基于NCut算法的城市路网动态分区研究

为改善城市道路交通路网区域拥堵的管控措施,本文提出一种路网动态划分算法。考虑到空间相邻路段的相似性,引入速度时间序列的相关系数去度量变化趋势并构建交通运行特性指标。通过归一化割方法(Normalized Cut, NCut)构建初步路网分区算法,结合自适应调节算法路网进行逐时段的动态分区。利用贵阳市数据验证算法的有效性并评估早晚高峰的分区演变效果。结果表明,所提出的分区算法能揭示不同时期交通演变规律,早晚高峰较平峰有更优的表现,所提出算法能达到有效并理想的分区结果。

融合K-means与Ncut算法的无遮挡双重叠苹果目标分割与重建

重叠苹果目标的准确分割是采摘机器人必须解决的关键问题之一。针对现有重叠苹果目标分割方法不能保留重叠部分轮廓信息的问题,提出了一种无枝叶遮挡的双果重叠苹果目标分割方法。该方法首先利用K-means聚类算法进行图像分割以提取苹果目标区域,然后利用Normalized Cut(Ncut)算法提取苹果目标轮廓,以实现未被遮挡苹果目标完整轮廓的准确提取,最后利用Spline插值算法对遮挡的苹果目标进行轮廓重建。为了验证算法的有效性,对20幅无枝叶遮挡双果重叠的苹果图像进行试验,并将该算法与寻找2个有效凹点用其连线分割重叠苹果目标,把分离的2个轮廓分别用Hough变换重建轮廓的方法进行对比。试验结果表明,对于图像中未被遮挡的苹果目标,利用该研究算法的平均分割误差为3.15%,提取的苹果目标与原始图像中苹果目标的平均重合度为96.08%,平均误差比Hough变换重建算法低7.73%,平均重合度高9.71%,并且该研究算法能够很好地保留未被遮挡苹果目标的完整轮廓信息,提高了分割精度。对于重叠被遮挡的苹果目标,平均分割误差和平均重合度分别为5.24%和93.81%,比Hough变换重建算法的平均分割误差低11.35%,平均重合度高12.74%,表明该算法可以较好地实现重叠被遮挡苹果目标的轮廓重建,研究结果可为实现枝叶遮挡影响下的多果重叠目标分割与重建提供参考。

基于Ncut分割和SVM分类器的医学图像分类算法

为解决医疗诊断中由于疲劳和主观因素影响导致的诊断错误,本文提出了基于Ncut分割方法的医学CT图像的分割、特征提取和诊断的新方案。将Ncut分割方法应用于脑CT图像。先进行图像分割,提取感兴趣区域,再从边缘、灰度,纹理三方面提取特征,最后利用支持向量机(SVM)对图像进行分类,为医生的诊断提供参考。从表格化的分类结果看,所提方案有较大的应用价值。

基于Ncut准则的图分割的新算法

针对有权图分割时不能很好解决子图内部耦合度不高的问题,使用可以同时优化子图内部顶点耦合度和子图之间顶点耦合度的Ncut准则,提出了一种新的基于迭代改善策略的RNK分割算法。算法通过不断交换可以改善Ncut值的顶点对优化现有分割。与传统分割算法相比,可以同时保证子图内最大耦合度和子图间最小的耦合度。并提出一种散列技术,提高查找最优交换顶点对的效率。当图为稠密矩阵时,改善效果尤为明显。通过对随机图分割的实验结果表明,该算法较传统的KL算法可以得到更理想的分割结果。

Ncut在颅脑MRI肿瘤提取中的应用研究

颅脑肿瘤自身边缘包含重要的病变信息,提取脑肿瘤区域,对脑部疾病的诊断和治疗具有重要意义。Ncut(Normalized Cut)是基于图理的典型分割方法。将Ncut算法应用到颅脑MRI肿瘤图像的分割中,针对不同颅脑MRI肿瘤图像,进行相关参数测试,选择合适的权重及参数,进行颅脑MR肿瘤的提取。通过利用Matlab进行仿真测试可知Ncut方法能够提取出肿瘤所在的基本轮廓,取得较好效果。

基于Ncut的自适应图像分割方法

为了解决传统归一化割(Normalized cut,Ncut)算法需要人工干预因素过多,限制了算法的通用性,本文对传统Ncut算法进行了改进,提出了自适应的图像分割方法。首先采用基团势的理论替代了传统的Ncut算法中计算权值矩阵时两个控制参数对结果的影响;然后为了减少K-means算法对分类数目和类中心的敏感,本文采用基于最小生成树的聚类方法对Ncut计算出的特征向量进行分类,得到最终的分类数目和初始类中心,然后再采用K-means算法进行聚类得到最终的分割结果。实验结果显示,本文的算法不仅提高了算法的通用性,并且分割效果比较好。

