带H1正则项的C-V模型

C-V模型(CHAN T F, VESE L A. Active contours without edges. IEEE Transactions on Image Processing, 2001, 10(2): 266-277)是一个著名的基于区域的图像分割模型。它对活动轮廓的初始化和噪声不敏感,但分割的图像的范围不够广泛。因此,运用理论分析与实验相结合的方法,在C-V模型中添加H1正则项,对其进行了改进,提出了一个新颖的图像分割的能量泛函,并推导出了以偏微分方程形式表示的基于区域的自适应插值拟合的活动轮廓模型。实验表明：该模型能够分割某些原来C-V模型不适用的图像,它对初始轮廓的大小、位置的敏感性较小,抗噪性较强。     

基于改进C-V模型的图像分割方法

传统C-V模型分割图像利用图像区域特征,忽略 了边缘等能够反应图像细节的特征。为了达到更好的图像分割效果,对于这些细节信息的处理则显得尤为重要。图像的梯度信息在边缘区域具有较大幅值,在同质区域具有较小幅值,因而可以用图像梯度来反映图像的边缘信息。把边缘信息融入C-V模型,利用同质区域信 息和边缘信息控制曲线演化,则可以达到更好的分割效果。本文提出的新模型克服了C-V模型的一些 缺陷,对背景灰度不均匀或含弱边缘的图像能够获得更好的分割效果。     

应用改进的C-V模型分割牛肉眼肌图像

牛肉眼肌图像的分割是牛肉自动分级的重要步骤。基于水平集的C-V模型采用两个具有不同均值的分块连续区域分割图像,在迭代过程中,为了约束水平集保持为符号距离函数,必须对其进行重新初始化,大大增加了计算量,降低了曲线演化速度。为此,通过加入边缘检测函数和惩罚项因子,提出了改进的C-V水平集模型,并用于牛肉图像分割,同时与模糊C均值聚类、阈值分割法进行了对比。结果表明:采用改进的C-V模型对牛肉图像进行分割,准确提取了眼肌边缘,分割出了脂肪和肌肉区域,准确率高;曲线演化过程中无需对水平集函数符号初始化,加快了曲线演化速度。     

一种引入Chebyshev距离的改进的无边活动轮廓模型

无边活动轮廓模型(C-V模型)是水平集分割方法中的一种经典模型.传统的无边活动轮廓模型将灰度同质作为区域分割准则,这使其对于仅含两个同质区域且灰度变化不大的图像能够取得很好的分割效果,但对灰度渐变图像分割时,该模型往往无法得到正确结果.本文针对这一问题,通过引入Chebyshev距离构造一种新的相似度,以此来表征演化曲线内外灰度差异,修改了传统无边活动轮廓模型中均值取值的定义,使得演化曲线在图像灰度变化缓慢区域获得较大的驱动力.新模型克服了传统无边活动轮廓模型不能正确分割灰度渐变图像的不足.实验对比及分析表明,新模型能够更准确地分割灰度渐变图像,同时对噪声有一定的鲁棒性.     

一种改进的图像分割活动轮廓模型

C-V模型具有计算复杂度低、对初始化和噪声不敏感等优点,在处理图像的时候总是从全局的角度去考虑图像区域的灰度变化,从而导致难以分割灰度不均的图像。局部二元拟合(LBF)模型在处理灰度不均匀的图像分割方面有很大优势,但是LBF模型存在依赖初始轮廓大小、位置等缺点。针对C-V模型不能分割灰度不均图像和LBF模型敏感于轮廓初始化的问题,给出一个用偏微分方程表示的新的融合局部(LBF模型)和全局信息(改进的C-V模型)的活动轮廓模型。实践结果表明,新的模型对初始轮廓的敏感性低,能分割灰度不均的图像,且优于C-V模型,其分割效率明显高于LBF模型。     

C-V活动轮廓模型的一个注记

Chan-Vese提出的“无边活动轮廓”模型（C-V模型）是一个著名的基于区域的图像分割模型,它是基于Mumford-Shah泛函和二值PC函数（目标区域取一个值,背景区域取另一个值）解决图像分割问题的。在C-V模型中,定义能量泛函的面积项的系数被要求为非负值,这个要求限制了模型适用的范围。实验研究表明：面积项系数取负值时,C-V模型能够分割某些原来不适用的图像。     

含边缘信息的C-V模型

边缘信息对图像分割是十分重要的。把图像的边缘信息融入C-V模型（active contours without edges）,提出一个新的几何模型,它同时利用同质区域信息和边缘信息使演化曲线在目标边缘处停止。实验显示：新模型能够克服C-V模型的一些缺点;在减少分割时间的同时,对目标灰度不均匀或背景灰度不均匀、含弱边缘或强噪声的图像,分割效果不仅优于C-V模型,也优于C-V模型的两个最新改进模型（LBF和GACV）。     

自适应正则化活动轮廓模型

针对Chan-Vese模型含有许多参数,分割时需要人为调整参数,耗费大量的人力和时间的问题,提出了一个自适应正则化活动轮廓模型。首先,对Chan-Vese模型的数据项进行简化;其次,使用改进的边界加权H¹正则化代替长度项;最后,形成了一个新的不含任何参数的活动轮廓模型。在分割实验中,该模型对初始轮廓的大小、位置不敏感,具有较强的抗噪性,分割6幅图像的平均时间和迭代次数分别为1.5834 s、19次。实验结果表明,所提模型无需人工调整参数,能够分割强噪声图像和灰度不均图像,并且具有较快的分割速度。     

