基于严格等价函数的区间二型模糊熵及其图像阈值分割方法

文中利用严格等价函数提出一种基于区间二型模糊熵的图像阈值分割方法.首先基于公理化定义,利用严格定价函数提出一种区间二型模糊熵的构建方法,由此可以得到多个不同的模糊熵计算表达式;然后通过理论分析给出了利用最小化模糊熵准则选取最优阈值的方法.实验结果表明,与现有的其他模糊阈值分割法和改进的2维Otsu法等相比,该方法的分割更加准确,运行时间更少,具有更广泛的适应性.     

基于多阈值分割算法的发动机羽焰图像序列分析

提出一种基于对比度和相似性度量的多阈值分割算法.算法引入人类视觉系统感知光强度变化的非线性和适应性原理,将图像的灰度级区间分成几个互不相交的子区间,使得子区间的内部像素的共性以及子区间之间的像素对比度都尽可能大,综合共性和对比度之后获取图像的分割门限.将算法应用到发动机羽焰序列图像的分割并进行序列分析,实验结果表明算法是有效的.     

解一类弱间断最优控制问题的一个自适应拟谱方法

针对弱间断最优控制问题,提出一种自适应拟谱方法.利用一些点序列分割时间区间为若干子区间;控制和状态函数使用分段连续多项式逼近;以数值解的收敛性为基础,证明分割时间区间的点序列可以收敛到弱间断点;依据柯西收敛原理,弱间断点位置可以由前述点序列的变化来估计,据此设计误差指示量以调整子区间和逼近多项式次数.在数值算例中,通过与两种拟谱方法比较,所提出方法在精度和效率上都有更好的表现.     

基于中心扰动的区间值模糊集图像阈值分割算法

针对基于区间值模糊集的图像阈值分割问题,提出了一种基于中心扰动的区间值模糊集图像阈值分割算法.采用对目标及背景中心进行扰动的方式,考虑不确定、不精确信息对图像类别中心的影响,并利用限制等价函数构建图像的区间值模糊集模型;在提出一种区间值模糊集上区别度量的基础上建立目标函数来搜索最佳分割阈值.通过对三种类型的图像数据进行仿真实验,结果表明提出的方法在视觉和指标上总体得到了较好的结果,证明了该算法的有效性.     

区域化模糊均值高分辨率彩色遥感影像分割方法

基于像素模糊?? 均值算法(FCM) 及其改进算法难以解决高分辨率遥感影像中地物目标光谱测度相似性减弱和几何噪声增大带来的分割难题, 提出一种基于区域的FCM算法. 该方法利用Voronoi 几何划分将影像域划分为子区域, 并用子区域拟合地物目标的几何形状. 在此基础上, 定义区域FCM目标函数, 通过迭代最小化该目标函数实现高分辨率遥感影像分割. 实验结果表明, 与基于像素的FCM和增强FCM方法相比, 所提出方法可以更加精确地实现高分辨率遥感影像分割.

     

边缘和区域多阶段结合的图像分割

基于局部灰度的边缘检测和基于全局灰度统计的阈值分割是两种最要的图像分割方法.针对这两种方法单独使用时得不到理想分割结果的问题,提出一种边缘和区域多阶段结合的策略,利用边缘像素的灰度确定子区域分割阈值,将边缘和区域边界距离评估作为子区域递归分割的终止条件,最后叠加边缘图修订区域分割结果.实验表明,本文方法对于目标灰度不均的细胞图像能获得理想的分割效果.     

结合Top-down和Bottom-up准则的有效图像分割方法

基于图像的Bottom-up分割方法能够根据图像的不连续性以较高的正确率获取目标边缘;Top-down分割方法通过学习可以获取目标的外形表示,即对象基元CSF(Class-specific Fragment),该CSF能够用以覆盖待分割图像,帮助获得更好的分割效果。结合这两种准则的优势,提出一种有效的图像分割方法。把Top-down分割结果作为Bottom-up的输入,用改进的多尺度标记控制分水岭变换细化边缘,完成分割。算法利用相似性标准,能够简便快捷地判定属于对象基元的子块并匹配覆盖目标图像;同时,把形态学重构运算加入到强制最小技术中,对其结果求补后获取区域最小值,构建出的标记模型更加理想。实验表明,该方法得到的分割结果优于单独使用Top-down和Bottom-up方法,即使在背景可变和身体可动部位也能较好地分割出目标。     

基于区域的多尺度全色遥感图像分割

针对边缘信息不足导致的图像误分割问题,提出一种基于区域的多尺度全色遥感图像分割方法.首先,利用曲波变换对图像进行多尺度分析,获取多尺度分解图像;然后,利用规则划分技术将其图像域划分成一系列子块,结合统计方法,建立基于区域的多尺度统计分割模型;接着设计可逆变马尔可夫链蒙特卡罗(RJMCMC)算法求解该分割模型;最后,利用所提出方法对全色遥感图像进行分割实验,实验结果表明,所提出方法能够有效解决图像误分割问题,并较好地实现图像分割.     