差分演化优化Ncut准则的彩色图像分割

针对解Ncut准则的SM算法寻优能力不足的问题,提出一种基于差分演化优化归一化准则的彩色图像分割算法。首先对彩色图像进行爬山法预分割为多类,并构造类级间的无向完全图,之后再使用二进制差分演化算法求得Ncut准则最小化的图二分,最后通过映射获得图像的二值分割。实验结果表明,在相同预处理情况下,本文的寻优算法与SM算法相比,分割效果更为精准。

基于NCUT优化的岩心体视图像岩粒分割方法

为了克服传统NCUT算法运算效率低、分割准确度和自适应性差等问题,基于岩心体视图像的特征,提出适用于体视图像岩粒分割的算法.首先将检测出的高光点的亮度值用该像素点邻域中亮度最小值代替,以消除图像高光噪声;然后采用2次分水岭算法分割图像,将得到的区域映射为NCUT输入节点,以块代点减少节点数量,提高分割效率;再引入边缘梯度特征和自适应的高斯核尺度因子重新设计NCUT权值矩阵,提高分割准确度和自适应性;最后加入限制条件约束K-means初始聚类中心选择,提高NCUT聚类稳定性.实验结果表明,该算法降低了对初始参数的依赖,对岩粒有更好的分割效果,且运算时间明显缩短.

基于Ncut的SIFT特征匹配算法

经典尺度不变特征变换(SIFT)特征匹配算法存在实时性差、纹理相似区域易发生误匹配的问题。为此,提出一种基于归一化分割(Ncut)的SIFT特征匹配算法。针对相同背景的运动视频,将归一化分割算法的图论聚类思想融入SIFT特征匹配中,根据运动趋势相似度对特征点进行Ncut运动聚类,再逐类分别匹配,通过缩小各特征点匹配过程中的搜索范围,减少匹配时间及不同特征类之间的误匹配。实验结果表明,该算法能提高匹配效率,对纹理相似区域的误匹配现象有较好的抑制作用,实现了相邻图像帧的特征稳定匹配。

基于Ncut准则的文档图像图文分割算法

Ncut准则不仅度量了不同分组之间的总体不相似性,同时度量了各个组之内的总体相似性。利用Nor-malized Cut方法考虑的是图像的全局信息。提出了对基于归一化割的图像分割算法的调整,使之更适合文档图像的图文分割,取得了较为满意的效果。

基于NCut算法的道路网子区划分研究

在对区域路网进行宏观研究时,由于交通流的复杂性和随机性,容易造成路网密度分布不均。因此,本文基于MFD理论,在利用MFD理论进行边界控制之前,提出基于归一化割(Normalized Cut,NCut)的路网子区划分算法将"异质"的路网划分为多个具有"同质性"的子区。首先,基于交通运行相似度构建了路网带权图,分析了NCut算法流程。其次按照一定的原则,采用NCut算法对以组间相似度为标准对路网进行近似归一划割。接着,为了克服NCut算法每次无法判断划分子区数量的问题,本文引入了各子区间匀质度的均值NSk(A,B)为评价指标来确定划分的子区数。最后,实验分析表明,根据该模型对望京区域路网进行划分,发现划分为4个子区时NS值最优。

一种基于Ncut分割与空间频率的多聚焦图像融合方法

图像融合是对来自同一场景的多幅源图像信息进行互补结合的一项技术,合成更适合人眼视觉感知的图像。传统基于空间频率的融合方法对图像进行固定的矩形分区,得到的融合图像会产生很明显的方块效应,本文在此基础上设计和实现了一种改进的融合方法。该方法先对多幅源图像进行初始融合,然后对初始融合图像进行Ncut分割,再分别计算和比较源图像中对应的每个分区的空间频域,得到最终融合图像。而且通过调整Ncut分割区域数目,可得到最佳的融合结果。实验结果表明,和传统方法相比,本文提出的算法很好地消除了方块效应,并取得了更融合效果。

创建优越的教育环境——北京北方工业大学NCUT实验教学综合楼方案设计思考

为满足教学需要，提高环境质量，北方工业大学启动新实验教学综合楼项目，它是新校区建设的重点工程，坐落在西五环与阜百路的交汇处，是北方工业大学展示学校风采的一个窗口该项目总用地面积：11000，总建筑面积34984m^2，其中地上建筑面积32950m^2，地下建筑面积2034m^2，建筑密度46，55%，容积率3.18，绿化率27％。这个项目由我院进行方案设计，本文主要介绍设计思路和工程特点。

结合EFD与NCut的彩色图像分割方法

为了克服边缘流引导的各向异性扩散(EFD)方法过分割和归一化分割(NCut)方法计算复杂度高的缺点,提出结合EFD和NCut的彩色图像分割方法.首先利用EFD对图像进行预分割,然后将分割区域作为节点构建带权无向图G,用NCut对图进行全局最优化分类,并进行相应后处理,得到最终结果.由于图G是基于过分割区域而非像素点的,所以算法效率得到较大提高.另外,EFD方法可有效利用图像的局部信息,NCut方法则考虑到图像的全局特征,因此文中方法综合两者的优点.实验结果表明,文中方法能够取得较好的分割效果.

