测地活动轮廓图像边界检测技术研究

本文是对当前各类活动轮廓图像边界检测技术的综述。主要内容涉及两个方面。第一部分引出了活动轮廓图像边界检测模型。从著名的Snake模型开始,阐述了它的基本原理和应用领域。然后指出了该模型存在的问题以及针对这些问题提出的几种改进方法,重点讨论了T—蛇（即拓扑保持蛇）与共轭或称对偶蛇—ACM模型。但所有这些改进方法,连同最初的蛇模型,其数学表示方式都不是内蕴的,即它们的表示方法与参数相关。这对于一种几何表示而言是不能令人满意的。本文的第二部分重点介绍了近年提出的测地活动轮廓模型的内容,它是对传统蛇模型的一种巨大改进。测地活动轮廓模型利用分析力学的方法及Maupertuis原理对传统活动轮廓模型做了本质的更改,使其数学表示方法成为了内蕴的,从而摆脱了对参数化的依赖性。并使求能量泛函极小值的问题转化成为了在一个Riemann空间中寻找一条测地线的问题。这种几何解释的提出使得测地活动轮廓模型研究与当前的另一研究热点—水平集方法产生了深刻的内在联系,并使得有关水平集理论中的众多研究成果、算法和软件能够应用到测地活动轮廓模型的研究中来。     

基于几何活动轮廓的海陆分割方法研究

海上图像识别效率低、时效差。为解决这些问题,针对图像中海上、陆地和植被等区域特点,以及陆地与海洋在图像上的灰度差异,基于水平截集法的海岸线检测方法提取海陆边界,采用不断迭代初始轮廓方法,拟合真实海陆轮廓,实现基于几何活动轮廓的海陆分割。     

基于模糊C均值的水平集活动轮廓模型

针对SPF模型的水平集函数初始化方式不灵活、容易发生边界泄漏的问题,提出一个新的基于模糊C均值的水平集活动轮廓模型.首先,用图像灰度值与两个模糊聚类中心的平均灰度值的差构造一个模糊符号压力函数,并证明它能够调节目标区域内外的压力符号,用模糊符号压力函数取代SPF模型中的SPF函数;其次,使用正则化的Dirac函数?(?)取代|??|;最后,使用高斯滤波平滑水平集函数.实验表明,提出的方法精确有效.     

基于混合活动轮廓模型的超声相控阵NDT图像分割

超声相控阵无损检测图像中往往含有大量的噪声且灰度不均匀,严重降低了超声相控阵图像质量。在采用常规方法分割超声相控阵NDT图像时,往往陷入局部最优解,无法获得准确的边界信息。基于LCV模型和改进的GAC模型,提出一种新的分割方法,结合图像全局信息、局部信息和梯度信息构造了新的能量函数约束轮廓曲线的演化,并结合梯度信息与局部信息提出了一种新的边缘停止函数,引入新的边缘停止函数使模型的抗噪性更强。实验结果表明,该模型能够处理灰度不均匀图像,且对初始轮廓和噪声不敏感。与以往算法相比,可有效避免陷入局部最优解。     

几种经典活动轮廓图像分割模型综述

图像分割是将图像进行特征提取的关键技术。图像分割算法研究成果较多,活动轮廓模型是图像分割获取边缘信息的重要方法。阐述了几种经典的活动轮廓方法,通过大量仿真实验对几种方法进行比较,指出现阶段图像分割遇到的问题并展望其研究趋势。     

一种基于小波变换的动态轮廓模型

梯度矢量流模型广泛应用于计算机视觉与图像分割,但是受噪声的影响,在处理许多医学图像时不能正确收敛到目标轮廓．本文结合小波变换与梯度矢量流模型提出了一种新的动态轮廓模型．新模型定义小波变换矢量替代梯度矢量,并用多尺度小波变换对图像进行预处理．新模型具有更好的抗噪性,并能够得到连续的边缘点．结果表明新模型提高了动态轮廓模型方法分割复杂图像的能力,是一种有效的医学图像分割方法．     

结合局部信息活动轮廓模型的含噪图像分割方法

为改善传统活动轮廓模型对含噪图像的分割精度和效率,提出一种结合局部信息活动轮廓模型的含噪图像分割方法.首先构造局部信息速度函数,使图像局部灰度引导速度函数变化;然后采用拟合图像代替原图像,同时增加拟合中心权重以构造新的拟合项;最后引入自适应权重系数以增加模型对不同图像的分割灵活性.实验结果表明,相较于C-V模型,该方法...     

基于轮廓方向特征的梅州金柚旋转校正研究

梅州金柚包含了早熟品种蜜柚与晚熟品种沙田柚.在基于图像处理的金柚检测研究工作中,将金柚图像旋转至适宜图像检测的摆放角度,是实现高质量检测的前提.在金柚图像旋转校正工作中,采用Sobel算子提取金柚轮廓,并计算各轮廓点的方向角度;利用金柚纵径与横坐标垂直时底部轮廓呈水平线状的特点,在旋转过程中对金柚底部区域方向角度大于85°的轮廓像素点,并以其最大值所对应的旋转角度作为最佳校正角度.为验证算法的有效性,选取213幅金柚图像样品做旋转校正实验,近90%样品旋转校正角度的绝对误差落入5°范围之内,旋转校正结果令人满意.该方法对于后续的金柚尺寸测量,三维抓取研究具有重大意义.     