基于时滞分割法的区间变时滞不确定系统鲁棒稳定新判据

针对一类存在泛数有界不确性的区间变时滞线性系统, 利用Lyapunov-Krasovskii (L-K) 泛函方法并结合线性矩阵不等式(LMI) 技术建立一种新的保守性更低的鲁棒稳定性判据. 首先基于时滞分割方法将时滞区间均分成N 等分, 针对不同的子区间构造合适的L-K 泛函; 然后在各自的分割区间采用保守性较小的积分不等式处理泛函沿时间的导数, 基于凸组合技术建立了LMI 形式的时滞相关稳定性新判据; 最后通过数值实例验证了结论的有效性.

     

基于谱分割的稀疏矩阵特征值问题并行求解

本文给出了一个基于谱分割并行求解稀疏矩阵特征值的方案,将矩阵的特征值求解区间划分为多个独立的子区间,分别对各个子区间内的特征值进行独立的并行求解.在该方案中,提出了一种通过盖尔圆信息估计矩阵特征值分布的方法,并结合二分法以及插值方法修正特征值的分布,提高估计的准确性,进行谱区间分割.本文还结合谱分割和基于围道积分的近似谱投影算法设计出一个特征值问题多级并行算法,并在"深腾7000"和"元"超级计算机上验证了本文提出谱分割方案的有效性、均衡性以及特征值并行求解的高效性.同通用求解方法相比,基于谱区间分割的并行算法在1024核上性能提高了5倍以上,并行求解的可扩展性显著提升.     

Parallel kd-Tree Construction on the GPU with an Adaptive Split and Sort Strategy

We introduce a parallel kd-tree construction method for 3-dimensional points on a GPU which employs a sorting algorithm that maintains high parallelism throughout construction. Typically, large arrays in the upper levels of a kd-tree do not yield high performance when computing each node in one thread. Conversely, small arrays in the lower levels of the tree do not benefit from typical parallel sorts. To address these issues, the proposed sorting approach uses a modified parallel sort on the upper levels before switching to basic parallelization on the lower levels. Our work focuses on 3D point registration and our results indicate that a speed gain by a factor of 100 can be achieved in comparison to a naive parallel algorithm for a typical scene.     

Highly Parallel Fast KD-tree Construction for Interactive Ray Tracing of Dynamic Scenes

We present a highly parallel, linearly scalable technique of kd-tree construction for ray tracing of dynamic geometry. We use conventional kd-tree compatible with the high performing algorithms such as MLRTA or frustum tracing. Proposed technique offers exceptional construction speed maintaining reasonable kd-tree quality for rendering stage. The algorithm builds a kd-tree from scratch each frame, thus prior knowledge of motion /deformation or motion constraints are not required. We achieve nearly real-time performance of 7-12 FPS for models with 200K of dynamic triangles at 1024x1024 resolution with shadows and textures.     

基于完全联系的条件随机场的图像标注

传统的图像标注模型通常存在两个问题：只能够对短距离的像素上下文信息进行建模和复杂的模型推理过程。为了提高图像标注的精度、简化图像标注的模型推理过程,采用完全联系的条件随机场模型进行图像标注,提出利用基于高斯kd树的平均场估计方法实现该模型的高效推理。为了更好地验证算法的有效性,实验的图片数据库不仅包含标准的图片库--剑桥大学微软研究图片库（MSRC-9）,还包含作者制作的机械零件图片库（MyDataset_1）和办公桌图片库（MyDataset_2）。新算法在三个图片库上的平均标注精度分别可以达到77.96%、97.15%和95.35%,每幅图的平均运行时间为2s。实验结果表明,基于完全联系的条件随机场的图像标注能够更充分地考虑不同的像素上下文信息来提高标注精度,而基于高斯kd树的模型推理能够提高模型推理的效率。     

