隐式曲面多相图像分割的变分水平集方法

基于隐式曲面的水平集表达、隐式曲面上的内蕴梯度概念和图像分割的标记函数方法,建立了隐式曲面上多相图像分割的水平集模型,并设计了相应的Split Bregman方法.首先,将分段常值与光滑平面图像两相分割的Chan-Vese模型推广到隐式曲面上图像分割的变分水平集模型,并根据图像分割的二值标记函数和凸松弛的概念将该模型转化为全局凸优化的极值问题;然后借助n-1个水平集函数划分n个区域的区域特征函数,将隐式曲面上两相图像分割变分模型推广到了多相图像分割,并利用凸优化方法将该模型的变分问题松弛为一系列凸子优化过程.通过引进辅助变量和Bregman迭代参数设计的Split Bregman方法,将每个子优化问题转化为简单的Poisson方程求解和解析的软阈值公式.数值算例结果表明,文中方法在计算效率方面要优于传统的方法.     

多相Chan-Vese模型的直接对偶方法

多相图像分割的变分模型采用水平集函数定义不同区域的特征函数,其极值问题需要迭代求解一系列动态演化方程,计算效率低。较快的方法是对离散的二值标记函数凸松弛后设计对偶方法或Split Bregman方法,并结合阈值化技术得到分割结果。提出一种无需凸松弛和阈值化的快速分割方法—直接对偶方法(DDM)。DDM利用二值标记函数的二值特性,并根据KKT条件得到原变量的二值解析解和对偶变量的简单迭代格式。该方法首先应用到两相Chan-Vese模型,然后拓展到多相Chan-Vese模型。实验结果表明,DDM比梯度降方法、对偶方法和Split Bregman方法分割效果好、计算效率高。     

基于Potts模型的图像分割快速算法

Potts模型是一种通用的多相图像分割的变分模型,其极值问题需要迭代求解一系列偏微分方程。针对其求解过程计算效率较低的问题,提出一种基于对偶方法的快速算法。采用离散二值标记函数作为特征函数,利用Lagrange乘子法把对特征函数的约束加入能量泛函,然后引入对偶变量改写模型中的长度项,利用KKT的条件得到特征函数的二值解以及对偶变量的简单迭代格式。通过数值实验将该方法与梯度降方法、对偶方法和Split Bregman方法进行比较。实验结果表明,该算法的计算效率和分割准确性都高于其他三种方法。     

凸松弛Chan-Vese模型的快速分割方法

Chan-Vese模型是图像分割模型中效率较高的一种.传统的分割方法解决Chan-Vese模型出现了计算效率低、占用内存大、对于解决结构复杂的模型运行时间长等问题.针对上述问题,提出了FADMM和ACPDM两种新的快速分割方法.基于离散的二值标记函数,将两相分割模型转化为凸优化模型,结合FISTA算法和Chambolle-Pock算法对ADMM和对偶方法进行改进,采用变分的思想,通过引入辅助变量和拉格朗日乘子,交替迭代直至收敛到泛函的极值.实验结果表明,两种方法在保持图像区域边界的条件下,收敛速度可提高两倍以上.     

多相图像分割Vese-Chan模型连续最大流方法

目的 多相图像分割是图像处理与分析的重要问题,变分图像分割的Vese-Chan模型是多相图像分割的基本模型,由于该模型使用较少的标签函数构造区域划分的特征函数,具有求解规模小的优点。图割（graph cut,GC）算法可将上述能量泛函的极值问题转化为最小割/最大流问题求解,大大提高了计算效率。连续最大流（continuous max-flow,CMF）方法是经典GC算法的连续化表达,不仅具备GC算法的高效性,且克服了经典GC算法由于离散导致的精度下降问题。本文提出基于凸松弛的多相图像分割Vese-Chan模型的连续最大流方法。方法 根据划分区域编号的二进制表示构造两类特征函数,将多相图像分割转化为多个交替优化的两相图像分割问题。引入对偶变量将Vese-Chan模型转化为与最小割问题相对应的连续最大流问题,并引入Lagrange乘子设计交替方向乘子方法（alternating direction method of multipliers,ADMM）,将能量泛函的优化问题转化为一系列简单的子优化问题。结果 对灰度图像和彩色图像进行数值实验,从分割效果看,本文方法对于医学图像、遥感图像等复杂图像的分割效果更加精确,对分割对象和背景更好地分离;从分割效率看,本文方法减少了迭代次数和运算时间。在使用2个标签函数的分割实验中,本文方法运算时间加速比分别为6.35%、10.75%、12.39%和7.83%;在使用3个标签函数的分割实验中,运算时间加速比分别为12.32%、15.45%和14.04%;在使用4个标签函数的分割实验中,运算时间加速比分别为16.69%和20.07%。结论 本文提出的多相图像分割Vese-Chan模型的连续最大流方法优化了分割效果,减少了迭代次数,从而提高了计算效率。     

