基于GPU的社会化网络关系计算研究

随着网络不断地社会化、普及化,网络社区的规模也越来越大,这给社会化网络关系的计算带来了巨大的计算量。这些计算包括个人关系及计算与生成、全局关系计算与生成以及关系的挖掘等。虽然这些工作的计算量很大,但却适合并行处理。基于此,本文通过详细分析GPU的高性能运算及其在CUDA编程模型上的具体实现,讨论利用基于CUDA硬件架构的GPU来进行社区用户关系的并行计算。     

鱼眼图像校正和配准算法研究

提出一种对鱼眼图像进行校正和配准的算法。首先把鱼眼图像从相等距离投影模型映射到参数化球面投影模型,使得合成球面全景图成为一个平移求解问题。然后使用非线性优化算法进行图像的配准。在合成场景的球面全景图以后,通过重投影球面全景图到视平面来完成虚拟场景的实时漫游。     

虹膜图像预处理技术的研究

图像预处理是虹膜识别过程中至关重要的步骤。针对虹膜图像的特点和现有虹膜识别算法运算速度慢及鲁棒性差的问题,本文提出基于Canny算子和Hough变换的虹膜定位算法,然后采用Daugman的橡皮纸模型对虹膜区域进行归一化并做直方图均衡化图像增强处理。实验结果表明,本文的虹膜图像预处理算法可以有效解决图像预处理中计算时间长和通用性差的问题,能提高虹膜识别系统的稳定性和识别率。     

一种变形表面的三维测量方法

提出一种新的利用标定图像进行三维测量的方法。利用SIFT算法找到初始的对应点,然后根据这些点生成三维空间中的种子点,再以这些种子点为中心,向外区域增长,直到完成整个物体表面测量。在每次增长的过程中,需要计算增长的三维空间平面在两个相机上的投影之间的图像相关系数。图像相关系数较大时认为是正确的增长,否则是错误的增长。实验证明,使用该方法能够得到很好的三维测量结果。     

基于一维傅里叶变换特征提取的纸币识别

纸币识别系统包括纸币图像采集、图像预处理、特征提取及分类器设计等几个步骤。其中特征提取的有效性直接影响到整个系统的识别效果,是至关重要的环节。本文针对不同面值长宽、图案相近的纸币,提出一种局部区域一维傅里叶变换特征提取的新方法。实验结果表明,该方法取得了很高的识别率,有较大的实际应用价值。     

基于噪声统计模型的图像分割方法

图像分割是图像特征提取和图像识别的基础和前提,是图像研究中的热点之一.本文对目前图像分割的分类、最近几年出现的新方法、新思路以及传统图像分割中对噪声的处理进行比较简要的综述,针对噪声对图像分割的影响,提出利用噪声的统计特性建立噪声统计模型改进图像分割的新方法.     

定向区域生长算法及其在血管分割中的应用

针对医学图像中微细管道结构灰度连续性差,采用常规区域生长法进行分割容易丢失末梢的问题,提出一种定向区域生长算法,可以在生长过程中跨越管道结构中的低灰度 区域。算法向图像中已生长区域外灰度最高的方向进行生长,每次将一个体素加入已生长区域,将图像转变为一颗以种子点为根结点的树,再从叶子结点进行回溯以确定感兴趣区 域。对实现算法的数据结构进行了讨论。算法可以应用于任意维的图像。对2维和3维图像的测试结果表明,相对于常规的区域生长法,算法可以分割出更多的血管分支。算法对3维 图像的运行时间为秒钟量级,可以满足临床应用的要求。     

利用曲率信息的图像分割改进模型

首先从理论上分析无须重新初始化的水平集方法的主动轮廓图像分割模型,该模型对一些具有不光滑尖角的图像进行分割时,捕捉这些尖角往往不精确甚至失败;然后对利用边缘检测函数的曲率信息识别出凸尖角并进行分割的方法进行研究,由于此方法没有考虑凹尖角的情形,故对含凹尖角的图像分割效果不理想。为解决该问题,提出利用图像的曲率信息识别出凹尖角,再将其与利用边缘检测函数曲率信息识别凸尖角的方法相结合,进一步修正边缘检测函数,达到准确捕捉物体的凸尖角和凹尖角的目的,保证了分割的准确性。数值实验表明,该方法的分割效果较好。     

复杂相变热图序列相变线跟踪与应用

针对复杂相变热图序列相变线自动提取问题,提出一种基于帧间差分信息的C-V主动轮廓模型提取方法。首先建立一种基于结构特征的图像精确匹配指标,解决相变热图序列中部分帧的位置偏移问题;然后利用与模板图像的帧间差分及差分图像的对比度增强获取有效相变信息;最后在考虑帧间相变线关联性的基础上,提出一种融合形状先验特征的C-V主动轮廓模型相变线跟踪算法。实验结果表明,该算法解决了目前方法无法解决的序列图像中多相变线、拓扑变化等问题,能适应多种不同类型的模型实验物,且运算速度较经典C-V模型有很大提高。基于该算法开发的软件系统在实际中得到成功应用。     

利用特征点序列截断的图像匹配判决算法

当图像中特征点缺失比较严重时,利用特征点S维分配算法和K均值聚类算法的图像匹配性能较差。此外,随着待匹配图像数量的增加,上述两类算法的计算量急剧上升。针对上述问题,提出一种新的图像匹配判决算法——利用特征点序列截断的匹配判决。该算法利用了匹配特征点之间的匹配度量大于非匹配特征点之间的匹配度量,以及同一匹配簇中来源于同一图像的特征点不超过一个的先验知识,一方面对特征点缺失具有较强的鲁棒性,另一方面克服了上述两类算法中的组合爆炸问题。仿真实验证实了所提算法的有效性。