一种用于三维重建的形状插值算法

1.引言 随着X射线,核磁共振以及CT等医疗检测设备的迅速发展,人们能够更加准确、快速、全面地获取人体内部脏器和组织的形状以及解剖信息.目前,这些检测设备提供的绝大部分是二维断层图像,而医务人员对目标三维空间信息的需求和计算机的高速发展使得三维成像成为必然的趋势.可是,断层序列图像的层间的分辨率远低于层内的分辨率,这就严重地影响了三维目标重建的质量.为此,人们提出用插值的方法来提高层间的分辨率,常见层间插值的方法有基于灰度的方法[1,2]和基于形状的方法[3～10]等.     

基于隐式视角转换的视频异常检测

目前,基于深度学习的视频异常检测方法都是在单一视角下对视频片段中的异常行为或异常事物进行检测,忽视了视角信息在视频异常检测中的重要性。在单一视角下,当异常事物被遮挡或异常行为不明显时,现有算法的性能将难以得到保证。为此,文中首次将视角转换的概念引入到视频异常检测中,通过级联网络结构在多视角下进行异常判断来提升模型的鲁棒性。针对受限于数据集没有多视角的监督信息,难以实现真正的显式的视角转换问题,提出了一种基于隐式视角转换的视频异常检测方法.对初步检测结果为正常的目标帧,利用其与特定帧的光流信息,通过光流映射实现目标帧到特定帧视角的隐式视角转换,并对视角转换后的目标帧进行二次异常检测。通过多个视角来判定目标帧是否异常,为视频异常检测提供了一种新的思路。实验结果表明,所提方法对异常数据的反应更灵敏,具有更鲁棒的正常数据拟合能力,在UCSD Ped2和CUHK Avenue数据集上的AUC值分别达到了97.0%和88.9%。     

区间值数据模糊c-均值聚类新算法

针对范九伦等提出的两种模糊ｃ－均值聚类算法进行了改进,提出了更一般的区间值数据模糊ｃ－均值聚类算法．证明了当加权系数λ为１时,新算法等效于老算法Ⅰ;当λ趋于０ 时,新算法趋近于老算法Ⅱ．新算法以老算法Ⅰ和Ⅱ为其特例,并可用现有的模糊ｃ－均值工具箱直接实现．     

雷达目标双谱持征分析与分类方法研究

利用复信号双谱估计技术分析了常规相参雷达实测飞机目标回波信号,研究指出目标回波是典型的非高斯信号,且其双谱分布区域信息较好地反映了目标的部分散射调是特性,可作为目标分类特征,在此基础上,提出一种目标双谱特征抽取和模板构造方法。利用双谱经阈值化处理后的二值特征图,分别定义了“核”和“域”来表征目标双谱分布区域的共性和范围,并用其构造目标模板,实测数据实验结果表明了该方法在分类效果和特征降维方面的有效     

教学视频的文本语义镜头分割和标注

为了对教学视频这一专门类别视频进行自动标注,本文首先提取视频中的字幕信息,通过文本预处理后,使用视频中的字幕文本信息内容结合潜在狄利克雷分布（Latent Dirichlet allocation,LDA）主题模型方法获得视频镜头在主题上的概率分布,通过计算主题概率分布差异,进行语义层面镜头分割。然后以镜头为样本,使用安全的半监督支持向量机（Safe semi-supervised support vector machine,S4VM）方法,通过少量的标注镜头样本,完成对未标注镜头的自动标注。实验结果表明,本文方法利用字幕文本信息和LDA模型,有效完成了视频的语义镜头分割,不仅可以对镜头完成标注,而且可以对整个视频进行关键词标注。     

结合样本选择和AdaBoost的日侧冕状极光检测算法

日侧冕状极光是太阳风与地球磁层相互作用产生的典型电离层踪迹,对其正确分类对研究空间天气活动尤为重要。根据冕状极光的形态特征,提出了一种基于静态图像分类的日侧冕状极光检测算法。首先提取极光样本图像的Gabor特征,利用K均值聚类算法进行基于有监督聚类的训练样本选择,保证训练样本的多样性和代表性。然后引入AdaBoost算法进行特征选择并构建级联分类器实现日侧冕状极光的检测。在北极黄河站采集到的实测极光图像数据库上所做的分类实验结果表明了算法的有效性。     

模糊c均值聚类算法中参数m的优选

本文利用模糊决策理论提出了一种模糊c均值(FCM)聚类算法中加权指数m的优选方法.文中定义了合适的模糊目标和模糊约束,通过模糊决策确定最佳的m值,以保证FCM算法获得好的聚类效果.实验结果显示了该方法的有效性,并得到实际应用中m的最佳取值范围为[1.5,2.5].     

模糊c-均值聚类算法中加权指数m的研究

 加权指数m是模糊c-均值(FCM)聚类算法中的一个重要参数.本文从FCM算法出发研究了m对聚类分析的影响,m的最佳选取方法及其在聚类有效性中的应用三个问题.实验结果表明:m不合适的取值将严重影响算法的性能;在实际应用中m的最佳取值范围为 ,这与Pal的实验结论相一致;另外基于最优加权指数m^*的类别数确定方法是相当有效和灵敏的.     

基于统计检验指导的聚类分析方法

本文提出一种基于统计检验指导的聚类分析方法,该方法同时处理聚类趋,聚类分析和聚类有效性三个数据分析中的关键问题。为模式无监督分类的合理性和有效性提供了分析工具。在大样本情况下更能体现该方法的优越性。实验结果证明了它的有效性。     

基于边缘邻域的乳腺肿块特征提取算法

乳腺癌是一种严重威胁人类生命健康的疾病。只有早发现和早治疗才不会错过治疗的最佳时机。乳腺肿块是乳腺癌最主要、最常见的病灶特征,研究乳腺图像中肿块的特征提取,有利于辅助医生诊断,提高医生阅片的效率和正确率。本文针对以往的特征提取方法没有考虑图像的空间信息,造成分类准确率不高的问题,提出一种基于边缘邻域的特征提取算法,使图像特征包含肿块边缘邻域空间信息,其基本思想结合了主动轮廓模型和词袋模型,利用参数控制并确定边缘邻域,对邻域内的特征进行组合或者加权。在保证分类器模型不变的情况下,通过与以往的特征提取算法相比,验证了本算法在分类准确率上优于其他特征提取算法。