重叠区域找重策略和插值方法的研究*

介绍了重叠区域问题中常用的找重策略以及插值方法,首先在找重策略方面引入基于网格的kd树数据结构,提高了找重的效率;在插值方法研究方面详细介绍了逆距离插值方法,并引入有限单元法中的型函数思想实现双线性/三线性插值,这种基于型函数的线性插值方法具有严格二阶精度、计算简单的优点。实验结果表明这些方法是非常有效的。     

光线追踪的kd-tree构造

针对kd—tree的结构会直接影响光线追踪的渲染速度,结合SAH思想,设计和实现了一种引入光线的构造kd—tree的方法,简化构造过程巾的计算,并生成优于用普通二分法及原始SAH思想构造的kd—tree。实验证明,该方法可加快渲染速度且场景效果不会变差,适用于游戏型学习软件及游戏。     

KD-tree based parallel adaptive rendering

Multidimensional adaptive sampling technique is crucial for generating high quality images with effects such as motion blur, depth-of-field and soft shadows, but it costs a lot of memory and computation time. We propose a novel kd-tree based parallel adaptive rendering approach. First, a?two-level framework for adaptive sampling in parallel is introduced to reduce the computation time and control the memory cost: in the prepare stage, we coarsely sample the entire multidimensional space and use kd-tree structure to separate it into several multidimensional subspaces; in the main stage, each subspace is refined by a sub kd-tree and rendered in parallel. Second, novel kd-tree based strategies are introduced to measure space’s error value and generate anisotropic Poisson disk samples. The experimental results show that our algorithm produces better quality images than previous ones.     

Probabilistic cost model for nearest neighbor search in image retrieval

We present a probabilistic cost model to analyze the performance of the kd-tree for nearest neighbor search in the context of content-based image retrieval. Our cost model measures the expected number of kd-tree nodes traversed during the search query. We show that our cost model has high correlations with both the observed number of traversed nodes and the runtime performance of search queries used in image retrieval. Furthermore, we prove that, if the query points follow the distribution of data used to construct the kd-trees, the median-based partitioning method as well as PCA-based partitioning technique can produce near-optimal kd-trees in terms of minimizing our cost model. The probabilistic cost model is validated through experiments in SIFT-based image retrieval.     

基于Spark的K-means改进算法的并行化实现

针对传统K-means算法在处理海量数据时,存在计算复杂度高和计算能力不足等问题,提出了SKDk-means （Spark based kd-tree K-means）并行聚类算法.该算法通过引入kd-tree改善初始中心点的选择,克服传统K-means算法因初始点的不确定性,易陷入局部最优解的问题,同时利用kd-tree的最近邻搜索减少K-means在迭代中的距离计算,加快聚类速度,并在Spark平台上实现了该算法的并行化,使其适用于海量数据聚类,最后通过实验验证了算法具有良好的准确率和并行计算性能.     

Efficient representation and extraction of 2-manifold isosurfaces using kd-trees

In this paper, we propose the utilization of a kd-tree based hierarchy as an implicit object representation. Compared to an octree, the kd-tree based hierarchy is superior in terms of adaptation to the object surface. In consequence, we obtain considerably more compact implicit representations especially in case of thin object structures. We describe a new isosurface extraction algorithm for this kind of implicit representation. In contrast to related algorithms for octrees, it generates 2-manifold meshes even for kd-trees with cells containing multiple surface components. The algorithm retains all the good properties of the Dual Contouring approach by Ju et al. [ACM Trans. Graphics 21 (2002) 339–346] like feature preservation, computational efficiency, etc. In addition, we present a simplification framework for the surfaces represented by the kd-tree based on quadric error metrics. We adapt this framework to quantify the influence of topological changes, thereby allowing controlled topological simplification of the object. The advantages of the new algorithm are demonstrated by several examples.     

基于小波变换和kd树聚类的快速纹理分割算法

提出了一种基于小波变换和k均值聚类的快速纹理图像分割算法。该方法包括特征提取、特征平滑、纹理分割三个阶段。其中,特征提取在金字塔结构小波变换的基础上进行;特征平滑利用一种四分法来完成特征图像的噪声平滑和边缘保持;纹理分割则利用kd树作为数据结构来运行k均值聚类算法从而实现纹理图像的快速分割。实验结果表明与直接的k均值聚类算法相比,该方法在运行时间上得到了明显的提高。