一种新的水平集停止项函数选取方法研究

现今的停止项采用的全局阈值法很难使经典水平集算法得到较准确的分割效果。为此,构建了一个新的停止项函数,该函数在梯度较小时为一个常数,超过某个阈值后为单调递减函数,直至到某个梯度时递减为零。这保证了采用该函数的水平集方法能够实现在同质区加速演化,在边缘区停止演化的目的。实验结果表明,采用新的停止项函数能够使水平集方法获得更好的分割结果。     

三维医学图像分割的改进量子进化搜索算法

传统量子进化算法用于搜索某些函数极值时精确度较低且稳定性较差.针对该问题,借鉴模拟退火算法,根据进化代数及个体的适应度值,修正了传统量子进化算法旋转门函数的旋转角度值,并应用于三维医学图像分割,从而形成了一种用于三维医学图像分割的改进量子进化算法.100次阈值计算实验结果表明,提出的分割算法与传统量子进化算法相比,在保持了传统量子进化算法收敛速度快特点的同时,可大大提高算法在三维分割中的精确性和稳定性.     

基于图切割的快速运动分割方法

基于图切割的图像分割是近几年发展的一项新技术,但随着图像大小及空间维数的增加,图切割的运算量成为负担。针对运动分割提出了一种快速图切割方法,利用运动分割的特点将差分图像中不变的背景映射为一点或几点,然后参与网络图的构造和图切割的求解,以减少图切割运算量。通过实验将这种快速方法应用于2D图切割和3D图切割,对图像序列的运动目标分别进行了自动分割。实验结果表明,这种快速图切割方法不仅大大地降低了存储消耗,提高了运算速度,而且也获得了良好的分割结果。结果证明这种方法在运动目标的分割中是行之有效的。     

扫描军事地形图等高线的自动提取

等高线的提取对构建军事地理信息系统有十分重要的意义.针对扫描军事地形图提出了一种等高线提取算法,为了克服扫描引起的色彩混淆和假彩色,引入高斯核函数构造彩色分割特征集,用来更好的逼近等高线的颜色分布;并充分利用等高线的颜色和空间信息,使用松弛迭代的方法来分割等高线;最后对细化后的二值等高线进行粘连和断点处理.实验结果表明该算法对高质量和一般质量的军事地形图的等高线提取都具有实用价值.     

基于混沌优化的模糊聚类分析方法

提出了基于混沌优化的模糊聚类方法(COFCM).COFCM将混沌优化策略与传统的模糊C-均值算法(FCM)相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,同时结合梯度算子,使方法能有效收敛到极值点.以六组人工数据集和真实数据集作为实验数据,对聚类目标函数值、聚类有效性函数指标值进行对比实验,其结果表明COFCM能得到比FCM更好的目标函数值,从而有更好的聚类效果.最后将该方法应用于Lena图像进行图像分割,验证了方法的有效性.     

基于Snake模型的病变CT肺部图像分割

传统的肺实质分割算法大多基于阈值法、区域增长、边缘提取以及形态学等方法,这对健康肺部CT图像可以得到比较理想的分割结果,但临床上所面临的CT图像大多具有各种病变,严重时会导致肺实质大面积缺失或呈区域性离散块状,这使得传统的肺实质分割算法效果不理想.为此,提出一种以生理解剖学知识为基础并基于Snake模型的肺实质分割算法.通过多组CT图像实验表明,无论肺内有无病变,该算法对CT肺部图像分割效果理想,而且速度快、完全自动.     

基于邻域搜索JADE的二维Otsu多阈值图像分割

为进一步提高分割精度并加快分割速度,提出了一种基于邻域搜索可选外部存档自适应差分进行算法(简称为JADE-GL)的二维Otsu多阈值图像分割方案。首先,针对原始JADE算法精英突变策略收敛速度慢、容易陷入局部最优等问题,提出了基于邻域半径搜索的改进突变策略,以提升算法的全局探索和开发能力。然后,将所提算法与现有分割方法以及其他JADE变种算法进行二维Otsu多阈值分割对比实验。最后,通过函数收敛曲线、分割距离测度、峰值信噪比(peak signal to noise ratio, PSNR)等指标定量分析算法的性能。实验结果表明,随着阈值数增加,提出的算法无论在收敛速度、分割精度还是分割图像效果上都有显著提升。     

基于边界矩和改进FCM聚类的水下目标识别

水下目标的识别是水下机器人对环境动态感知、快速定位与跟踪视觉目标的关键, 本文针对水下成像的特殊性以及成像环境的复杂性,旨在设计一种快速、准确的目标识别系统以指导水下机器人进行下一步的任务. 首先, 综合运用一些流行的算法, 简要介绍了一种有效的边界分割算法; 然后通过对边界矩的分析和修正, 构造了具有平移、旋转及比例变换不变性的仿射变换; 最后详细描述了改进的FCM聚类识别的设计理念. 通过对实测的4类物体组成的水下目标的识别实验, 证明了所提水下目标识别系统可以用于水下目标识别, 并且具有较高的鲁棒性和实时性.     

基于形态学和蚁群聚类的台风分割方法研究

蚁群算法是具有离散性、并行性、鲁棒性、正反馈性等特点的一种仿生进化算法。根据数字图像的离散性特点,从聚类角度出发,将蚁群聚类算法引入到台风云系分割中,并通过引入初始聚类中心和引导函数来解决传统蚁群聚类算法计算量大,搜索时间过长的问题。在蚁群聚类算法的基础上,针对单纯采用蚁群聚类算法可能会将类似于台风云系的分布不均匀的无关云团分割出来而造成分割精度低的情况,提出了一种蚁群算法融合数学形态学方法的台风云系分割方法。仿真结果表明此方法可以准确的分割出台风云系,是一种有效的图像分割方法。     

支持组合夹具虚拟组装的快速碰撞检测方法

快速碰撞检测算法是虚拟环境下组合夹具装配设计的关键，针对组合夹具的结构特点，提出了一种基于元件级空间分割与包围盒检测相结合的快速碰撞检测算法（F-CD），通过建立检测区域的分层投影模型（LPM）实现最大限度的减少进行碰撞检测的元件对数，同时避免了建立复杂的层次模型树，降低了系统内存开销，提高检测效率。对LPM的建立和基于分离平面的包围盒干涉检测算法进行了详细的论述，并对算法进行了比较实验与性能分析。