激光淬火热致残余应力的数值分析

在分析温度、相变、应力的相互耦合关系的基础上，讨论了相变条件的数学模型和相应材料性能改变的方程，提出了反映相变影响的温度场控制方程，导出了含相变的热弹塑性本构方程，应用有限元进行了温度场。

激光相变硬化过程中温度场及马氏体相变的数值分析

以相变理论、热弹塑性理论为基础 ,根据激光热处理加热、冷却速度快的特点 ,建立了考虑热物性系数及相变过程的非线性热传导方程。该方程能较好地反映马氏体相变特征。应用有限单元法和有限差分的混合解法对平板材料激光淬火过程的瞬态温度场进行了计算。在计算温度的同时 ,计算了马氏体量的分布 ,进而确定激光硬化区的形貌。计算结果与实验结果对比表明 。

外加磁场淬火的热传导方程及数值分析

从金属物理、热非弹性理论、相变理论、变形热力学及电磁场理论的概念出发，应用非线性连续介质力学中的内变量方法导出了含磁场相变的热传导方程。

激光相变硬化过程及热应力的研究

通过激光淬火实验及理论分析，提出了相变应变的数学新模型，给出了考虑相变及变物性系数的热弹塑性本构方程，进行了激光淬火热应力的理论分析和数值计算，该计算方法对激光热处理工艺提供了理论依据和有效手段。

基于Daubechies小波的图像边缘检测技术

利用Daubechies正交小波变换的性质,通过Mallat多尺度分析方法对图像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次高频小波系数进行逆变换获取最大边缘信息。

医学图像自动多阈值分割

针对医学图像的自动多阈值分割问题,采用模糊C-均值(FCM)聚类法找到医学图像的不同组织和背景的聚类中心,再利用二维直方图的方法,找到多阈值分割的各个阈值点进行分割。引用二维直方图的方法可以很好地保留目标的细节信息,更好地抑制噪声。

基于模糊集理论的医学图像分割的应用

图像分割是医学图像处理、分析、研究的基础。由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题。而模糊集合论具有描述不良问题的能力,模糊集理论应用于图像分割是针对图像模糊性非常有效的方法。对近年来基于模糊集理论的医学图像分割技术的应用和发展进行了综述和讨论,展望了基于模糊集理论的医学图像分割技术的前景和面临的挑战。

像素随机映射的快速算法及在LSB隐藏技术中的应用

提出一种像素随机映射的快速方法,将该方法与像素字节低位隐藏信息的最低有效位技术相结合,讨论了将RGB彩色图像作为载体隐匿真彩色图像、灰度图像、二值图像及全息信息的方法.研究结果表明,该方法加密及解密效率高,载体图像具有较好的抗破译及抗剪切能力.根据隐藏信息的性质合理使用LSB技术,能在基本不影响载体图像质量的情况下较好地隐匿多种信息.

有限长厚壁管在过冷沸腾状态下的热应力响应

在求得有限长厚壁管水淬时瞬态温度分布的基础上［１］，引入了包含相变的热弹塑性本构方程的增量形式．用有限元法求得了瞬态热应力和残余应力．对影响热应力和残余应力的各种因素进行了分析和讨论．

基于模糊Gibbs随机场聚类二维直方图的核磁共振图像分割

针对人脑组织结构的不确定性和模糊性,提出模糊Gibbs随机场聚类与二维直方图相结合的分割方法。该方法首先利用均值、方差及邻域属性对隶属度函数进行定义,并建立模糊Gibbs随机场;然后以模糊Gibbs随机场作为先验知识、最大后验概率为判别准则来确定每一个像素的类归属以及它属于该类的隶属度,同时用模糊类的质心来更新类中心;最后将类中心引入二维直方图方法中,找到每个类之间的各个阈值点对图像进行分割。通过实验表明该算法能够准确分割出各种脑组织,对噪声的鲁棒性、结果的准确性及平滑性相对于模糊C均值(FCM)算法都有了很大的提高。

基于证据理论的脑部图像分割算法

针对在马尔可夫随机场和模糊聚类二维直方图方法中存在的像素点分割结果不一致的现象,提出一种基于Dempster-Shafer(D-S)证据理论的图像融合分割算法。利用模拟退火算法恢复出脑部轮廓,根据该轮廓从原图中提取出脑核部分,采用马尔可夫随机场和模糊聚类二维直方图方法分别对脑核部分进行分割,通过D-S证据理论将分类不确定的争议像素划归到似真区间,并进行融合分割。实验结果表明,该算法能解决争议点的归属问题,有效滤除噪声,稳健性较好。

含有过冷沸腾边界台阶轴的耦合传热问题

讨论了复杂表面物体考虑导热、辐射和相变作用的传热问题。提出了一个包含导热，辐射和相变的传热控制方程组；导出了台阶轴相互辐射的角系数计算公式。针对具体的台阶轴用数值计算方法求解了控制方程组。用实测结果与计算结果进行了比较。表明该控制方程组运用上是合理的，计算结果符合实际情况。

