摘要：针对二维半空间声散射问题,采用水平集方法对声屏障截面进行优化设计。以Γ型声屏障为例,给定水平集函数初始配置后,通过求解反应扩散方程来更新结构边界。目标函数设定为观测区域上声压的积分,并由伴随变量法计算出拓扑导数作为优化的梯度。声场与伴随场均采用边界元法进行求解,同时将半空间格林函数作为基本解,以模拟地面对声波的反射效果。在每次迭代中对零水平集基于结构面积进行过滤,仅保留主体部分作为声屏障的截面外形,实现基于拓扑优化的高效形状优化处理。数值算例给出过滤前后的优化结果,并利用商业软件COMSOL进行验证。

摘要：针对现有钢轨焊缝错边量测量方法在不同光照环境下适应能力不强、定位精度不高、稳定性不好的问题,提出了基于水平集的钢轨焊缝区域定位方法。首先,采用水平集对预处理后的焊缝图像进行轮廓分割,将焊缝与轨腰、轨头和背景进行分离;其次,采用面积排序和连通域相结合的方法排除轮廓干扰,实现焊缝轮廓的粗定位;再次,采用两次排序法实现焊缝轮廓的精定位;最后,对焊缝轮廓中横坐标采用排序法实现钢轨焊缝区域的自动定位。通过模拟不同的光照环境,对60 kg/m钢轨焊缝区域进行定位实验,验证了该方法具有适应能力强、精度高和稳定性好的优点,可用于焊轨基地焊缝错边量的自动检测。

摘要：由于红外图像大多具有目标模糊,对比度低的特点,传统的分割方法容易受到噪声和边界轮廓的影响而导致分割效果不佳,提出了一种基于简化Mumford-Shah模型的水平集红外图像分割算法。该算法能够通过将初始闭合曲线嵌入水平集函数,利用函数的求解从而达到图像分割的目的。仿真实验结果表明,该分割算法与初始轮廓线位置无关,受边界轮廓线和图像噪声的影响较小,具有较强的鲁棒性,在目标与背景灰度级差别较小的红外图像的分割中取得了较好的效果。

摘要：医学图像分割是医学图像处理中的关键问题之一。图像序列的分割操作是医学图像三维重建的必要准备,而软组织图像分割则是医学图像分割中的一大难点。基于曲线演化理论的,借助偏微分方程等数学工具的水平集方法已经被广泛应用于医学图像分割领域。介绍了水平集方法的数学模型,并设计了一种基于窄带水平集方法的,专门针对软组织图像分割的算法。用边界追踪等方法提取第一层图片中的软组织相关轮廓;将它们作为初始水平集曲线,再利用窄带水平集方法进行演化;经过两个阶段的迭代处理,最终自动分割出整个软组织图像序列。实验表明该算法具有较高效率、分割结果精确,所产生的分割结果可以作为三维重建的合适的数据集。

摘要：为了提高水平集方法的实用性,降低其计算量,提出了一种新的窄带水平集方法。该方法设计了一种特殊的窄带结构,改进了传统的快速扫描法,并将其用于窄带水平集函数的重新初始化。引入了自适应性到测地线活动轮廓模型,使得演化过程中既能保持稳定性,又能加快演化速度。实验结果表明,该方法降低了用传统窄带水平集方法求解测地线活动轮廓模型的计算复杂度,比传统的窄带水平集方法具有更高的稳定性与求解效率。

摘要：针对汽车机械零部件中检测效率低、误检率高等瓶颈问题,提出了一种结合图像处理技术的方法。基于汽车副车架表面结构复杂以及缺陷异形等特征,首先通过小波邻域收缩去噪和多尺度增强算法对零件图像进行预处理,再通过水平集函数初步定位缺陷区域,最后结合空间模糊聚类进一步精确定位缺陷区域,达到对零件表面缺陷识别的目的。对工件表面划伤、压痕、气孔三种缺陷进行检测。实验结果表明:该算法相对于其它两种算法的检测率分别93.3%、86%和90%,具有较高的检测成功率。为后续缺陷零部件分类奠定良好的基础且可以满足工业检测要求。

摘要：针对多边界情况下,传统的水平集模型无法区分医疗图像的目标边界与背景边界,存在多个不需要的边界,无法收敛到所需边界的问题,提出了一种改进的距离正则化水平集模型的医疗图像分割方法,该方法对原始图像采用U-Net网络进行预分割,得到目标图像的大致区域,在传统距离正则化水平集方法的基础上,引入新的边缘指示函数,加入新的正则项.实验结果表明,上述方法对多边界的超声图像和普通医疗图像的分割的有效性更高.

摘要：隐式曲面上的图像处理,与曲面的性状和特征息息相关,运用多个函数标记不同区域来进行图像分割计算量大。针对上述问题首先借助遥感图像提出了一种隐式曲面构建方式,利用图像中的高程数据来构建山体曲面模型,进而计算山体区域的曲面面积。其次将基于一个水平集函数的多相图像分割的模型推广到隐式曲面上,并设计了相应的交替方向乘子法,通过求解一个函数的极值实现对图像多个区域的分割,最后多个数值实验对该方法和模型的高效性和鲁棒性进行了验证。

摘要：针对高噪声、低对比度的医学图像难以快速准确分割的问题,结合基于像素的传统方法和基于水平集的活动轮廓模型,提出了一种混合的医学图像分割新技术。首先依据待分割对象的先验知识交互选取感兴趣区域。然后由传统的方法和基于水平集的C-V模型结合实现感兴趣区域图像的预分割。预分割的结果直接作为窄带变分水平集模型的初始轮廓,演化曲线在很短的时间内准确收敛到待分割物体的边缘。

摘要：目前图像分割方法主要研究图像分割精度、质量等,但对分割的结果研究甚少,通常是依靠人工检测结果的收敛性。通过分析图像边界的特点,给出了强边界、弱边界的定义和收敛准则,提出一种将改进的水平集与边缘检测相结合的图像分割方法,用来检验图像分割结果的收敛性,提高分割结果可信度。首先利用自适应区域生长分割出图像初始区域;然后利用预分割的结果构造初始水平集函数和进行边缘演化;最后,用边缘检测算子对分割结果进行检验,将检验得到的结果再进行水平集演化,如此往复,直到收敛。实验结果表明,该方法对弱边界图像有很好的分割效果,可较为理想地提取海马图像中的目标。