基于交通流时间序列相似性的NCut城市路网分区算法

针对大规模城市道路交通路网分区的实际需求,基于可反映时间序列变化趋势的皮尔逊相关系数和度量空间关系的欧式距离,构建了一种衡量交通流时间序列相似性的综合指标;结合交通流时间序列的时空相似性特点,引入子区内的空间连通约束,利用归一化割(NCut)算法设计了一种改进的路网静态分区算法;为体现交通路网分区的时变特征,选取了合适的评价指标来确定每一时间段内合理的分区数量,提出了一种基于时间序列的NCut路网动态分区算法;利用北京市东北二环区域内采集的路段交通流速度数据,应用所设计的算法对7.23 km^(2)的路网进行分区,对比了晚高峰时期的分区效果。研究结果表明:所提出的分区算法能实现对路网内不同区域交通状况的有效识别,以30 min为间隔的动态分区算法能划分出数量和范围随时间变化的多个可变子区域;与子区数固定为2、3、4、5的静态分区算法相比,动态分区算法的评价指标分别提升了63.77%、50.06%、6.43%和7.13%,提高了路网分区效果。可见,本文提出的动态分区算法在保证子区内部连通性的基础上可将异质路网划分成多个内部同质子区域,并充分体现交通流动态演化的时空特性,有利于制定动态的多区域边界控制方案。

一种皮肤镜图像分割方法

随着皮肤镜技术的发展,获取的高分辨率皮肤镜图像较大,采用SLIC算法构建超像素可在后续采用Ncut聚类融合超像素时降低内存要求并减少运算时间。因此提出一种基于改进SLIC与Ncut聚类算法相结合的皮肤镜图像分割算法。实验结果表明,与对比算法相比,提出的改进算法在ISIC2018数据集中低对比度、亮度不均匀皮肤镜图像上的分割有更好的表现。

二次分水岭和Ncut相结合的彩色图像分割方法

为了解决传统Ncut方法计算复杂度高的问题,提出了一种将二次分水岭和Ncut相结合的彩色图像分割方法.首先利用二次分水岭对输入图像进行预处理;然后将得到的小区域代替像素点构造一个加权图,并且利用图像的色彩和空间信息构造新的权值矩阵;最后应用Ncut方法得到最终的图像分割结果.实验结果表明:改进的方法与Ncut方法相比在运行时间和分割效果方面都有显著提高;与基于mean shift和Ncut结合的分割方法相比,分割效果也有了一定的改善,且耗时更少.

Segmentation of Tumor Ultrasound Image via Region-Based Ncut Method

To segment the tumor region precisely is a prerequisite for ultrasound navigation and treatment. In this paper, a normalized cut method to segment tumor ultrasound image is proposed by means of simple linear iterative clustering for presegmentation procedure. The first step, we use simple linear iterative clustering algorithm to divide the image into a number of homogeneous over-segmented regions. Then, these regions are regarded as nodes, and a similarity matrix is constructed by comparing the histograms of each two regions. Finally, we apply the Ncut method to merging the over-segmented regions, then the image segmentation process is completed. The results show that the proposed segmentation scheme handles the strong speckle noise, low contrast, and weak edges well in ultrasound image. Our method has high segmentation precision and computation efficiency than the pixel-based Ncut method.

基于SLIC超像素分割的图分割算法

图像分割是对图像进行分析和理解的关键步骤,是计算机视觉的基本技术之一.计算复杂度是评判一个图像分割算法好坏的重要标准,因此降低算法的计算复杂度是当前图像分割领域的主要任务之一.本文提出了一种基于SLIC超像素分割的图像分割方法.该方法利用SLIC算法生成超像素,通过构造相应的相似性矩阵,有效降低了Ncut分割算法的计算复杂度,大幅度缩短了Ncut算法的运行时间.由于SLIC超像素分割算法的准确性与高效性,在进行三类自然图像分割实验时,本文提出的方法无论在分割效果,还是在运行时间上,都要明显优于Ncut分割方法及它的改良算法.

基于双重超像素集的快速路径相似度图像分割算法

为克服基于路径相似度计算时间复杂度高以及基于单一过分割区域集的聚类方法容易导致误合并的缺陷,提出一种结合均值漂移和路径相似度的谱聚类算法.该算法使用超像素构建基于路径相似度的模型来实现加速.首先,利用均值漂移算法对图像进行两次预分割(不同参数),将这些过分割区域视为两组超像素集合,构建基于双重过分割区域集的加权图;之后,使用各超像素的色彩均值和超像素间存在的交叉像素计算初始相似度,再利用路径相似度模型得到基于路径的相似度;最后,采用Multiway Ncut算法进行聚类.通过算法自身参数和图结构实验,测试算法的鲁棒性和稳定性;通过多幅彩色图片的分割实验,表明本文的方法在准确性和时效性方面都具有很好的性能.