一种新的全局优化BP网络*

将L-M算法与填充函数法相结合,提出一种训练前向网络的混合型全局优化GOBP(Global Optimization BP)算法。L-M算法的收敛速度快,利用它先得到一个局部极小点,然后利用填充函数算法跳出局部最小,得到一个更低的局部极小点,重复计算即可得到全局最优点。经实验验证,该算法收敛速度很快,避免了局部收敛,而且性能稳定。     

Delaunay三角形模型基立体图像编码

立体图像具有2倍于普通图像的数据量,给存储和传输带来了一定的困难,因此对立体图像的压缩和编码非常重要.文中讨论了Delaunay 三角形模型基立体图像编码的各个环节,提出一种可以保持网格拓扑结构不变的视差估计方法.该方法是一个三步迭代过程:首先利用迭代块匹配算法得到较精确的匹配结果;然后利用迭代多边形匹配算法对得到的匹配结果进行优化,使得一些三角形的预测误差最小;最后删除掉视差不可靠的节点.利用变长编码来编码网格节点和视差矢量,并对残差图像利用DCT进行编码.实验结果表明,与基于块的传统编码方法和其他网格匹配算法相比,该方法在获得较高压缩比的同时,解码图像亦具有较高的主客观质量.     

多阈值图像分割的模糊粒子群优化算法

把粒子群算法应用到多阈值图像分割中,结合已有的模糊C-均值聚类法提出了一种基于模糊技术的粒子群优化多阈值图像分割算法。FCM聚类算法是一种局部搜索算法,对初始值较为敏感,容易陷入局部极小值而不能得到全局最优解。PSO算法是一种基于群体的具有全局寻优能力的优化方法。将FCM聚类算法和PSO算法结合起来,将FCM聚类算法的聚类准则函数作为PSO算法中的粒子适应度函数。仿真实验表明新算法在最大熵评判准则下能够得到最优阈值。     

医学图像的自适应非局部均值去噪算法

为改善医学图像的质量以利于临床诊断,提出一种基于梯度信息的自适应非局部均值去噪算法。利用梯度方向信息实现对局部相似窗的自适应旋转,从而搜寻到更多的匹配像素点。基于最小二乘思想建立最佳阈值与噪声标准差的关系模型,实现滤波参数的自适应选择。实验结果表明,该算法的去噪效果较好,可用于医学图像的后处理阶段。     

改进的克隆选择算法及其应用

为解决Castro克隆选择算法中存在的种群规模需根据经验确定、多峰搜索能力弱、训练时间长等问题,提出一种新的免疫克隆选择算法,该算法基于实数编码和自适应变焦变异方法,能够动态确定种群大小,具有很强的全局和局部搜索能力,可以搜索到全局最优点和尽可能多的局部极值点。仿真实验结果表明,该算法平均运行时间和平均找到的峰值点个数都明显优于Castro克隆选择算法,且多峰值函数的优化效果得到显著改善。     

基于高光线模型消除三角形网格局部不规则区域

高光线是检测自由曲面质量的有效工具.它提供一种直观且便利的手段,在交互设计中提高自由曲面质量.文中提出了在任意三角形网格曲面上生成高光线模型的一种方法.基于该高光线模型,文中给出了一种消除三角形网格上的局部不规则区域的方法.该方法通过求解一个目标函数,并迭代地移动网格顶点位置,来获得修改后的新网格.利用该方法能够同时优化三角形网格表面形状以及网格上的高光线形状.该方法直观易用,适合于三角形网格的局部形状优化.     

基于三次拉格朗日插值的自适应图像缩放

传统的插值算法由于低通滤波效应通常会使目标图像边缘模糊,难以得到满意的视觉效果.为了取得较好的图像缩放质量,提出一种基于三次拉格朗日插值的自适应图像缩放算法.该算法首先计算目标像素点周围三组源像素点的方差,选取方差最小的一组源像素点,然后采用三次拉格朗日插值公式求得目标像素点的灰度值.实验结果表明,本文算法所得的目标图像边缘清晰,且算法复杂度较低,便于硬件实现,可以实现实时图像缩放.     

基于二维局部均值分解的图像多尺度分析处理

在图像多尺度分析时,为了对后续的图像处理提供高质量的特征输入,在一维局部均值分解算法基础上提出一种二维局部均值分解算法.首先采用优化的8-邻域算子求取图像中的局部极值点;然后针对鞍点对求解局部相邻极值点时的影响,提出一种基于自适应窗口的搜寻方法,以控制局部相邻极值点数求取局部相邻极值点,进而得到平滑的包络估计函数和局部均值函数;最后依据包络估计函数和局部均值函数,通过迭代寻优得到相应的乘积函数将图像分解成不同尺度下的成分.在人工合成图像与典型图像的多尺度分析处理结果表明,该算法可行有效;与二维经验模态分解算法的比较结果表明,该算法具有更快的速度和更好的处理效果;并对该算法中的重要参数进行了敏感性分析,验证了算法具有较好的鲁棒性,给出了比较合理的参数取值范围.     

