摘要：为解决图像放大过程中有效地保证边缘锐化的图像插值难题,提出多层次轮廓约束的图像放大算法.首先利用检测算子对图像进行预处理,将图像分为边缘区域、平坦区域;其次,针对图像边缘区域进行自适应梯度扩散获取适当的边缘轮廓层作为图像放大约束;最后对轮廓层直接进行曲线插值重采样,不额外增加边缘层数,以保证放大后的图像在视觉上的边缘清晰.对于非轮廓层的平坦区域,构建双三次Coons插值曲面并进行重采样,保持了平坦区域的平滑性.测试图像为自然图像和医学图像,自然图像的来源是set5和set14测试集,实验对比方法主要从客观效果、视觉效果、时间复杂度3个方面进行比较.实验结果表明,采用该算法得到的放大图像不仅可以保持轮廓清晰,且PSNR及SSIM指标超过了大多数经典的插值算法以及目前流行的基于机器学习的算法.

摘要：进行肺部肿瘤计算机辅助诊断的关键问题是实现对病变组织的正确、快速分割,为此,提出了一种能够有效提高局部邻域像素自适应程度的快速模糊C均值聚类肺结节分割方法.首先构造像素与邻域窗口空间关系的二维向量表示,获得不同向量值的统计分布规律;然后用改进的空间函数综合考虑中心像素与单个相邻像素间的灰度相似度、与邻域窗口的空间相似度对模糊隶属度的贡献,动态地调整邻域像素的隶属度对中心像素的影响;最后给出该方法在迭代计算效率和局部自适应方面的改进.实验结果表明,该方法对血管粘连型、胸膜粘连型和毛玻璃肺结节的分割效果优于其他典型算法.

摘要：对文献(Dwyer R ***-dimensional Voronoi diagrams in linear expected ***&ComputationalGeometry,1991,6(4):342-367)给出的对d≥2维空间站点集合构造Delaunay超三角形算法做了改进,提高了其计算效率,并把站点的分布从限于单位球体扩展成d≥2维空间中任意凸的超多面体.证明了如果站点是独立地从一致分布在凸的超多面体的点集中取出,在线性期望时间内可对站点集实现Delaunay三角化.该证明方法比较直观.虽然这类算法对输入点集有一致分布的要求,但在很多实际应用情况下这种要求常是被满足的,此时使用这类算法便可体现文中算法快速和易于实现的优点.

摘要：特征表达是图像显著性检测的关键,现有方法所提取的特征缺乏一定的可辨识性.为此,提出多尺度上下文特征提取机制和注意力循环机制来解决这一问题.多尺度上下文特征提取机制通过空洞卷积增大高层特征的感受野来获取丰富的上下文语义特征,并采用向量聚合策略对特征进行融合.为增强融合特征的可辨识性,利用注意力机制自适应地对卷积特征增加权重以区分每个像素的重要性,使注意力集中于显著性区域,并抑制背景中的干扰信息.在此基础上,采用循环网络能够有效地在空间位置上对卷积特征进行逐步细化,进一步调整了显著性区域及其边缘,从而生成精确的显著图.该方法在5个常用的数据集上与8种相关方法进行了比较.实验结果表明,该方法不仅能够生成更加准确与完整的显著图,而且其MAE和最大F-measure量化性能也有所提升.

摘要：为避免直接求解基于L∞距离的带约束逼近的非线性最优解引起的复杂性,提出了一种把降阶逼近曲线分解为基本曲线和修正曲线的降阶方法.基本曲线利用约束Legendre多项式可得到显式解,且保证降阶后曲线满足要求的边界插值条件;修正曲线的控制顶点由降阶逼近曲线和原曲线的差定义,能够在L∞范数意义下极小化降阶逼近曲线与原曲线的误差.文中方法以简单稳定的方式实现保端点插值的一次降多阶,并达到L∞范数意义下对原曲线的近似最佳逼近.最后通过实例说明了文中方法的有效性.

