敛时间提升了18%,大气层约束收敛时间提升了74%。     

基于边缘信息和先验形状的水平集图像分割方法及其在病原菌识别中的应用

研究从多目标图像中自动提取单个目标的图像处理方法.从分析曲线的水平集表示入手,首先探讨了水平集动态轮廓分割和配准模型构建的统计思想和变分方法,然后针对多目标粘连图像的特点,提出了含边缘信息和先验形状的水平集图像分割模型,并将其应用于病原菌的识别.由于引入边缘信息改进对分割的约束,加强了目标边缘对分割轮廓的吸引,同时消除了一些由噪声、阴影和杂质造成的影响.实验表明,改进后的先验形状水平集图像分割方法能直接从多目标粘连图像中提取单个目标,进一步完善了依据显微镜图像识别病原菌的图像处理方法.     

空间自适应的快速粒子Level Set方法

Level set作为一种有效的界面追踪方法,已经被广泛地应用到单相流的自由表面追踪或多相流的交界面追踪.快速粒子level set方法(FPLS)是一种改进的level set方法,既具有较高的界面追踪精度,又有较高的计算效率.将其与自适应网格结合起来,提出了一种基于树型结构空间自适应的快速粒子level set方法(SA-FPLS).通过在交界面附近设置高分辨率网格带,且只在高分辨率网格带内求解level set方程,既进一步提高了交界面模拟精度,又可以节省计算机内存,同时保持较高计算效率.     

水平集理论在磁共振脑图像分割中的模型研究

灰度不均匀性常出现在医学图像中,给图像分割问题带来很大困扰.为了提高鲁棒性,可在分割模型中引入各种先验知识,例如形状和灰度分布信息.而传统的引入先验知识的分割算法,如神经网络算法,仍存在许多问题,包括数据计算量大和边界不连续等.为了解决这些问题,提出了一种基于水平集理论的分割算法.利用局部区域的灰度信息定义能量函数,然后根据能量函数的最小化机制引导水平集曲线进化并最终收敛到目标边界.在仿真实验中,将局域化的水平集算法与传统的自组织映射神经网络算法进行比较.结果表明,所得到的算法在鲁棒去噪和目标边界的连续性方面效果更佳.     

几何连续的Bézier-like曲线的形状调配

在形状调配过程中,中间过渡曲线的参数连续性往往是不能保证的。首先给出Bézier-like曲线的定义,然后从连续性的角度出发,利用Bézier-like曲线的性质,研究形状调配中曲线的几何连续特征保持问题。讨论了线性混合过程中一、二阶几何连续保持条件及相应解决办法,从而得出一般Bézier-like曲线在形状调配中参数连续的保持方法,此方法适用于计算机动画和工业造型设计。     

分段迭代B-snake模型

传统B-snake模型以整体迭代为基础,已经逼近到目标的轮廓曲线仍要参加迭代计算,影响轮廓曲线的收敛速度。提出了一种改进的B-snake模型——分段迭代B-snake模型,它以分段迭代为基础,在迭代过程中只计算尚未逼近的轮廓曲线,直至所有的轮廓曲线均逼近目标轮廓。实验证明,与传统B-snake模型相比,分段迭代B-snake模型可以快速收敛到目标轮廓。     

隐马尔科夫模型在三维模型自动分类中的应用

针对三维模型的分类问题,提出了一种基于隐马尔科夫模型(HMM)和最大期望(EM)算法的三维模型自动分类方法。将HMM引入三维模型自动分类问题中使得更多先验知识在分类过程中被利用。算法首先对三维模型进行预处理和组合切分,并提取各切分部分的形状直方图特征。对形状直方图特征进行离散归一化后形成HMM模型在某一时刻的观测值,这些观测值将用来训练HMM参数。HMM参数通过EM算法进行估计。最后通过计算未知模型和各类模型的HMM参数间的最大后验概率,获得三维模型的分类结果。在HMM建模过程中利用HMM本身所具有的时序性来描述三维模型的空间几何结构和局部几何特征。实验表明该方法在三维模型自动分类中有较高的准确率。     

一种改进的基于主动形状模型的人脸特征定位方法

主动形状模型是目前一种常用的人脸特征定位方法.针对传统的主动形状模型过度依赖模型初始参数的设置问题,提出了一种改进的基于主动形状模型的人脸特征定位方法.首先,通过样本学习得到输入新图像的灰度重构系数,并将这组系数用于人脸形状的重构,再由重构出的人脸形状得到主动形状模型的初始参数,然后通过不断调整模型参数减少模型与目标轮廓的距离误差,最后在数次迭代后达到模型与实际人脸特征轮廓的匹配.与基于传统主动形状模型的特征定位相比,改进的主动形状模型具有较高的准确性,能快速定位出各目标特征.     

几何连续的Bezier—like曲线的形状调配

在形状调配过程中,中间过渡曲线的参数连续性往往是不能保证的。首先给出B6zier—like曲线的定义,然后从连续性的角度出发,利用B6zier—like曲线的性质,研究形状调配中曲线的几何连续特征保持问题。讨论了线性混合过程中一、二阶几何连续保持条件及相应解决办法,从而得出一般B6zier—like曲线在形状调配中参数连续的保持方法,此方法适用于计算机动画和工业造型设计。     

多先验形状模型变分水平集建筑物检测

提出了针对城市遥感影像中建筑物目标分割的一种新的方法。该方法在简化Mumford-Shah模型的水平集方法(Chan-Vese模型方法)的基础上,加入建筑物先验形状模型信息,并引入标记函数来动态选择先验形状,最后通过推演新的模型更好地实现了多个建筑物目标的分割。     

蜂窝网中一种非视距传播的定位技术

非视距传播(NLOS)是蜂窝网定位误差的最主要来源.在定位参数中引入伸缩因子,采用反复叠代的方法,可以减少非视距传播的影响.仿真性能测试表明该方法不需要任何信道环境先验信息且收敛速度快,得到的定位精度接近于利用信道先验信息的平滑和重构技术而得到的精度,适用于未来蜂窝网的定位业务.     

正反相切抛物线方法拟合通风机特性曲线

针对实际应用中通风机特性曲线拟合中存在2次多项式拟合存在假收敛、5次多项式拟合同时存在曲线振荡和假收敛,拟合的曲线与实际通风机特性曲线的“驼峰”形状相差较大等问题,提出一种基于正反平滑相切抛物线的风机特性曲线近似拟合方法,开口向下的正抛物线拟合通风机的稳定工作区域,开口向上的反抛物线拟合通风机的不稳定区域,正反两条抛物线在交点处平滑相切,使得拟合曲线近似“驼峰”形状,避免了2次多项式假收敛和5次多项式曲线振荡问题.     

基于改进的支持向量机的手写体汉字识别

逐次超松弛迭代法算法是一种具体的SVM算法,在SOR算法中松弛因子采取固定数值时,在许多情况下收敛速度较慢。文中提出通过引入具有＂先验知识＂的神经网络,对逐次超松弛迭代法中的松弛因子进行控制,以提高逐次超松弛迭代法的收敛速度。实验结果表明,该模型实现的逐次超松弛迭代法能够提高其收敛速度。在手写体汉字的识别实验中,该改进算法可以减少支持向量机的训练时间。