改进的GrabCut方法在舌诊系统中的应用

数字舌象图片的正确分割是实现计算机中医舌诊自动化系统的重要前提,为了高效而准确地分割出舌象,提出了一种基于四叉树与GrabCut的舌象分割方法.该方法首先利用四叉树分解对采集的舌象初分割,然后用相似区域的颜色均值优化GrabCut算法中高斯混合模型参数,最终完成舌象分割.实验结果表明：该算法使得舌象分割效率大大提高,具有很好的实用性.     

用于光刻系统仿真的多边形处理算法

为提高光刻仿真效率,通过对光刻原理进行研究,提出了2种多边形处理算法,将掩模上的多边形图案进行切分优化,将其划分成若干矩形或三角形。在Linux环境下应用C语言设计出一个完整的光刻仿真系统,设计的具体光学参数为:光源波长为193nm,数值孔径为0.3~0.8,部分相干系数可调范围为0.2~0.8,可一次性仿真1μm×1μm到10μm×10μm范围内的45 nm~0.18μm工艺的复杂版图,并通过多次实验进行验证。实验结果表明:原版图图像的边缘细节得到保留,且该算法有效地减少了光刻模拟的计算复杂度与计算时间,整体效率提升20%以上,为当前智能传感器系统芯片的制造节省了宝贵时间。     

树突细胞算法在线分析组件的研究

原始树突状细胞算法（DCA）的离线分析过程,将会导致时间差异,从而产生假警报,增加了虚警率,也会导致攻击的成功发生,这对一个人侵检测系统来说是致命的。因此,文中的目的就是在不影响检测精度的前提下提高检测速度。于是文中提出了分片思想的在线分析组件与DCA相集成的方法,即根据抗原采样数量或者时间将一系列已处理的信息分割成为更小的部分,使得每个分片独立地进行实时的、周期性的分析,这样在每个分片内的入侵攻击就能及时地被识别出来。文中给出了DCA在线分析模块的伪代码描述,并且将其应用于SYN端口扫描的检测实验中。结果表明,DCA在线分析模块在不影响检测精度的前提下有效地提高了检测速度。     

局部自适应复合绝缘子检测与憎水性分类网络

憎水性等级(Hydrophobicity Class,HC)是衡量绝缘子性能的重要指标之一。在实际环境的多种因素作用下绝缘子伞裙表面存在局部憎水性差异,为了准确识别绝缘子的性能,本文提出了一种基于深度学习的局部自适应绝缘子检测与憎水性分类模型。首先,通过绝缘子分割模块分离绝缘子与背景区域,为后续针对绝缘子区域的操作提供分割信息;然后将绝缘子区域划分为固定大小的图像块,在缩小分辨率减小运算难度的同时保留了绝缘子表面的细节信息;最后通过憎水性分类模块分析图像块内绝缘子的憎水性。实验使用巡检维护现场的绝缘子图片作为样本集,分阶段构建模型,分别对分割阶段和憎水性分类阶段的准确性进行评估。实验结果显示分割阶段模块能有效识别绝缘子和背景区域,交叉验证的测试集准确率均大于97.21%,并且憎水性分类阶段模块能准确分析绝缘子憎水性,对140幅测试图片的识别准确率达到98.65%。经过实验证明本文提出的模型在复杂自然环境中检测绝缘子性能是一种有效的解决方案。     

Efficient multilevel image segmentation through fuzzy entropy maximization and graph cut optimization

The fuzzy c-partition entropy has been widely adopted as a global optimization technique for finding the optimized thresholds for multilevel image segmentation. However, it involves expensive computation as the number of thresholds increases and often yields noisy segmentation results since spatial coherence is not enforced. In this paper, an iterative calculation scheme is presented for reducing redundant computations in entropy evaluation. The efficiency of threshold selection is further improved through utilizing the artificial bee colony algorithm as the optimization technique. Finally, instead of performing thresholding for each pixel independently, the presented algorithm oversegments the input image into small regions and uses the probabilities of fuzzy events to define the costs of different label assignments for each region. The final segmentation results is computed using graph cut, which produces smooth segmentation results. The experimental results demonstrate the presented iterative calculation scheme can greatly reduce the running time and keep it stable as the number of required thresholds increases. Quantitative evaluations over 20 classic images also show that the presented algorithm outperforms existing multilevel segmentation approaches.     

基于灰度形态重构的颗粒图像分割方法

提出了一种基于距离变换、形态重构和分水岭算法的图像分割算法。将一幅图像通过距离变换得到距离灰度图,与形态重构算法结合,得到颗粒图像的标识点图,用标识点图对距离灰度图进行分割,再用分水岭变换对分割后的距离灰度图进行变换。试验表明,该算法能有效合理地解决粘连或者重叠颗粒等物体的分割。     

超像素分割算法研究综述

超像素能够捕获图像冗余信息, 降低后续处理任务复杂度, 已受到了国内外研究者的日益关注。首先分析了超像素分割领域的发展现状, 以基于图论的方法和基于梯度下降的方法为视角, 对现有超像素分割方法进行归纳和论述。在此基础上, 就目前常用的超像素分割算法进行了实验对比, 分析各自的优势和不足。最后, 对超像素分割技术的最新应用进行了介绍和展望。     

基于自然语言处理的算法知识名称发现

网络中的很多程序资源在知识概念上有内在的联系,却没有超链接将它们连接在一起。将网络程序资源中的算法知识名称获取出来,组织成一个算法知识专家库文件,用于识别程序设计资源所含的知识点,即可将程序设计资源按知识点相互联系。为了自动获取程序资源中的算法知识名称,提出一种基于自然语言处理的算法知识名称发现方法。通过发现含有算法知识名称语句的字符串模式,从程序资源中提取可能含算法知识名称的字符串,从中找出最有可能出现在算法知识名称中的分词,并根据这些分词获取算法知识名称。实验结果表明,与原有人工整理出的算法知识名称集合相比,该方法新增了11.2%的算法知识点和13.6%的算法知识名称。     

基于C-V模型和MRF的脑部MRI分割

为准确分割脑部磁共振图像(MRI)的灰质、白质和背景,提出一种基于C-V模型和马尔可夫随机场的全自动分割方法。采用C-V模型与形态学相结合的方法对脑MRI进行预处理,去除多余脑组织,获得待分割图像。引入灰度场局部熵的思想对惩罚因子进行估计,利用马尔可夫随机场模型建模实现脑灰白质的分割,并运用形态学方法获得最终分割结果。对96幅IBSR图像和46幅临床图像进行实验,结果表明,该方法能够实现脑部MRI灰白质的全自动分割,且具有较好的分割精度和较快的处理速度。     

基于MultiLayer水平集的脑MRI图像分割框架

提出了一种新的自动初始化水平集的方法和基于MultiLayer水平集的活动轮廓模型。该模型同时进行偏移场去除和图像分割,因此可以有效地克服灰度不均匀性的影响。最后利用了大脑皮层的距离信息,在框架中增加了厚度约束项。实验结果显示,相比著名的LBF模型,该框架不但可以获得更高的分割精度,而且分割时间也大大减少。