两种抗几何攻击数字图像水印算法分析及比较

以图像归一化和不变质心理论为基础提出了两种安全性较高的数字图像水印算法。为了增加水印的隐秘性及抗干扰能力,水印在嵌入前均进行了置乱和混沌加密处理,然后两种方案分别根据其归一化图像的不变质心确定出相应的重要区域,并在该区域实施水印的嵌入。实验结果表明,提出的两种数字图像水印算法均具有较好的不可感知性和抗攻击的鲁棒性,且在抵抗常规信号处理和几何攻击下各具优势。     

机械系统运动方案的模糊距离测度评价方法

提出机械系统运动方案的模糊距离测度评价方法.以轻工业服装机械为背景,首先确立因素集,并依据工作性能、动力性能及结构工艺性层次建立了因素关系树,基于方案的各组成基本变换单元提出评价标准,分别构建性能指标及权重的模糊术语,并用三角模糊数表示.建立评价因素及权重的标准隶属度函数.依据因素关系树,针对设计方案的多单元组成,建立多专家参与下,考虑多因素多层次的三级模糊综合评价模型.在此基础上建立了基于距离测度的模糊数排序模型,并提出整个综合评价过程的实现算法.最后,该方法的有效性通过算例得到验证.     

3D点云形状特征的二维主流形描述

首先,对空间分布不均匀且无序的三维点云构造其二维主流形,并以与球面同胚的封闭曲面网格形式给出其二维主流形的二次优化逼近,以主流形网格有序均匀的结点分布表示三维点云空间分布无序且不均匀的形状特征,降低了三维形状描述的难度;然后,以基本几何变换作为快速粗对齐、以迭代最近法向点(ICNP)方法作为精准对齐,确定两个主曲面网格之间最佳刚性变换,ICNP方法在寻找最近点时考虑法向夹角,利用了更多的几何信息,实现快速精准的刚性对齐,兼顾计算精度和速度;最后,以对齐误差作为两个3D点云之间形状差异测度.实验结果表明:所提出的基于主流形二次曲面网格优化逼近的三维点云模型形状描述方法对三维点云的分辨率和噪声等干扰因素具有较高的健壮性,可以用于三维检索的形状描述.     

三维网格模型增量式聚类检索

针对大规模三维网格模型库中的形状检索问题,提出了基于增量式聚类的三维形状描述和检索方法。首先根据三维模型的曲率分布直方图提取特征点得到特征向量;然后根据特征向量描述建立模型库的关键词词典;在特征 匹配阶段基于增量聚类方法判断目标模型的特征向量是否属于某一个关键词,并根据增量聚类的结果更新检索关键词词典;最后匹配特征向量检索模型库中与目标模型形状相同和相近的三维网格模型。相关实验结果证明了该方法快速有效,具有较高的准确性。     

产品概念设计的研究现状及其发展方向

概念设计对产品设计的成功与否有着决定性的影响。在分析概念设计内涵和基本过程的基础上，从过程建模、信息表达、方案生成、方案选择和系统开发等五个方面提出了概念设计的关键技术，综述了目前国内外研究现状，比较了涉及各种方法的优缺点，并总结出目前存在的主要问题。最后，从深度和广度两方面探讨了产品概念设计的发展方向，提出了未来研究的重点，以及相应的实现方法和技术。     

设计关联矩阵智能分解方法

针对复杂产品设计分解问题,如何提高分解效率,有效产生一些可行方案的问题,提出了一种智能化的矩阵分块算法。该算法结合两阶段分解法,引入模拟退火遗传算法,以设计关联矩阵的协调列数为目标函数,对矩阵内部的分块点组合进行优化求解,实现了设计关联矩阵的对角化分解。以提动式溢流阀的设计为例进行了验证,实验结果表明该算法能够快速产生有效解。     

改进的蚁群聚类算法在本体知识库中的应用①

为了解决基于本体的知识库构建效率不高的问题,将模块化思想引入本体中,并在蚁群聚类算法的基础上,融入遗传算法的种群思想,提出了一种基于改进的蚁群聚类算法的模块化本体的方法。以本体概念间的相似度作为划分模块的主要依据,然后应用改进的蚁群聚类算法得到本体模块划分方案,最后通过实例验证了该方法的有效性。     

MRI脑肿瘤图像分割的深度学习方法综述

磁共振成像（MRI）作为一种典型的非侵入式成像技术，可产生高质量的无损伤和无颅骨伪影的脑影像，为脑肿瘤的诊断和治疗提供更为全面的信息，是脑肿瘤诊疗的主要技术手段。MRI脑肿瘤自动分割利用计算机技术从多模态脑影像中自动将肿瘤区（坏死区、水肿区、非增强肿瘤区和增强肿瘤区）和正常组织区进行分割和标注，对于辅助脑肿瘤的诊疗具有重要作用。本文对MRI脑肿瘤图像分割的深度学习方法进行了总结与分析，给出了各类方法的基本思想、网络架构形式、代表性改进方案以及优缺点总结等，并给出了部分典型方法在BraTS（multimodal brain tumor segmentation）数据集上的性能表现与分析结果。通过对该领域研究方法进行综述，对现有基于深度学习的MRI脑肿瘤分割研究方法进行了梳理，作为新的发展方向，MRI脑肿瘤图像分割的深度学习方法较传统方法已取得明显的性能提升，已成为领域主流方法并持续展现出良好的发展前景，有助于进一步推动MRI脑肿瘤分割在临床诊疗上的应用。     

耳廓点云形状特征匹配的路径跟随算法

路径跟随算法结合凸松弛方法与凹松弛方法,通过跟随凸凹问题的解路径,近似地求解图匹配问题,具有较高的匹配精度.将路径跟随算法用于耳廓特征图的匹配问题:首先,基于PCA方法构造耳廓点云的显著性关键点集合;然后,采用乘积型参数域上的单值二次曲面方法拟合关键点邻域内的点集,并将曲面的局部形状特征定义为耳廓的局部形状相似测度;第三,对关键点集合进行Delaunay三角剖分,得到关键点集合在三维空间内的拓扑结构图,并定义关键点图的整体结构差异测度;最后,记耳廓关键点图的组合差异测度为关键点图的整体结构差异测度与关键点上的局部形状相似测度的线性组合,并基于路径跟随算法快速求解关键点图之间的精确匹配.相关实验结果表明:与其他相关算法相比,该算法具有较高的匹配效率和匹配精度.     

奇异值方法用于汽车车型识别

图象灰度矩阵奇异值是图象的代数特征 ,已有文献把奇异值方法用于图象识别 ,针对常用的图象识别方法不能对外形区别不大的汽车及受到干扰的汽车进行识别的问题 ,把图象矩阵奇异值方法用到汽车车型识别的研究中 .由于光照强度的影响 ,使处于同一场景的图象往往具有不同的灰度 ,且将影响奇异值方法的使用 ,所以引入了灰度一致因子来校正图象灰度 .并用该方法对一些汽车图象进行了实验分析 ,取得了比较好的结果 .最后 ,对这一方法进行了一些定性与定量分析 ,并提出了理论上需进一步探讨的问题 .