Nonlocal variational image segmentation models on graphs using the Split Bregman

Variational functionals such as Mumford-Shah and Chan-Vese methods have a major impact on various areas of image processing. After over 10 years of investigation, they are still in widespread use today. These formulations optimize contours by evolution through gradient descent, which is known for its overdependence on initialization and the tendency to produce undesirable local minima. In this paper, we propose an image segmentation model in a variational nonlocal means framework based on a weighted graph. The advantages of this model are twofold. First, the convexity global minimum (optimum) information is taken into account to achieve better segmentation results. Second, the proposed global convex energy functionals combine nonlocal regularization and local intensity fitting terms. The nonlocal total variational regularization term based on the graph is able to preserve the detailed structure of target objects. At the same time, the modified local binary fitting term introduced in the model as the local fitting term can efficiently deal with intensity inhomogeneity in images. Finally, we apply the Split Bregman method to minimize the proposed energy functional efficiently. The proposed model has been applied to segmentation of real medical and remote sensing images. Compared with other methods, the proposed model is superior in terms of both accuracy and efficient.     

一种基于形态学编码的地形骨架特征提取方法

鉴于剖面识别骨架特征提取方法(profile recognition and polygon breaking algorithm,PPA)准确性差、不能提取特殊地形等问题,提出了一种结合形态学的剖面识别骨架特征提取方法(profile recognition and polygon breaking algorithm based on morphology erosion,MEPPA).通过剖面识别提取原始的骨架特征候选点,根据方向系数连接成多边形条带,在此基础上提出了生成标量特征域的填充算法;引入形态学区域细化思想,提出了形态编码和骨架特征形态简化算法,将特征域简化为骨架特征线;为了满足各领域对矢量骨架特征的需求,提出了标量特征线复原、检测与优化剔除等策略,准确地复原了矢量骨架特征模型;提出了保留外分支和环路特征的解决方案,解决了传统骨架特征提取方法不能保留较长的主干线以及不能提取环路地形特征的问题.在真实数据上进行了实验研究,结果表明提取的骨架特征形态的整体效果优于传统方法.     

基于科研合作网络的自动审稿人选择研究

主要研究科研合作网络（scientific collaboration network ,SCN）中选择审稿人的2个核心问题：网络构建和社区聚类。基于杂志论文的审稿人主要来自本杂志作者及审稿人应尽量评审与自己无关的科研工作这2个事实,通过论文中作者的排名计算所有作者之间的合作关系,构建归一化科研合作网络。考虑到网络中边的稀疏性,设计了合作压缩感知算法来计算不同作者间的社区类型,进行科研合作社区聚类。在模拟数据及2个真实期刊作者库上开展了多个实验。由于没有一个客观标准去评估所选出审稿人的合适性,通过网络中顶点连接矩阵的自动聚类性评估所构建科研网络的性能,通过作者合作团体的检测准确性来评价审稿人挑选的有效性。从实验结果可以看出,提出的网络构建方法具有较好的顶点聚类性;和经典算法相比,合作压缩感知社区检测算法在检测速度和稳定性方面具有很大的优势,审稿人挑选正确率提高了大约60％。     

考虑观点多样性的评论选择问题

在线用户评论向消费者提供了丰富的商品信息,帮助他们挑选从日常用品到娱乐活动相关的商品.然而,评论的数量之大让用户难以对商品有一个清晰的认识.现有解决电子商务网站中评论信息过载问题的方法包括评估评论质量以及总结评论观点等.但是,基于评论质量排序的方法可能信息冗余,而评论总结方法忽视上下文导致易读性较差.因此,需要实现有效的评论选择方法.设计了基于字典和规则以及基于主题模型LDA的观点获取算法来形式化地表示每条评论;提出一种基于贪心算法的评论选择方法,实现从商品评论集中选择一组高质量的评论,并最大化评论集的商品属性覆盖度和评论观点多样性.最后在真实数据集上对算法进行实验来验证该算法,实验结果表明了该算法的有效性.     

面向嵌入式系统绿色需求的数据分配方法

能耗和资源等绿色需求是嵌入式系统发展不容忽视的因素.数据分配作为编译后端的重要优化手段,对能耗以及资源的利用率有着重要影响.为提高资源和能源的有效利用率,构建了数据分配过程的绿色评估模型,并以此为指导,提出了一种迭代式多目标分配优化方法,从能源消耗和资源的均衡使用度2个方面出发,利用可交换类指令重排优化和寄存器重分配优化,对总线和存储系统的绿色指标进行改进.模拟实验表明,该方法相对于GCC编译器,能够获得23％左右的绿色指标提升值,为满足更高的绿色需求提供了保障.     

基于CRF和规则相结合的地理命名实体识别方法

为了识别文本中海量的地理命名信息,以CRF(条件随机场)模型识别为基础,加入制定的规则,来提高CRF模型识别的召回率,从而提高整体的地理命名实体识别效果。通过选取适合的地理命名实体识别的特征模板,验证特征的有效性以及分析CRF模型识别结果中的未识别实体样本,设计针对未识别实体的规则用以修正识别结果。实验表明,对地名和组织名结合规则进行修正后的F值达到了91.61%和85.74%,有了显著提高。     

REST在异构移动客户端接入中的应用研究

针对繁多异构的移动客户端接入Web应用系统的问题,提出一个基于REST(Representational State Transfer)的解决方法并给出一个基于MVC(Model-View-Controller)模式的具体的开发框架,通过RESTful Web服务连接移动客户端的View/Controller层与Web系统的Model层。定义了由Web系统的model层定义RESTful Web服务的具体方法和规则。理论分析与实际应用说明了该方法的有效性。