基于改进LGDF模型的超声图像自动分割方法

基于局部高斯分布拟合能量(LGDF)模型的图像分割方法,对初始轮廓选取及参数选择较敏感.如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败,且分割速度较慢.针对以上不足,提出了一种改进的LGDF模型的超声图像自动分割方法.该方法的正则化项由具有双极值点的势函数构成,在水平集函数进化过程中,可以避免由单极值点势函数造成的水平集函数震荡和扭曲,从而加快了收敛;另外,将局部熵阈值分割的结果作为LGDF模型的初始轮廓,接近真实轮廓,可以克服手动选取初始轮廓的影响.实验结果表明,该方法能自动获取合适的超声图像初始轮廓,并得到较好的分割结果,同时大大提高了分割速度.     

基于ICONDENSATION算法的人手跟踪与手势识别算法

为实现基于手势的智能人机交互,提出了一种基于视觉的人手跟踪与手势识别算法.该方法以ICONDENSATION算法为基础,融合颜色与深度信息进行重要采样,结合轮廓信息并通过ASM模型的能量函数进行观测,根据最大后验概率对几种预定义的手势进行识别.实验结果表明,该算法能够有效地实现复杂背景下的人手跟踪与手势识别,为进一步实现智能人机交互奠定了基础.     

过渡区提取方法综述

图像分割是图像理论发展的瓶颈, 过渡区是指图像中介于目标和背景之间的 特殊区域,借助于过渡区的确定进行图像 分割。主要介绍了过渡区提取的两大类方法 ：基于梯度的方法和基于非梯度的方法, 并对提取效果以及存在的问题做了简要分析。     

基于GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检...     

交互式动态体三维显示关键技术

研究了交互式动态体三维显示的关键技术,包括三维数据体素化、体素激活、体空间生成和人机交互等,实现了体三维显示系统样机.其中,采用体立方栅格(BCC)采样策略以减少体素化生成的体显示数据,以数字微镜器件(DMD)作为空间光调制器(SLM),并针对DMD设计了二值切片的快速激活算法;分析了基于旋转螺旋面的体三维空间生成方法,并将基于隐马尔科夫模型(HMM)的动态手势控制应用于交互式体三维显示系统.针对原理样机设计的各组实验表明,BCC体素化策略减少了40%以上的体显示数据,基于DMD的切片快速激活算法使得在500mm×250mm半圆柱形成像空间内显示的三维图像刷新率达16Hz、并且可以选择任意视点裸眼观看,准确率超过93%、响应时间低于40ms的动态手势识别算法能够较好地实现实时交互式体三维显示.     

Cs相似度函数下正则谱聚类的收敛阶

用覆盖数逼近的方法给出Cs相似度函数下正则谱聚类的收敛阶.     

救荒野豌豆对根竞争的响应及其识别机制

以救荒野豌豆为材料,研究其对邻体根的响应机制以及根之间的识别方式.结果表明:邻体根存在时,叶、茎、冠、根生物量,根冠比和花数量均没有变化,而繁殖生物量明显增加,表明根的生长与繁殖不存在权衡,也表明救荒野豌豆能够检测到邻体根的存在并做出响应;根之间的识别方式既有直接接触,也有间接的化感作用.     

网格笔划密度特征的OPCCR错误自动检测

现有的光学印刷体汉字识别（OPCCR）系统中,汉字识别率虽然已经高达98%以上,但仍然会发生错误识别的情况.通常,这些错误的识别还不能被自动检测,采用人工检测,费时费力,大大降低了实际应用系统的自动化和智能化程度.为此,本论文提出了基于网格笔划密度特征的OPCCR错误的自动检测算法.本算法首先建立标准汉字的网格笔划密度特征的特征库.然后,在OPCCR错误的自动检测时,对光学印刷体汉字图像进行预处理、行分割、列分割得到单个汉字图像,提取单个汉字图像的网格笔划密度特征.再把特征和相应的识别出的汉字的特征库中的特征进行相关匹配.于是,根据特征匹配自动检测OPCCR的错误.     

逆向工程中一种鲁棒的平移对称提取算法

为了解决逆向工程中平移对称提取的问题,提出了一种鲁棒的提取算法.首先利用特征线将模型分割成体素的集合,然后计算各个体素的形状分布曲线,通过形状分布曲线匹配的方式获取了几何形状相似的体素,并利用最小包围盒从中提取大小相似的体素,以构成对称体素的集合.利用鲁棒的PCA方法估算对称体素的初步对称信息,在此基础上利用迭代最近点算法对提取的平移对称进行优化.采用一个机械零件的三角网格模型进行实验的结果表明,体素分割结果对应构成模型的各个特征,具有明显的工程语义,对称提取结果的误差较小并具有较强的鲁棒性.     

海量信息异常检测问题的异常概率排序算法

针对异常检测算法速度慢、精度低、稳定性差等问题,提出了一种通过异常概率排序提取异常点的算法(OAP).由于异常点相对正常点更容易通过对数据空间的均匀分割而孤立出来,所以OAP通过数据点在均匀N叉分割树中的孤立深度估算异常概率的大小,从而得到异常概率的排序,最终构造由k个异常概率最大的点组成的列表,列表中的数据就是所求的...