基于特征的图像网格生成方法

基于网格形变的图像缩放算法是目前的一个研究热点。适当的图像网格表示是这类算法成功的关键之一。提出一种基于图像特征的三角形网格生成算法。提取图像分割形成区域的边缘特征点,与图像四条边界上均匀分布的点一起,作为改进的Dart-throwing算法的初始点集。用距离变换计算每个像素到最近边缘线的距离,作为Dart-throwing算法的控制参量;所生成的网格点集接近边缘线时密集,远离边缘线时稀疏。最后用Delaunay算法形成图像的三角形网格表示。实验结果表明,所生成的三角网格较好地体现了图像的结构特征,并且有效减少了网格点数目,有利于提高后续算法的处理效率。     

基于网格服务的GEP分布式函数挖掘算法

提出了一种基于网格服务的GEP分布式函数挖掘算法(DFMGEP-GS),它将网格服务与GEP算法相结合,既成功地实现了在网格平台下的GEP函数挖掘,又提高了每个网格节点上GEP算法的全局寻优性;同时证明了在网格环境下由局部数据模型生成全局数据模型的方法.仿真实验结果表明,对于函数类型已知的数据,随着数据集的增大,在成功挖掘到目标函数的情况下,DFMGEP-GS算法的平均耗时最少,而且随着网格节点的增加,DFMGEP-GS的收敛速度最大提高了约17倍;对于函数类型未知的复杂数据集,DFMGEP-GS算法挖掘所得到的模型的误差最小.     

基于灰度分布的图像三角网格化算法

借助于小波图像分解,提出一种基于图像内容的三角网格表示方法——基于双向模板的图像三角网格化算法.算法考虑图像的灰度分布,利用小波的图像分解能够将图像的各个方向的细节表现出来这一特性,给出符合原始图像灰度分布的三角划分,再对图像的三角划分进行三角网格化,最后获取整幅图像的网格划分.为了得到更好的重建图像质量,对该初始网格进行了细分,并针对三角网格规模的减小做出优化算法.同时提出一种记录模板号和细分点的数据存储结构,用二进制数据流来存储三角网格.通过实验数据对比,该算法能够很好的表示图像,在三角网格规模以及重建图像质量上较其它算法都有一定的优势,是一种极其有效的图像表示方法.     

基于STL文件的Laplacian网格优化算法

针对三角网格模型优化算法对模型几何细节描述不够精确的问题,提出一种基于Laplacian坐标的网格模型全局优化算法。模型几何细节描述方面,采用网格顶点Laplacian坐标。网拓扑结构不变的前提下,可精确描述网格曲面局部几何特性。顶点重新定位方面,采用在最小二乘意义下求解由权重控制的包含顶点位置,以及Laplacian坐标双重约束的线性系统最优解的方法。实验结果表明,该算法在优化提高模型三角面片质量的同时,可较好地保留原始模型的几何细节。     

动态调节圆半径曲面重建算法的改进

为实现对散乱数据点划分三角形网格的曲面重建,克服实体表面存在阶跃边缘而难以确定圆半径的问题,改进用动态调节圆半径产生三角形网格并实现曲面重建的算法,将散乱数据点转化为二维图像数据,并进行三角形网格划分.实验结果表明,虽然改进算法效率有所下降,但对表面存在阶跃边缘的实体有较好的重建效果.     

High quality surface remeshing with equilateral triangle grid

This study proposes a robust and efficient 3D surface remeshing algorithm for mesh quality optimization. Instead of the global mesh relaxation method proposed in the previous study conducted on remeshing, this study proposes an equilateral triangle grid-resampling scheme for achieving mesh optimization more efficiently. In order to improve the feasibility of resampling by directly using an equilateral triangle grid, the surface structure of the original model is correctly extracted by an automatic surface segmentation technique before the resampling step is executed. Results of this study show that the proposed remeshing algorithm can automatically and substantially improve the quality of triangulation, as well as automatically preserve shape features under an acceptable level of measurement error in the shape approximation, which is suitable for a mesh with a specific topology.     

Variational implicit surface meshing

In this paper, we propose a new algorithm to mesh implicit surfaces which produces meshes both with a good triangle aspect ratio as well as a good approximation quality. The number of vertices of the output mesh is defined by the end-user. For this goal, we perform a two-stage processing: an initialization step followed by an iterative optimization step. The initialization step consists in capturing the surface topology and allocating the vertex budget. The optimization algorithm is based on a variational vertices relaxation and triangulation update. In addition a gradation parameter can be defined to adapt the mesh sampling to the curvature of the implicit surface. We demonstrate the efficiency of the approach on synthetic models as well as real-world acquired data, and provide comparisons with previous approaches.     

