新的鲁棒模糊C-均值聚类分割算法及其应用

针对Krinidis和公茂果等提出的系列鲁棒模糊局部C-均值聚类算法存在聚类中心迭代公式缺乏严格数学理论基础的不足,于是将其聚类目标函数及其约束条件采用拉格朗日乘子法进行严格数学推导,从而获得最优解逼近的隶属度和聚类中心迭代表达式,并通过多次循环迭代实现图像聚类分割。实验结果表明,本文所建议的鲁棒模糊局部C-均值聚类分割算法是有效的,相比现有鲁棒模糊局部C-均值聚类分割算法更适合复杂遥感等图像的分割需要。     

对等网端到端多路径选择建模及算法研究*

在对等网上利用多路径分发视频是一种重要的机制,虽然在一对节点之间找出符合条件的多条路径并不困难,但发送端如何从可用路径集中选出最优路径子集,并为其最优地分配发送速率仍是一个难题。为此,提出一种新的对等网端到端最优多路径选择与速率分配(OMPSRA)算法。首先,应用排队论建立OMPSRA模型,并推导出一种新的OMPSRA公式,公式既给出最优分配的计算方法,也给出路径的最优速率分配与各路径最大可用带宽之间的关系,利用此关系可选出最优路径子集。最后基于公式实现OMPSRA算法。理论分析和仿真实验结果表明提出的算法能对通信量进行全局最优分配,最小化视频传输的端到端时延,有效提高视频传输质量,比同类算法有更好的性能。     

基于局部区域信息的医学图像分割及偏移场矫正方法

针对医学图像中由于偏移场的存在而导致图像灰度不均匀的问题,提出了一种基于局部区域信息的医学图像分割及偏移场矫正方法,以矫正偏移场使图像变为灰度均匀。该方法利用图像局部区域信息,通过拟合图像和原始图像构造能量函数,采用变分水平集方法进行求解。实验结果表明,该方法能够有效地实现医学图像分割及偏移场矫正,与其它分割及偏移场矫正方法相比,该方法具有较高的分割及偏移场矫正的精度和效率。     

基于熔融沉积成型技术的骨骼成型优化方法*

目前,FDM(熔融沉积成型)三维打印系统在医疗领域的应用日益广泛,为了满足医学领域中人工骨骼制造的多样性、准确性、快速性等多方面的需求,提出了一套骨骼成型优化的方案。首先,针对模型在进行分段等层厚分层算法处理后表面光滑度较低的问题,提出了应用于不同层厚分界处的光顺处理算法;其次,为了保证骨骼模型局部特征区域的成型质量,提出了基于周长与法矢量的自适应层扫描速度算法。选择了胫骨模型作为实验对象,结果表明提出的算法使得骨骼模型的成型质量得到了改善,对模型的成型效率也产生了较大提升,从而验证了算法的有效性。     

基于FCM算法的SAR图像相干斑噪声滤波算法研究

针对FCM分割对SAR图像斑点噪声敏感的特点,本文提出了一种新的去噪方法。所提出的方法主要分三个步骤。首先,分别对获得的两幅同源不同时相的SAR图像进行小波和lee滤波结合去噪。然后,通过对数比值检测方法获得变化信息。利用双边滤波器处理变化信息,以获得能保留图像丰富细节信息的图像降噪效果。最后,利用FCM方法把变化信息分成两类,这样就可以获得变化检测结果。Ottawa 地区的部分图像作为检测算法的性能的数据库。将去噪方法相互比较,结果表明,本文提出的算法分类正确率达到98.29%,优于其他去噪方法。     

视频编码技术的若干新进展

对数字视频编码技术的新进展进行了综述。先对传统视频编码方法进行了分析,指出其存在的不足,然后对基于压缩感知理论的视频编码、分布式视频编码、基于视觉特性的视频编码和可分级视频编码这四种视频编码技术的新进展进行了介绍,最后对未来可能的发展方向进行了展望,可为视频编码技术的相关研究提供参考。     

相容关系下的分割知识约简算法的研究

粗糙集理论是一个能有效地删除冗余特征的工具。由于实际应用的数据往往是连续的,并且结构复杂、特征多,现有的粗糙集知识约简方法对真实复杂的数据计算效率较低。为此,首先将相容关系应用于粗糙集的知识约简,再将复杂的信息表纵向分割成简单的缩减表和小规模信息表,然后把缩减表和小规模信息表连接起来进行知识约简。实例表明,提出的方法能够有效提高粗糙集对复杂数据的计算效率。     

基于条件随机场的泰语音节切分方法

音节是泰语构词和读音的基本单位,泰语音节切分对泰语词法分析、语音合成、语音识别研究具有重要意义。结合泰语音节构成特点,提出基于条件随机场(Conditional Random Fields)的泰语音节切分方法。该方法结合泰语字母类别和字母位置定义特征,采用条件随机场对泰语句子中的字母进行序列标注,实现泰语音节切分。在InterBEST 2009泰语语料的基础上,标注了泰语音节切分语料。针对该语料的实验表明,该方法能有效利用字母类别和字母位置信息实现泰语音节切分,其准确率、召回率和F值分别达到了99.115%、99.284%和99.199%。     

基于图割和水平集的肾脏医学图像分割

肾脏医学图像分割是医学图像分析和非侵入式计算机辅助诊断系统中的关键步骤。从CT、MRI图像中分割出肾脏及肾皮质,计算其体积和皮质厚度等信息,有助于评估肾脏的功能,从而制定相应的治疗方案。根据肾脏序列图像相邻切片之间结构灰度分布的相似性,提出了一种基于图割和水平集方法的自动肾脏及肾皮质分割方法。选取皮质区域具有足够对比度和清晰度的切片为初始参考图像,使用霍夫森林算法检测肾脏区域,对前景、背景进行均值聚类以估计其灰度分布,获取图割模型能量函数,分割出肾脏整体;通过形态学处理得到相邻切片肾脏的分割候选区域,重复上述分割。以此初步分割结果作为水平集方法的初始轮廓,进一步分割得到三维的肾脏整体和肾皮质区域。实验结果表明,基于图割和水平集的肾脏分割方法能够比较准确地分割出肾脏及肾皮质。     

基于改进的背景模型的图像识别算法研究

当图像亮度不均匀、对比度低时,提取图像前景较困难。为此,提出一种图像分割方法,结合正弦基函数和绝对值距离测度构建背景模型,依据优化理论和迭代法求解背景模型,通过比较背景模型中各像素点亮度与实际图像中各像素点亮度来判别各像素点是背景还是前景。为应对图像亮度不均匀的情况,在图像分割前对图像进行分块,在分块图像中依据背景模型或相邻分块背景相似度进行图像分割。实验结果表明,在普适性方面,相对于经典的模糊C均值法和OTSU法,该方法的分割误差小,尤其是对亮度不均匀和对比度低的图像;在掌纹图像分割应用方面,与迭代线跟踪法和模糊粗糙集法相比,该方法的错误率低、信噪比高、处理时间短。最后将提出的分割算法应用在人脸识别上,实验结果表明了该算法的先进性。