基于多层水平集函数的三维多相图像分割

多相图像分割通常利用多个水平集函数分别定义不同区域的特征函数,其极值求解问题需要对多个函数分别求极值,计算效率较低。针对三维多相图像,提出一种改进的变分水平集模型,采用一个多层水平集函数的n层水平集隐式曲面,将图像划分为n个区域,通过对一个水平集函数求极值,实现三维多相分段常值图像的快速分割与重建。将能量泛函表达为数据项和规则项,借助规则化Heaviside函数设计区域划分的通用特征函数,采用Split-Bregman投影方法进行能量最小化求解。实验结果表明,该模型可以有效地实现三维多相图像分割,与Chan-Vese模型相比,其迭代步数较少,分割速度较快。     

改进CV模型图像分割的Split-Bregman方法

水平集方法中的Chan-Vese模型（简称CV模型）对灰度不均匀及边界对比度低的图像的分割效果不够精确,计算效率也不是很高。针对灰度不均匀引入偏差场来修正CV模型中的区域平均灰度并引入核函数来加权能量泛函。针对计算效率低下的问题,在上述基础上得出其全局凸分割模型（Global Convex Segmentation,GCS）,用Split-Bregman迭代求解该模型。实验结果表明：改进后的模型提高了分割精确度和计算效率。     

一种新变分方法在图像分割中的应用

针对传统的水平集方法用于图像分割时速度较慢的现象,提出一种新的变分方法(PDE)。首先修改了CV模型的能量函数,然后用凸松弛方法将其转化为凸优化问题,并引入一个辅助变量,再采用高效和无条件稳定的AOS算法,测试实验获得了较好的分割效果。实验结果表明,所提出的变分方法(PDE)是可行有效的。     

三维图像多相分割的变分水平集方法

变分水平集方法是图像分割等领域出现的新的建模方法,借助多个水平集函数可有效地实现图像多相分割.但在区域/相的通用表达、不同区域内图像模型的表达、通用的能量函的设计、高维图像分割中的拓展研究等方面仍是图像处理的变分方法、水平集方法、偏微分方程方法等研究的热点问题.文中以三维图像为研究对象,系统地建立了一种新的三维图像多相分割的变分水平集方法.该方法用n-1个水平集函数划分n个区域,并基于Heaviside函数设汁出区域划分的通用的特征函数;其能量泛函包括通用的区域模型、边缘检测模型和水平集函数为符号距离函数的约束项3部分;最后,针对所得到的曲面演化方程,采用半隐式差分格式进行离散,并对多种类型三维图像进行分割验证了所提出模型的通用性和有效性.     

基于对偶方法和局部统计信息的快速图像分割

CV模型和局部二值拟合模型用于图像分割时往往只能得到局部最优解,且计算量大,分割速度慢。为此,引入一个变量,将其与已知变量组成对偶变量,并利用图像的局部统计信息,建立主动轮廓模型的对偶模型,实现图像的快速分割。针对合成图像、多目标物体图像和灰度不均匀的医学图像进行实验,结果表明,该模型能自动处理拓扑结构的变化,从而快速准确地分割图像。     

融合图像方法的半实时轴承故障诊断方法

轴承在高负荷的环境下长时间运转经常会发生故障,造成巨大损失.若能在故障发生前期进行准确感知,则可以在很大程度上减少损失.通过分析轴承故障问题的特点,提出一种半实时的高准确率诊断方法,使用双路宽卷积核深度卷积网络(deep convolutional neural networks with double paths and wider kernels,DWDCNN)作为实时诊断算法,在结果出现异常或轴承处于高噪声环境下的时候对轴承的振动数据使用短时傅里叶变换(short time Fourier transform,STFT),将其转换为图像,再使用轻型多尺度胶囊网络(smaller inception capsule net,SICN)进行二次诊断.使用该算法与现有其他算法在凯斯西储大学(Case Western Reserve University,CWRU)数据集和添加不同强度噪声后的CWRU数据集上进行实验,对准确性和计算效率进行对比.结果显示DWDCNN模型使用0.12 ms即可完成一次预测,且在SNR=?4 dB的条件下达到80.07％的准确率,而SICN模型虽然计算时间较长,但是可以在SNR=?4 dB的条件下达到95.00％的准确率.     