基于三角网下的仿射不变几何约束的图像匹配算法研究

针对当前图像匹配方法在进行图像匹配时,主要通过度量特征向量之间的距离来完成图像匹配,导致算法鲁棒性差、误配率较高及效率较低等不足,本文提出了基于三角网下的仿射不变几何约束的图像匹配算法。首先,在尺度空间上通过Hessian矩阵对特征点进行检测,利用子块的三角特征与对角特征对SUR机制进行改进,用以生成新的特征描述子,并通过定义阀值评估策略,对图像特征点匹配,从而生成了初始匹配点;然后,引入 三角网,对初始匹配点进行聚类,以获取匹配三角形,将三角形以外的无效特征点剔除。最后,引入仿射不变几何约束,对匹配三角形进行细化,通过细化的匹配三角形获取最终的匹配特征点,有效剔除误配点,进一步提高配准精度。仿真结果表明,与当前图像匹配算法相比,本文算法具有更好的鲁棒性,且其具有更佳的匹配精度与效率,有效剔除了误配点。     

基于弹簧变形模型的图像缩放方法

目的 随着显示设备分辨率和纵横比的多样化,内容感知图像缩放技术逐渐成为图像处理领域新的研究热点之一,为了既能实现图像有效缩放,又能较好保持图像主体区域的几何结构完整,提出一种基于弹簧近似的内容感知图像缩放方法。方法 首先,为控制图像缩放,对输入图像进行显著性检测和特征直线检测;其次,在图像上构建一个平面三角网格,视三角网格的每一条边为一根弹簧,则整个三角网格构成一个弹簧系统,可利用该弹簧系统的变形实现图像缩放,其中,根据每根弹簧所在图像区域的显著度设置弹簧的弹性系数,该系数可在缩放时有效保持图像的主体区域,避免主体内容缩放不均匀或变形;然后,以图像直线特征保持为约束,构造用于约束弹簧系统变形的目标函数;最后,利用纹理贴图技术把弹簧系统每个三角形对应的图像贴回弹簧系统,得到缩放后的目标图像。结果 为证明本文方法的有效性,对大量图像进行多比例缩放测试,并与现有方法进行比较。在同比例缩放下,本文方法可以更好地保持图像中的主体区域,以及特征直线,使放缩后的图像整体具有更好的视觉效果。本文方法的计算时间小于0.19 s,时间成本与现有方法大致相同。结论 基于弹簧系统的内容感知图像缩放方法,通过弹簧系统变形带动网格变形进而实现图像缩放,与现有的内容感知图像缩放方法相比,本文方法所处理的图像视觉效果更好,实验结果表明,本文方法能够更有效、快速地处理各种图像的内容感知缩放。     

用户控制的纹理合成

提出一种基于用户控制的纹理合成算法．该算法适用于任意二维平面和任意拓扑的三维网格．可方便地控制纹理合成时方向和尺度的连续变化．对于任意平面区域需剖分成较均匀的三角网格，以剖分得到的二角形作为基本的合成单元来进行合成．根据用户在此三角网格上指定表示纹理方向和大小的矢量来插值生成矢量场，用以控制合成纹理的变化．该算法可以自然扩展到三维三角网格，以三角面片作为合成单元，合成后直接输出每个顶点的纹理坐标．该算法对二维和三维纹理合成给出了统一实现的框架．实验结果表明，该算法可以在任意目标区域根据用户的交互生成令人满意的纹理合成效果．     

Mesh Topological Optimization for Improving Piecewise-Linear Image Registration

This paper presents a mutual-information based optimization algorithm for improving piecewise-linear (PWL) image registration. PWL-registration techniques, which are well-suited for registering images of the same scene with relative local distortions, divide the images in conjugate triangular patches that are individually mapped through affine transformations. For this process to be accurate, each pair of corresponding image triangles must be the projections of a planar surface in space; otherwise, the registration incurs in errors that appear in the resultant registered image as local distortions (distorted shapes, broken lines, etc.). Given an initial triangular mesh onto the images, we propose an optimization algorithm that, by swapping edges, modifies the mesh topology looking for an improvement in the registration. For detecting the edges to be swapped we employ a cost function based on the mutual information (MI), a metric for registration consistency more robust to image radiometric differences than other well-known metrics such as normalized cross correlation (NCC). The proposed method has been successfully tested with different sets of test images, both synthetic and real, acquired from different angles and lighting conditions.