基于改进主动轮廓模型的钢轨表面缺陷分割

针对钢轨表面图像灰度分布不均匀、目标缺陷轮廓边缘模糊的问题,提出了以C-V模型和LBF模型为基础的主动轮廓模型分割算法.首先,结合C-V模型和LBF模型建立最小化能量泛函模型,并对模型进行凸优化处理;然后,通过对局部子块进行卷积得到演化曲线内外局部灰度均值;最后,采用Split Bregman迭代算法进行模型求解,解决了C-V模型和LBF模型收敛速度慢、对初始轮廓位置敏感和容易陷入局部最小等问题.使用该模型对含有掉块、钢轨接缝或裂纹缺陷三类常见的钢轨表面图像进行分割,仿真实验结果表明,该模型在初始轮廓位置的选择及分割性能上明显优于单一的C-V模型和LBF模型.

基于主动轮廓模型的序列图像分割与重建

基于断层测量的表面重建是逆向工程中的重要研究方向,而图像分割是其中的关键性技术。针对这一问题,提出了一种基于Greedy算法的B样条主动轮廓模型,可快速稳定地实现目标图像的分割,适用于基于断层图像的分割与表面重建处理。通过对磁共振序列断层图像的分割与表面重建验证了该方法的有效性。

用于数值模拟的带支架个性化主动脉弓动脉瘤有限元模型的构建

为了准确地分析动脉瘤壁面切应力及梯度变化,采用逆向工程的思想方法,借助Geomagic和Pro/E软件,以原始STL(stereo lithography)格式的表面模型为依据,建立了一个个性化主动脉弓动脉瘤实体模型,并在其内部创建理想化支架;利用ANSYS有限元分析软件,最终完成实体模型的建立和分块,并针对边界层和支架进行分区域网格划分.结果表明:所建立的有限元模型可进行血流动力学模拟仿真;模型基本满足对特定区域网格细划分的需要,可以为支架介入治疗动脉瘤的血流动力学仿真提供基础;这种模型建立方法为建立其他类似模型提供了参考.

航天器表面充电仿真计算和电位主动控制技术

文章运用等效电路理论推导出随时间变化充电问题的微分方程组,用FORTRAN语言开发了相应的计算机模拟程序,针对强地磁亚暴空间环境分析了地球同步轨道航天器在阴影区和光照区的充电水平。最后计算讨论了采用空心阴极等离子体接触器向航天器外发射电子束作为控制航天器充电水平手段的作用效果。

基于主动表观模型的人脸图像描述与编码

利用主动表观模型(AAM)来对人脸图像进行描述和编码,该方法不仅对人脸形状进行建模,同时又建立了反映人脸灰度变化的纹理模型,并将纹理模型与形状模型合理地结合起来,反映了整个人脸形状及纹理。实验表明了AAM方法进行人脸描述和编码的有效性。

AAM在多姿态人脸特征点检测中的应用

主动表观模型AAM是经典的特征点检测方法,但是受到其线性预测模型能力的限制,当初始位置偏离目标位置过大时,很难收敛到正确位置,因此传统的单一AAM模板很难满足多姿态人脸特征点检测的要求。针对此问题,提出了一种基于多模板AAM的人脸特征点检测方法:首先定义模板相似度和人脸特征点,将人脸姿态划分为若干类,每一类姿态训练一个特定的AAM模板;然后对测试样本,利用每个AAM模板搜索特征点,并计算搜索结果与模板的相似度,选择相似度最大的AAM模板的搜索结果作为最终的特征点检测结果。通过相似度选择模板的方法可以为AAM搜索提供相对偏离较小的初始位置,因此可以精确地检测特征点。在东方人脸数据库上的实验结果证明了模板选择的必要性和相似度定义的合理性。在整个数据库上的测试结果表明,92.11%的测试图像均可以通过相似度准则选择到正确的AAM模板,从而可以精准地检测特征点;99.92%的图像可选择到正确的AAM模板或其相邻模板,故可以检测到较为准确的特征点。

使用ASM与AAM方法进行器官定位

器官定位是人脸识别中的一个重要环节 ,它的精确性影响到人脸的正确识别率。本文主要研究主动形状模型 (ASM)和主动外观模型 (AAM )的原理、方法 ,并以具体例子说明其在器官定位中的应用 。

主动微波遥感土壤水分观测中的最优雷达参数选择

用基于辐射传输方程的电磁波散射模型详尽研究了裸露地表条件地物后向散射特性,在三种常用雷达频段(1.25GHz,4.75GHz,9.25GHz)及入射角为0°～60°范围内分析了影响雷达后向散射系数对土壤水分敏感性的地表粗糙度因素,得到一组用于地表土壤水分测量的最优雷达参数组合。在这样一组传感器参数条件下,雷达后向散射系数基本独立于地表粗糙度的变化,同时在可测量范围内保持对土壤水分一定程度的敏感性。

可实现特殊网格划分的个性化动脉瘤实体模型的构建

目的通过建立一个可以用于有限元分析,可进行分区域网格划分的个性化主动脉弓动脉瘤实体模型,探索一种能满足特殊网格划分要求的个性化实体模型的建立方法。方法采用逆向工程的思想方法,借助Geomagic和Pro/E软件,以原始STL格式的表面模型为依据,建立了一个个性化主动脉弓动脉瘤实体模型,并加入理想化支架模型,导入ANSYS有限元分析软件最终完成实体模型的建立和分块。结果建立的有限元模型,可进行针对边界层和支架的分区域网格划分,并完成了一个血流动力学模拟仿真。结论建立的模型基本满足对特定区域网格细划分的需要,可以为支架介入治疗动脉瘤的血流动力学仿真提供基础。所建模型的方法是可行的,可以为将来建立其他类似模型提供参考。

