基于Windows NT的计算机知识与应用无纸化考试网络系统

介绍了所研制的基于Windows NT网络的计算机知识与应用无纸化考试系统的设计思想考试模式、系统结构与关键技术，并以青岛市组织的大范围干部计算机考试为例说明了分布式考试的过程。     

基于层次包围盒的碰撞检测方法

碰撞检测是虚拟现实应用中的关键技术。本文主要介绍了碰撞检测中的层次包围盒方法，并对几种基于不同类型包围盒的碰撞检测算法进行了比较研究。     

彩色纹理图像分割的非局部Mumford-Shah多通道全变差模型

彩色纹理图像分割的困难在于纹理图像成分的描述及彩色图像层与层之间的耦合。为解决该问题,基于多通道全变差规则项可优化彩色图像层与层之间的耦合,非局部算子可以描述纹理图像特征的特点,提出了彩色纹理图像分割的非局部Mumford-Shah多通道全变差变分模型。所提模型综合多通道全变差模型、非局部Mumford-Shah模型优点,并用二值标记函数划分区域。为了提高数值计算效率,对所提出模型设计了ADMM(alternating direction method of multipliers)优化算法。最后,通过数值实验对比以及定性与定量分析表明方法对于彩色纹理图像的分割取得较好结果。     

基于深度学习的图像实例分割

提出了一种基于深度学习的精确图像分割方法。在Mask-R-CNN网络基础上给出一种实例分割网络。针对精确边界分割问题,提出通过重新设计掩码分支结构,来改善边界分割精度。在掩码分支上使用了前后层特征融合的方法可以更好的保留边缘信息。进一步通过增大RoIAlign层的分辨率,得到了更加精确的边界信息。在不影响算法精度的前提下采用深度可分离卷积减少了训练参数,提高了分割算法的效率。实验时通过比较mAP(平均准确率)的结果和检测定量图片需要的时间以及消耗的内存表明该算法的精确性和高效性。     

基于梯度和拉普拉斯算子的图像扩散变分模型

采用图像扩散的变分方法可以有效地设计边缘保持或增强的图像恢复模型。传统的模型往往基于图像强度的梯度,所得到的结果在本该光滑的区域具有明显的阶梯效应。为此,提出了基于梯度和拉普拉斯算子的图像扩散变分模型,以期实现在对图像进行噪声去除的同时,保持或增强图像的边缘,并消除单纯基于梯度模型导致图像光滑区域的阶梯效应。对变分模型中光滑项的设计,首先针对一维模型的分析得出基于梯度和拉普拉斯算子模型向前、后扩散的条件,然后将其推广到二维图像扩散,并在设计的有限差分方法基础上,对所提模型的有效性进行了实验验证,效果良好。     

图像多相分割的变分水平集方法

基于通用的区域模型和通用的区域划分特征函数提出了一种图像多相分割的变分水平集模型,其中区域模型基于图像噪声分布的最大后验概率,特征函数的定义基于水平集函数的Heaviside函数及区域编号的二进制表达.实现了用N个水平集函数划分2N个区域的划分策略.在能量泛函中增加了水平集函数作为符号距离函数的惩罚项,避免了水平集函数重新初始化的过程.相应的演化方程采用半隐式差分格式进行离散,并给出数值算例进行验证.     

基于变分混合模型同步实现图像去噪和反差增强

针对反差较低的且包含噪声的医学图像,依据图像直方图特点设计分段拉伸函数,并与基于梯度和拉普拉斯算子的图像去噪变分模型结合,建立新的变分模型,同步实现图像去噪和反差增强。该模型可有效消除图像光滑区域出现的阶梯效应,从而避免在图像增强过程中出现的假边界问题。同时,还为所提出的模型设计了Split—Bregman算法,以提高计算效率。最后通过实验对所提出的模型和算法的有效性进行了验证。     

多体系统动力学刚性方程广义-α投影法

利用约束投影方法,将广义-α方法进行改进应用于多体系统动力学刚性方程求解．与位移约束、速度级约束和加速度级约束投影的结合可以使各级约束在长时间仿真情况下能够同时在较高精度上得到保持;将能量保持作为约束流形进行投影,可以在长时间仿真时将能量变化控制在较小范围内,避免广义-α方法引入数值阻尼后产生的能量衰减问题．     

多尺度函数时域逼近条件的讨论

根据具有m阶逼近的多尺度函数能够重构所有小于m阶的几何多项式逼近条件，采用数学归纳法，分析了重构方程中的系数之间的性质以及具体的结构，并对这一结构进行推导。以二阶有限元多尺度函数为例，验证了这一方法的正确性。     

单变形体动力学方程

基于Ｊｏｕｒｄａｉｎ变分原理建立了单变形动力学程式化方程。提出了变形体浮动坐标系建立的一般原则，用集中质量有限单元法与正则模态分析法描述物体的弹性变形。得到的结果同单刚体动力学方程及结构体动力学方程兼容。