摘要：针对平滑过度使图像的细节特征损失导致失真的现象,提出了一种L0测度优化与二阶拉普拉斯算子结合的图像平滑方法,采用拉普拉斯算子约束图像颜色变化,通过对L0模型的优化减缓颜色梯度的变化,达到图像颜色平滑过渡的目的.为了在平滑过程中更好地保持图像边缘特征,引入Sobel算子作为能量函数正则项,并采用交替求解策略求解能量函数.在图像平滑领域经典图像以及通过网络引擎搜索得到的图像上与6种平滑方法以及7种去噪方法进行了定性和定量比较实验,结果表明,所提方法在图像平滑的同时能够降低图像细节特征的损失,有效地处理图像平滑中存在的阶梯状边缘以及颜色块状分布的现象,并去除图像中的多种噪声,而且所提方法的峰值信噪比和运行时间也较其他方法有所提升.

摘要：自然图像通常表现出一定的自相似性,这种相似性意味着由相似图像块所构成的图像矩阵具有低秩性.基于图像的这种低秩性和最小方差估计理论,提出一种有效的迭代去噪方法.该方法通过构造图像相似块矩阵将图像去噪问题转化为低秩矩阵估计问题,并由最小方差估计理论导出低秩矩阵的估计值;在此基础上,对图像块的估计值进行加权平均即可重构出去噪后的图像;针对少量噪声残留问题,将去噪方法与反向投影方法相结合实现图像的迭代去噪,进一步抑制图像中残留的噪声.实验结果表明,采用文中方法产生的去噪图像不仅具有较高的峰值信噪比和特征相似度均值,而且具有很好的视觉效果.

摘要：针对采用边缘检测方法获得的复合材料第二相颗粒轮廓不规则且光顺性差的特点,利用周期非均匀三次B样条曲线逼近颗粒轮廓.将节点作为变量,提出了一种基于群体增量学习算法的节点矢量优化算法,得到预定控制点条件下误差最小的颗粒轮廓曲线;基于逼近的序列轮廓,采用柔性间距插入节点的方法定义公共节点矢量,根据公共节点矢量对序列轮廓进行相容性处理,利用三次B样条蒙皮算法生成了一张C2连续的张量积B样条曲面来描述复合材料的第二相颗粒.实验结果表明,与遗传算法相比,文中算法在轮廓逼近方面具有更好的鲁棒性和更高的精度,重构出的第二相颗粒光顺性好,效果理想.

摘要：针对现有的大多数计算几何形状间最短距离的算法都需要进行大量的多边形检测,且有时计算出的最短距离不够精确的问题,提出一种计算NURBS曲线与曲线、曲线与曲面和曲面与曲面间最短距离的算法.首先将2个NURBS形状分解成分段B啨zier表示的2个集合,给出一种计算2个集合的边界包围球的简单快速算法;然后分别在2个集合中选择包含最短距离的B啨zier表示对形成候选集.该算法采用边界包围球和"四点条件"约束提高计算效率,用多维Newton-Raphson迭代计算所有候选对间的局部最短距离,由此求出全局的最短距离.实验结果表明,文中算法具有速度快、精度高和鲁棒性好的特点,可实时计算2个NURBS曲线曲面间的最短距离.

摘要：与常规分割对象不同,医学图像中肿瘤组织像素占比小且解剖结构相近于人体狭小组织,不同肿瘤之间差异度不明显,这导致常规分割方法对肿瘤的分割效果低于期望值.因此,为了增强肿瘤特征传递的有效性,提出一种结合高低维稠密特征映射的肿瘤分割模型.首先,模型采用特征3维映射技术改进网络参数,将CT图像聚合成3维序列结构进行硬阈值3维变换,从而建立特征连接并减少不可逆初始特征丢失现象.然后,构建融合特征映射的稠密卷积网络,使用SELU代替ReLU激活函数,激活网络并提升网络优化度,引入负数部分参数避免“死特征”出现,并在每个稠密块后增加一层最大池化层抽象图像特征,减少时间、空间资本消耗.最后,采用特征复现方法进行特征重建,融合通道特征、空间特征提升特征表达能力.实验采用山东省千佛山医院提供的CT图像数据集,在TensorFlow环境下将模型与U-Net等分割模型进行对比,并对模型进行了消融实验.实验结果表明,该模型有效地提升了肿瘤分割的准确度,与已有经典模型相比,在均像素精度、均交并比等性能指标上均取得了更好的效果.