汉语词义排歧的另一种方法

针对传统的基于义原同现频率的汉语词义排歧方法存在“盲目性”的不足，笔者根据《知网》中对概念定义的描述，分别计算多义词的每个义项与特征词的第一独立义原、其他独立义原、关系义原、符号义原之间的相关系数；最后通过比较多义词的每个义项与特征词之间的相关系数来决定多义词的义项．经过实验验证，该方法进一步提高了词义排歧的效果．     

程序设计中结构化方法和面向对象方法的比较

结构化方法与面向对象方法是软件开发程序设计中的2个核心思想。这两种程序设计方法不仅表现为在程序语言、分析与设计上的差异,更表现在开发思想和开发视角上的差异。     

模式识别的统计模糊方法和模糊统计方法

本文在论述模式识别的统计方法和模糊方法的共同性、差异以及各自适用范围的基础上, 研究了模式识别的统计模糊方法和模糊统计方法.统计模糊方法是在模糊分类器中充分利用 模式分量统计信息的隶属函数,使分类性能优于普通的模糊分类器.模糊统计方法是在以统 计方法为基础的分类器中,用模式分量的模糊隶属函数代替模式分量作为分类器输入.从对 本文中几个数据集所作的分类试验结果看,这种方法只需要不大的训练样本集便可使分类性 能接近于Bayes分类器的最佳水平.     

一种改进的模糊知识匹配方法——IDM法

模糊知识表示及处理是人工智能中的重要研究课题之一,模糊知识的匹配是进行模糊知识推理的关键。通过对传统的各种不同的模糊匹配方法的探讨,提出了一种改进的模糊知识匹配方法——IDM（Inscribed Diameter Matching）法。通过比较分析得出,IDM法能较好地克服传统的模糊匹配方法的一些缺点,并给出了一种融合模型,由此可使模糊推理的效率和准确性得到提高。最后,通过实例验证了IDM方法的可行性和有效性。     

一种改进的模糊知识匹配方法——IDM法

模糊知识表示及处理是人工智能中的重要研究课题之一,模糊知识的匹配是进行模糊知识推理的关键.通过对传统的各种不同的模糊匹配方法的探讨,提出了一种改进的模糊知识匹配方法--IDM(Inscribed Diameter Matching)法.通过比较分析得出,IDM法能较好地克服传统的模糊匹配方法的一些缺点,并给出了一种融合模型,由此可使模糊推理的效率和准确性得到提高.最后,通过实例验证了IDM方法的可行性和有效性.     

有效的数组私有化方法:相关-覆盖方法

数组私有化是并行化编译中的重要技术,该方针对现有数级私有化方法的不足,分析了数组私有化的本质,提出了一个数组私有方法：相关－覆盖方法。它将相关性分析技术和数据覆盖技术有机地结合在一起,具有了执行效率高、处理能力强、独立于数据表示的特点。     

一种基于模糊集理论的图像融合方法

在图像的小波变换融合基础上,着重探讨了图像的融合规则问题,并提出了一种三角函数形式的模糊隶属度融合准则,实现了图像的模糊集融合.使用SAR影像与SPOT影像进行了融合对比实验,结果表明,本方法具有良好的实用性,且具有更好的融合效果.     

Method fragments

The traditional unit of analysis in knowledge acquisition and requirements acquisition is the method, e.g. the interview, the repertory grid etc. There are practical and theoretical difficulties with this division. A more useful concept is the method fragment, described in this paper. The method fragment is a discrete component of a method which can be used in one or more methods. The discreteness of method fragments makes it much easier to describe their strengths and weaknesses than is the case with methods, enabling the elicitor to put together a customized method to suit a particular elicitation need. In this paper we outline the concept of method fragments using worked examples, discuss issues raised and make recommendations for further work.     

规则与统计结合分析汉语

在自然语言处理中,规则方法和统计方法各有优缺点。采用规则方法进行汉语切分、标注,并采用规则方法与切分标注评分结合进行消歧。对切分标注正确的句子进行句法分析,并采用规则方法与句法语义评分结合进行消歧。根据对多个结果的评分,选择出评分较大的结果,尽可能早地删除掉不正确的结果,从而加快汉语分析的速度,减少分析的空间消耗,提高分析的正确率。