医学图像的三维自适应迭代分割算法

医学图像分割是医学图像处理分析领域中的研究重点和难点问题,文中对医学CT图像的三维分割方法进行了深入研究,提出了一种医学CT图像的三维分割框架——三维自适应迭代分割算法(SO3DAISA)。试验结果表明,本文的分割方法在很大程度上减少了人工干预、执行效率高、图像分割效果好,并且具有很好的实用性。

应力诱发马氏体相变唯象描述研究

针对外场（应力）作用对马氏体相变影响的特征，对Ｌ．Ｄ．Ｌａｎｄａｕ；Ａ，Ｆ．Ｄｅ－ｖｏｎｓｈｉｒｅ及ＦａｌｋＦ．等人提出的相变理论进行了一定的处理。提出了一个适于描述问题的Ｇｉｂｂｓ自由能函数分析表达式，并对其分析表达式进行了讨论。结果定性地表明上述分析表达式是符合马氏体相变实际的．本文还讨论了在不同应力作用下，马氏体相变临界温度的变化情况．

基于MRF的模糊聚类的二维直方图医学图像分割

针对医学图像分割,由于核磁共振成像的热/电噪声影响,采用马尔可夫随机场(MRF)作为先验模型提取出医学图像的后验能量场,然后采用模糊C-均值聚类法找到医学图像的不同组织和背景的聚类中心,再利用二维直方图的方法,找到多阈值分割的各个阈值点进行分割。实验结果表明,此算法能够充分考虑图像中像素的空间相关性,并且可以很好地抑制噪声,针对医学图像分割具有很好的稳健性。

基于颜色空间模型的烟叶图像分割研究

对于图像分割,在实际运用中尚无通用的算法实现对所有图像分割。针对烟叶图像的分割,传统的基于区域生长、阈值分割等方法分割效果并不理想。为此,文中提出基于颜色空间模型的K-means聚类分割算法。先提取烟叶图像的颜色分量,以RGB颜色分量和HSV分量为聚类样本点进行K-means聚类分割,比较两种算法的结果。结果表明:基于HSV颜色空间模型对烟叶分割效果比较好,适用于对烟叶的图像分割,为准确提取烟叶特征奠定基础。

基于隐高斯混合模型的人脑MRI分割方法

针对传统的高斯混合模型的抗噪性能和鲁棒性较差的缺点,提出一种基于隐高斯混合模型的人脑MRI分割方法。传统的高斯混合模型由于忽略了空间信息和未考虑分割结果的分布情况导致模型不完整。针对这些缺点,把分割结果的概率密度函数作为隐含数据引入到高斯混合模型,建立了非线性加权的隐高斯混合模型;同时引入了含空间信息与平滑系数的高斯权重置指数;运用期望最大化算法与牛顿迭代法对类均值,类方差以及平滑系数进行求解,最后根据最大后验概率准则得到人脑MRI的最终分割结果。经实验表明,提出的方法对人脑MRI具有很好的鲁棒性与抗噪性能。

高斯马尔可夫随机场的人脑MR图像分割方法

传统的聚类分割方法通常是基于图像灰度值的相似程度进行像素划分,对强噪声或边缘模糊的人脑MRI进行分割的效果并不理想。为此,提出了高斯马尔可夫随机场的人脑MR图像分割方法。该方法将空间信息的模糊C均值与高斯马尔可夫随机场相结合,利用空间信息模糊C均值的良好抗噪性能对人脑MRI进行初始分割,降低噪声的影响。由于马尔可夫随机场拥有优良的空间相关性,所以基于马尔可夫随机场的分割方法能够很好地对人脑MRI纹理和边缘进行有效划分。但是它对噪声较为敏感,同时分割往往会因为噪声的影响导致噪点扩大或边缘外扩。鉴于人脑MRI的灰度分布拥有高斯特征,采用高斯函数建立的马尔可夫随机场模型能很好地反映人脑MRI的分布特点。为验证所提算法的有效性,以人脑MRI作为实验数据进行了大量实验,结果表明:所提出的分割方法对人脑MRI具有较好的分割结果,同时鲁棒性与抗噪性能大大增强。

基于HSI空间模糊聚类的彩色图像分割新方法

模糊C均值(FCM)被广泛应用于彩色图像分割中,但传统的模糊C均值由于没有考虑空间信息,因此对噪声特别敏感。针对此问题,提出了一种在HIS颜色空间结合像素邻域空间信息的模糊聚类新方法。实验结果表明,此方法对高噪声图像有较好的处理结果。

基于支持向量机的条烟包装外观缺陷检测

针对卷烟生产过程中条烟包装外观缺陷问题,提出一种基于支持向量机(SVM)的条烟包装缺陷图像检测方法。该方法首先采用模板匹配法定位条烟检测区域;然后利用Haar小波变换进行频域分解,并通过灰度共生矩阵算法对频域图提取纹理特征;最后结合纹理特征建立条烟支持向量机分类模型,对待测样本进行分类识别。结果表明:基于SVM分类模型的识别率为96.1%,该方法通用性强,实时性好,满足条烟异常情况检测要求。与BP神经网络测试性能相比,分类性能优于BP神经网络。