分水岭优化的C-V模型脑肿瘤图像分割

C-V模型可有效对脑肿瘤等医学图像进行分割,但存在对初始轮廓位置敏感及重新初始化耗时的问题,为此,提出了一种分水岭优化的C-V模型脑肿瘤分割方法。首先引入标记函数,通过强制最小技术改善传统分水岭变换的过分割现象,得到粗分割结果,然后在粗分割基础上确定C-V模型初始轮廓位置,最后采用无需重新初始化的C-V模型进行细分割,得到较精确的脑肿瘤分割结果。实例结果表明,经过分水岭优化后的C-V模型能够对常见脑肿瘤图像进行有效分割,尤其是能够将与组织粘连的肿瘤分割出来。     

一种结合区域梯度的活动轮廓模型

针对多相C-V模型计算复杂性高、对初始轮廓敏感等问题,提出一种结合区域梯度的活动轮廓模型。该模型对演化曲线内部区域使用梯度进行拟合,对演化曲线外部区域使用灰度进行拟合。实验结果表明,相对于多相C-V模型,该模型能快速分割多相图像,对初始轮廓不敏感。     

一种改进的模型算法控制

本文提出一种改进的模型算法控制。改进模型算法控制将常规模型算法控制中的系统输出预测方程改为一种状态空间描述形式,用现代控制理论来分析研究模型算法控制系统。改进模型算法控制的在线预测计算量比常规方法大为减少,而且系统性能也有改善。最后给出用改进方法控制一个实验液位系统的结果。     

一个集成的Web Services安全模型

现有Web Services安全技术相对独立,而在一个完整的应用集成方案中,需要全面的安全设计.提出了一个集成的Web Services安全模型,形式化定义了模型并给出了主要实现技术.模型实现了基于证书的统一身份认证、基于角色的访问控制以及安全的SOAP消息传输,具有开放性及动态适应性.基于提出的安全模型开发了一个原型系统,运行结果表明,能够达到上述三种安全目标,使整个系统相对单一的安全技术应用更加安全.     

DATA BREACH MANAGEMENT: AN INTEGRATED RISK MODEL

In response to organizations’ increasing vulnerability to data breaches, we present an integrated risk model for data breach management based on a systematic review of the literature. Theoretically, the study extends the body of knowledge on data breach management by identifying and updating conceptualizations of data breach risks (items) and resolutions (actions) and by providing a foundation for organizational responses to emerging data breach incidents (heuristics). Practically, the study provides key insights that practitioners can use to organize and orchestrate effective data breach management based on comprehensive profiles of risk items and resolution techniques.     

软件可靠性JM模型完全排错假设的修改

JM模型是最具代表性的早期软件可靠性马尔可夫过程的数学模型,其完全排错的假设与软件开发实际不相适合,后人虽然提出排错可能引入一个或两个错误的假设,但还没有从本质上解决问题。本文作者对此假设提出自己的观点。     

基于信誉机制的Pastry网络模型的改进

Pastry以其鲁棒的结构化拓扑模型和有效收敛的最大掩码匹配算法,成为了目前较流行的P2P网络模型,但是它丢弃了路由历史中所包含的启发信息,忽略了路由表中节点的路由性能因素,较片面的路由准则将阻碍路由性能的提升。提出在节点交互后对服务节点进行服务效果的评估,将Pastry网络中节点距离的概念融入评估因素,把待选择节点与目标节点的掩码匹配值和待选择节点的路由信誉结合在一起,丰富了路由规则,有效地提高路由命中率。最后进行了模拟实验,证明路由效率确实得到了提高。     

区域匹配相关跟踪方法的一种改进

工程中能应用的实时相关跟踪算法不多 ,如多点相关 (MPC)是工程中最常用的一种算法 ,但是MPC算法没有很好的相关置信度函数 ,使 MPC算法的应用受到一些限制和影响 .本文通过对一种有较好相关置信度函数的区域相关算法 (RTC)的讨论和研究 ,分析了算法中影响目标跟踪效果与成败的 2个关键环节——图像增强、图像分割 ,在原来算法的基础上给出有效的改进措施和相应的实验结果 .     

GHCAD：一个产品模型为基础的CAD／CAM集成系统

ＳＴＥＰ是关于产品数据表达和交换的国际标准，如何将ＳＴＥＰ的方法和规范应用于系统开发是解决计算机集成制造系统（ＣＩＭＳ）开发的关键问题之一。集成化ＣＡＤ／ＣＡＭ系统是ＣＩＭＳ的核心，实现将ＣＡＤ的工程设计功能和ＣＡＭ的制造功能的结合。本文介绍一个产品模型为基础的ＣＡＤ／ＣＡＭ集成系统－ＧＨＣＡＤ。系统采用ＳＴＥＰ的数据交换、建模思想，以产品模型为核心，通过ＳＴＥＰ的标准数据接口ＳＤＡＩ实现了系统的集成。     

交互计算模型概述

由于计算机技术的发展日新月异，以算法为核心，以图灵机和Church论题等为理论依据的计算模型已无力继续成为今天计算科学的理论范式，介绍了一个崭新的计算模型－－交互计算模型的基本思想，它是对算法的扩展，并比算法具有更强的描述能力，一系列基本概念被扩展到交互。     

基于语义的VSM模型改进

文本聚类在很多领域都有广泛的应用,传统的文本聚类方法由于并不考虑语义因素,得出的聚类效果并不理想.利用语义对VSM模型进行变换,即基于语义对VSM模型的各维进行扭曲,将原本的正交坐标系基于语义变换为斜角坐标系,然后将文本的特征向量映射到变换后的VSM模型上再进行聚类,相对减小语义相关的特征向量间的语义距离,从而提高了文...