摘要：为了设计适用于空间望远镜的具有质量轻、刚度高、高面形精度特点的大尺寸反射镜,提出了基于水平集方法的反射镜拓扑优化设计方法。首先,在口径1 m反射镜镜体初始结构模型的基础上建立有限元模型,基于SIGFIT采用DRESP2建立面形RMS的目标响应函数,将镜面面形精度直接作为目标函数,在重量约束条件下,基于变密度算法与水平集拓扑方法分别进行优化设计,并基于OSSmooth功能对设计结果分离阈值进行研究。通过对优化模型分离阈值进行分析,得到最优化的输出结构模型。采用水平集方法的拓扑优化设计方法的中间密度单元格数目远小于变密度方法,输出结构边界连接性更好。优化模型面形RMS值小于λ/50(λ=632.8 nm),满足设计指标。

摘要：利用应力-强度干涉理论,对结构的概率疲劳和非概率疲劳强度可靠性进行了分析,构建了以结构柔度最小为目标函数、以体积比和疲劳可靠性为约束的连续体结构拓扑优化设计模型.优化前对概率和非概率的疲劳可靠性约束进行了等价显式化处理,使得优化过程形式简单,减少了计算量.利用水平集方法进行了结构拓扑优化.两个算例的结果显示了文中优化设计模型的合理性和方法的有效性.

摘要：提出空间多分辨分析方法,通过分析图像行列方向能量投影的分布,将图像划分为大小不均匀的子块,根据图像的总体结构特征和局部细节特征自适应地调整子块大小,并以各子块的灰度均值作为新图像基元像素的灰度值,实现图像压缩.水平集曲线演化方法在压缩图像上进行,使得被处理的数据量大大减少,从而缩短了轮廓提取的时间,提高了算法的实用性.与边缘检测方法或直接水平集曲线演化方法相比较表明,该方法能够以较少的运算量获取较高的足迹轮廓提取准确度.

摘要：超声图像检测是当前乳腺癌诊断的主要辅助手段之一.为实现超声乳腺肿瘤的计算机自动辅助诊断,提出一种基于支持向量机(SVM)目标检测与水平集图像分割相结合的全自动肿瘤提取算法.首先提取超声图像训练集的分块特征来训练SVM分类器,对测试集图像进行检测得到可疑病灶区域;然后提取可疑区域边缘作为水平集的初始轮廓,使用加入Bhattacharyya距离项的Chan-Vese主动轮廓改进模型进行可疑病灶区域的轮廓演化,得到准确的轮廓;最后综合面积、位置、灰度、纹理等因素设计区域评价筛选准则,去除可疑病灶中的干扰区域,得到最终的肿瘤分割结果.在真实病例数据集上的测试结果表明,利用该算法在良恶性肿瘤检测分割中均有较好表现.

摘要：压边圈结构对改善差温成形中压边圈摩擦、传热及材料的流动阻力起着重要的作用。利用水平集理论和Kriging模型,对镁合金差温成形中的压边圈结构进行优化,提出一种伪拉延筋。以NUMISHEET2011十字杯形件为研究对象,建立相应的热力耦合模型,利用相关的试验数据,对有限元模型进行验证。基于一步法理论反求影响镁合金成形件质量的压边圈关键区域,并对该区域进行了重新离散化及处理。以部分节点坐标为设计变量,以随机水平集值为目标,建立压边圈的Kriging水平集模型。利用初始水平集阈值,对伪拉延筋进行设计。利用拉丁超立方对水平集阈值、凸模温度和凹模温度进行抽样,获得伪拉延筋样本。基于镁合金差温成形热力耦合模型,对相应的样本进行有限元仿真分析,获得镁合金成形件的成形质量,建立水平集阈值与质量之间的Kriging模型。利用粒子群算法,对该Kriging模型进行优化,获得最佳水平集阈值,实现伪拉延筋的优化。利用最优伪拉延筋,进行相应的差温成形分析。研究表明,基于水平集理论和Kriging模型,优化伪拉延筋能有效地提高成形件的减薄率均匀性。该方法为压边圈设计提供一种有益的指导。

摘要：提出一种基于最小错误率和快速水平集的图像分割方法,通过对速度项和停止条件的重新设计,实现了快速而有效的图像分割。算法采用模式分类思想,以统计直方图来近似目标和背景区域的概率密度,对基于最小错误率的判别函数进行平滑滤波以获得外部速度,从而实现曲线的进化;同时,分割过程在分类错误率达到最小时停止。实验结果表明,本文算法对弱边缘、低对比度灰度图像具有较好的分割效果,且具有较强的抗噪性能;在分割速度上,本文算法也明显优于几种已有算法。

摘要：在光学显微镜成像的神经元干细胞序列图像中,针对目标与背景的弱对比度及细胞粘连、团簇等问题,提出一种新的分割算法.该算法基于无需初始化的水平集算法,通过引入曲率项来加速收敛;为降低算法的复杂度,提出衡量范数能量作为水平集进化的终止条件;最后结合局部灰度阈值法进一步分割粘连细胞.将该算法应用于2组细胞图像序列共120帧图像的分割中,不但解决了时间序列图像成像时焦距偏移带来的分割难题,而且能够准确地分离粘连、团簇细胞,并保留细胞的形态特征和位置信息.统计结果表明,分割成功帧所占整个序列的百分率较分水岭算法、传统水平集分割算法提高了30%～40%.

摘要：针对超声心动图噪声很大、提取目标区域边界不够平滑完整的问题,将非参数技术与水平集相结合,提出了多尺度非参数化的水平集图像分割方法。利用非局域均值滤波建立尺度空间,保护图像特征,在粗尺度预分割,然后在细尺度优化分割。采用Parzen窗技术对超声心动图的亮度分布进行统计建模,不需要先验假设,引入到水平集框架中,设计了非参数化水平集分割模型。分割实验证明:预分割结果和真实边界的平均绝对距离为2.162,优化后为0.710。该方法可以精确地自动提取感兴趣区域,在图像分割鲁棒性和精确性方面优于常规分割方法。

摘要：为了提高活动轮廓模型对自然图像的分割效果,提出了一种新的分割算法。首先将水平集和全变分有机结合,建立了保边平滑分割模型;其次运用聚类算法自适应选取平衡参数,避免了水平集曲线收敛于局部最优;最后根据水平集对不同平滑分量分割区域不同,设计了基于区域置信度的分割平滑收敛函数,解决了分割曲线消失问题。实验表明,该算法对自然图像分割测评分数高于传统活动轮廓分割算法,对图像纹理和噪声不敏感。

摘要：距离规则水平集存在对噪声、初始轮廓敏感、收敛速度慢以及容易从弱边缘处泄露等不稳定问题.结合待分割目标灰度统计信息和图像梯度信息,提出了一种自适应初始轮廓的水平集演化方法,利用图像信息构成的自带符号目标信息函数代替面积项中的边缘指示函数,解决水平集方法对初始轮廓敏感问题.另外,还设计一个自我调整的面积项系数解决水平集方法对收敛速度慢以及弱边缘处泄露问题.实验结果表明:本文方法不仅可以减少图像分割时间,提高了分割质量,同时能够解决对初始轮廓敏感问题.