基于行为轮廓一致性的流程模型距离的研究

针对流程模型及其变体,当距离相同时,用单一的距离量无法衡量变体之间的差异。为解决这一问题,首先引入行为轮廓一致性度的概念,将距离和轮廓一致性结合在一起,然后给出轮廓一致性距离的形式化定义,利用轮廓一致性距离定量评价流程变体和原始参考模型的相关程度,最后,应用轮廓一致性距离成功区分6个距离相等的流程变体,进一步拓展了已有研究对流程变体和原始模型关系的相关结论。     

基于最小包含球的领域自适应算法

相同应用领域因不同时间、地点或设备,检测到的数据域可能会出现不完全一致的现象,从而可能导致机器学习效率降低。为有效地进行数据域间知识传递,在原有支持向量域描述（SVDD）算法的基础上,提出一种全新的数据域中心点校正的领域自适应算法,并使用人造数据集和KDDCUP99大数据集验证算法。实验证明,该领域自适应算法效果较好,将其应用于大数据集可减少核心集元素个数,提高运算效率。     

基于多模型的最小偏差控制

应用多目标优化方法和严格的最小二乘递推算法,给出了使输出偏差极小化的基于多模型的最小偏差控制算法。同时建立多个模型,将那些预报误差相对较小的模型组成所谓容许模型组,并将各容许模型的最小偏差控制的加权平均取作所需的控制(或曰输入),而将那些预报误差较大的模型重新初始化。     

基于局部区域与水平集正则化的图像分割方法

图像分割作为图像处理的基本问题之一,在计算机视觉领域正在接受着越来越大的挑战.该文引入了分片常数水平集函数思想,将图像的不同区域用不同常数近似,避免了分割过程中不断初始化水平集函数及水平集初始化位置微小变化造成分割效果不同的问题.局部区域能量函数的使用更适用于灰度不均匀图像的分割.此外,所提方法能量泛函是局部凸且可微的,分割法对噪声含量较大图像具有明显的优势.充分的实验结果验证了所提方法更高效.     

基于最小二乘法的灰色模型参数估计

通过建立灰色模型来实现对灰色系统的预测的方法得到了众多学者的重视.其首要一步是通过合适的方法建立灰色模型,然后求解灰色微分方程,再将灰色序列进行还原,从而得到原始序列下一时刻的预测值.在灰色微分方程中有两个未知参数,通过应用广泛的最小二乘法可以对未知参数进行估计.     

基于偏最小二乘方法估测生物量模型的应用

生物量是森林生态系统生产力的最好的指针,是森林生态系统结构优劣和功能高低的最直接的表现,是森林生态系统环境质量的综合体现.基于森林经理调查和偏最小二乘理论,联系计算生物量的模型现状,尝试了在切比雪夫(chebyshev)多项式的基础上基于MATLAB7.1平台建立偏最小二乘生物量模型,并通过其与传统生物量模型按照东北地区常见树种进行比较,得出偏最小二乘方法生物量模型计算生物量的精度更高.     

一种基于轮廓波变换和统计模型的图像去噪算法的研究

本文提出了一种基于轮廓波（Contourlet）变换和统计模型相结合的图像去噪方法。Contourlet变换能够更好地表征图像各个方向的特征．通过对特征系数的分析．估计统计模型,利用近似最大后验概率估计（MAP）做局部方差估计并且和噪声方差的估计比较来达到去噪的目的。为了克服缺乏平移不变性所带来的Gibbs效应,本文采用循环平移法进行优化,有效地克服Gibbs效应。与小波变换去噪法和Contourlet变换阈值去噪法比较,该算法不仅能够提高图像去噪的PSNR,而且能够更有效地保持图像的边缘和细节。     

基于集值信息系统的扩充粗糙集模型

借助于属性集值的相似程度在集值信息系统上定义了一种新的带有参数的优势关系-α-优势关系,并研究了其性质;同时比较了两类优势关系,得到的结论是:只要合理地设置阈值α就可以提高分类的精度,从而提高对数据预测、分类的准确度.     

基于最小二乘法计算三分康托集的盒维数

盒维数的计算方法大致是基于覆盖集的基础上进行的,并应用定义及公式得到.通过用不同的盒子覆盖三分康托集,建立一些坐标数据进行研究,提出用最小二乘法计算三分康托集的盒维数的方法.对三分康托集的盒维数进行计算结果,证实该最小二乘法对三分康托集的盒维数的计算结果是有误差的,并且计算量大.     

基于最小残差思想的一类代数 Riccati方程的牛顿迭代求解

本文在牛顿迭代法框架下,借用最小残差法思想,结合预条件共轭最小二乘法,提出了一种新的算法对一类代数Riccati方程的数值解进行了研究,并给出了具体的数值算例。算例结果验证了该方法具有良好的收敛性。     

基于最小二乘法的项目化实训质量评价模型研究

对教学质量评价模型进行了定性和定量分析。为提高模型精度,在理清学生技能掌握程度与项目化实训教学各影响因素关系的基础上,引进校企合作企业评价因子,利用最小二乘法对项目化实训质量评价体系进行数学建模,以指导实训教学,提高教学质量。通过数据分析得知学生个人素质非常重要,需要在教学中注重综合素质的培养。     

非线性自适应水平集的图像分割方法

提出一种新的基于水平集的图像分割方法,通过引入贝叶斯规则,设计一个可有效分割弱边缘的非线性自适应速度和概率加权停止函数。该方法包含如下特性：可以自动决定曲线收缩或利用贝叶斯规则对涉及到的图像区域特征进行扩展;以恰当的速度驱动曲线演变,避免了弱边缘的遗漏;降低了假边缘的影响。最后将所提出的分割方法应用于人工图像、医学图像和自然图像的定性和定量评估。对结果进行比较可知,该方法相对于水平集方法和其代表的变体更加有效和实用。