常用对流层区域拟合模型的比较分析

对流层延迟误差,作为CORS系统的主要误差源之一,在高精度定位中必须予以改正。以高精度GPS数据处理软件Bernese 5.0为平台,利用北部湾CORS系统实测数据,比较、分析了目前几种常用的区域对流层改正模型的内插精度,得到了一些有益的结论。

可变尺度区域拟合模型的侧扫声纳分割方法

为解决现有侧扫声纳图像目标分割准确度不高的问题,提出一种联合最大熵去噪和可变尺度区域拟合模型的侧扫声纳图像分割方法。首先,计算图像一维熵,基于最大熵原则对侧扫图像进行降噪处理,提高图像质量,并根据峰值信噪比评判降噪效果;然后基于可变尺度区域拟合模型,采用高斯核函数对分割活动轮廓进行约束,分割降噪后的侧扫声纳图像。通过对含有不同目标物的侧扫声纳图像进行分割实验,验证了联合最大熵去噪和可变尺度区域拟合模型的有效性。

区域性拟合高程异常模型在巴伦台地区的应用

GPS由于其方便、快捷，在水准测量里面得到越来越多的应用。但是，对于GPS高程测量，高程异常的求取精度一直是制约其广泛应用的关键因素。因此，本文对几种高程异常的拟合方法进行了研究，最终采用了一种区域性拟合模型，并将其应用于巴伦台地区铁路GPS高程测量中，取得较好的效果，大大提高了工作效率，并在一定程度上能判断高山地区四等水准测量的准确性。

区域天顶对流层延迟时空变化特性及其建模研究

介绍几种常用的全球对流层延迟改正模型和几种区域对流层延迟模型的建立方法,再利用美国密歇根州的8个测站天顶对流层延迟数据对天顶对流层延迟进行研究,得出天顶对流层延迟在时间尺度及空间尺度上的变化规律,与经度和纬度相关性一般,与高程强相关。通过美国密歇根州的4个测站数据分别计算3种区域对流层延迟模型,得出各个模型的精度,并比较它们的优劣,结论是一次线性插值模型是三者中精度最高的模型。

带线性正则化项的RSF模型

RSF(Region-Scalable Fitting)模型能够分割灰度不均一图像,但对活动轮廓的初始化和噪声较为敏感。运用理论探究与实验相结合的方法,基于RSF模型,添加一个新的水平集线性正则化项,得到了一个新的活动轮廓模型。实验表明,该模型能够分割灰度不均一图像,对初始轮廓的大小和位置不敏感,抗噪性也较强。

修正局部极小值的局部灰度差异分割模型

针对现有局部模型在分割灰度不均匀图像时容易陷入局部极小值,导致演化曲线停留在背景处或目标内部无法继续演化从而造成分割失败的现象,提出本模型。该模型在能量泛函中增加局部灰度差异项,通过最大化演化曲线上所有点的邻域内目标和背景的差异来驱动演化曲线越过图像背景处或目标内部,直到准确地停留在目标边缘。实验结果表明提出的模型可以有效地解决局部模型因陷入局部极小值而导致的误分割问题,同时提高对分割灰度不均匀等复杂图像的准确性,并减小对初始轮廓的敏感性。

基于贝塞尔滤波的水平集正则化图像分割方法

针对水平集函数在演化过程中的初始化敏感和数值稳定性问题,提出了一种新的基于贝塞尔滤波的正则化方法,并将其嵌入到经典的可变区域拟合(Region-Scalable Fitting,RSF)模型中,从而构成新的能量模型。首先,利用K均值算法进行自动初始化,再加以修正生成标准的初始水平集函数,以解决RSF模型对初始化敏感的问题;其次,利用RSF模型自身优点对图像进行迭代分割,同时在迭代过程中利用提出的方法对水平集函数进行正则化处理,保持迭代过程中的稳定性;最后,实现精确的分割效果。实验结果表明,提出的正则化方法有效地保持了水平集函数的稳定性。将新的模型与多种基于区域的模型进行对比,仿真实验表明,提出的方法具有较高的算法效率与分割精度。

在水平集框架下的遥感影像湖泊轮廓线提取

针对提取遥感影像中接近于真实地物边界的轮廓线自动化程度低并难以应用于矢量数据更新的问题,设计了一种基于可变尺度的区域拟合能量模型构建的水平集框架。以获取影像中含有地理坐标的湖泊矢量轮廓线为例,对改进后归一化水体指数结果阈值化获取部分非水体区域,对该区域对应的Landsat近红外波段数据加噪处理后输入原始模型实现轮廓线提取。利用两景覆盖江苏省徐州市3个典型湖泊的Landsat遥感影像验证所提出的框架,结果表明该框架能够获取理想的湖泊轮廓线矢量,并且优于没有加噪输入的原始模型,在初始轮廓和参数的设置上更具有稳健性。同时,设计的水平集框架也能有效应用于对多时相数据的湖泊轮廓线矢量更新。

RSF模型的优化及其在MRI脑肿瘤分割中的应用

磁共振成像(MRI)具有图像模糊,灰度不均等特点,其分割问题一直都是研究的热点和难点。可变区域拟合(RSF)能量模型是一种较新的区域活动轮廓模型,可用于灰度不均匀图像的分割。然而,RSF模型设定的水平集函数(LSF)不适合初始轮廓内外灰度分布不同的环境,应用于整体灰度环境复杂的脑肿瘤MRI图像时,通常得不到理想的分割结果。构建新的LSF,并辅以mean shift平滑算法可使其更适用于肿瘤图像的分割,使新模型具有更好的收敛性和目标指向性。利用优化后的模型进行一系列实验,其结果表明:该算法鲁棒性强,可以快速、准确地分割出MRI图像中的脑肿瘤,具有显著的临床意义。