基于柱坐标B样条活动曲面模型的3D分割方法

基于长轴和短轴系列核磁共振图像重建3D左心室内外表面是提取左心室基本形态参数以及左心室运动分析的基础.提出了柱坐标B样条主动表面(CBAS)模型,将其用于3D分割左心室内外膜表面.CBAS模型的等参曲线网格由B-snake模型组成,根据短轴、长轴成像平面在3D空间中的位置关系,网格中的节点在两幅短轴及长轴图像上寻找对应的边缘点,节点间的采样点则在单一的短轴或长轴图像上获得图像能量.首先利用改进的模糊Hough变换确定短轴图像中左心室心肌内外轮廓的大致位置,其次用其构建柱坐标B样条主动曲面模型的初始表面.对左心室表面的分割过程在柱坐标下进行,使得模型在SA图像及LA图像上形状的改变能够统一为一个参数的变化,减小了模型的复杂度.最后通过与手工分割结果的线性回归分析证明了方法的准确性.

基于改进异步DBN模型的听视觉融合情感识别

提出了一个改进的三特征流听视觉融合异步动态贝叶斯网络情感模型(VVA_Asy DBN),采用面部几何特征(GF)和面部主动外观模型特征(AAM)作为两个视觉输入流,语音Mel倒谱特征(MFCC)作为听觉输入流,且视觉流的状态和听觉流的状态可以存在有约束的异步。在e NTERFACE’05听视觉情感数据库上进行了情感识别实验,并与传统的多流同步隐马尔可夫模型(MSHMM),以及具有两个听觉特征流(语音MFCC和局域韵律特征LP)和一个视觉特征流的听视觉异步DBN模型(T_Asy DBN)进行了比较。实验结果表明,VVA_Asy DBN获得了最高识别率75.61%,比视觉单流HMM提高了12.50%,比采用AAM、GF和MFCC特征的MSHMM提高了2.32%,比T_Asy DBN的最高识别率也提高了1.65%。

基于AAM关键特征点提取的人脸照片分类方法的研究与应用

主要研究基于人脸局部形状特征分类的方法,首先利用AAM的人脸形状特征点定位算法,提取出有用的人脸特征点,构成人脸下颚形状、眉毛、眼睛、鼻子和嘴巴的局部形状特征;然后采用基于形态面指数和下颚宽指数的ISODATA方法进行自动聚类,实现了百万量级人脸照片库的自动分类,有助于进一步提高人脸识别查询的速度和精度。

基于形状-色彩的改进的Laplacianface人脸识别算法

针对人脸识别算法中普遍存在的鲁棒性不高的问题,提出一种新颖的特征提取手段,使提取的特征相对于图像尺度,人脸姿态等条件具有不变性;同时,将特征提取算法集成至Laplacianface人脸识别算法中,形成一种改进的基于形状-色彩特征的人脸识别算法。实验结果表明算法不仅提高了现有人脸识别算法的准确度,而且在人脸姿态等条件发生变化的情况下仍然能保持较高的识别率,有效提高了算法的鲁棒性。

人脸面部建模及在表情识别中的应用研究

计算机视觉和模式识别是当今科研领域中前沿的课题。但目前技术还没有形成一套成熟的理论和模式。该文主要是对根据人脸面部建模统计方法,对主动形状建模和主动面部建模中的人脸面部主动形状模型,加权主动形状模型,统计建模在面部表情识别中的应用进行了研究提高了识别率。对人脸建模中的若干关键问题进行研究,提高识别的性能,增强系统的性能。

年龄跨度较大的人脸识别

本文采用了一种基于主动外观模型(AAM)与尺度不变特征变换(SIFT)相结合的特征提取方法,采用AAM方法提取初级特征点,然后通过SIFT算法得到二次特征点,最后采用基于蛙跳混合算法的特征匹配分析同一个人的不同年龄段的面貌特征。

3D打印,医疗界的“新武器”

现在3D打印早已不是什么新鲜事。从机械零部件到汽车、飞机,从迪拜推出全球首座3D打印办公室到北京惊现双层豪华3D打印别墅,3D打印的成果越来越多。

融合改进的ASM和AAM的人脸形状特征点定位算法

基于主动形状模型(ASM)和主动表面模型(AAM),提出了一种融合改进的ASM和AAM的人脸形状特征点定位算法。利用ASM定位外轮廓的形状特征点,AAM定位内部形状特征点;采用对部分关键特征点使用二维梯度的方法以提高特征点搜索的准确性;利用眼、鼻和嘴这些关键特征点的定位信息初始化人脸的平均形状以改善初始位置不当造成的搜索失败;建立多尺度的ASM以提高收敛速度。实验结果表明,本文方法比传统的ASM、AAM方法以及已有的改进算法IASM和PAAM定位更精确。

基于BLSTM-RNN的语音驱动逼真面部动画合成

双向长短时记忆(bidirectional lorg short term memory,BLSTM)是一种特殊的递归神经网络(recurrent neural network,RNN),能够有效地对语音的长时上下文进行建模。该文提出一种基于深度BLSTM的语音驱动面部动画合成方法,利用说话人的音视频双模态信息训练BLSTM-RNN神经网络,采用主动外观模型(active appearance model,AAM)对人脸图像进行建模,将AAM模型参数作为网络输出,研究网络结构和不同语音特征输入对动画合成效果的影响。基于LIPS2008标准评测库的实验结果表明:具有BLSTM层的网络效果明显优于前向网络的,基于BLSTM-前向-BLSTM 256节点(BFB256)的三层模型结构的效果最佳,FBank、基频和能量组合可以进一步提升动画合成效果。