医学图像处理中可变模型技术的研究进展

近年来,基于可变模型的图像处理技术在医学图像处理和分析领域得到了广泛应用。本文重点阐述了参数和几何两种基本可变模型的基本原理、实际应用中的模型设计,进而从先验知识介入和全局属性建模角度,介绍了几种扩展的可变模型,最后展望了该方向的发展趋势。

模糊可变模型在土地整理区农地可持续利用综合评价中的应用

结合土地整理项目的特点,研究了土地整理区农地可持续利用等级评价指标体系,以陕西省渭滨区土地整理项目为例,利用模糊可变评价模型对土地整理区农地可持续利用进行了综合评价。结果表明:该土地整理区农地可持续利用居于良好发展水平,同时也表明了模糊可变评价模型在土地整理区农地可持续利用性评价的适用性。

基于模糊可变模型的水环境质量评价方法

介绍了基于模糊可变模型的水质评价方法及步骤,利用该模型对邯郸市6个水质监测点的水质进行了评价研究。结果表明:模糊可变模型不仅可以从总体上把握水质的好坏,还可以从局部看到水质的变化,评判结果更为全面、有效,同时对其他环境评价问题亦有一定得参考价值。

基于可变模型的目标实时跟踪

为了在图像序列中实现目标的快速定位和实时跟踪,该文提出了一种基于可变模型的快速目标跟踪算法,在已知模型条件下,利用区域模型相关匹配的思想对目标模型进行实时更新,充分利用目标连续运动过程中目标形状在两个连续帧中变化不大、相邻两帧中目标的速度和位移变化不大的特点,以当前帧目标模型作为下一帧的先验模型;综合运用模型梯度信息、运动信息和模型区域特征匹配的方法来跟踪目标。由于算法综合考虑了目标模型的区域信息和轮廓信息,因此对背景干扰不太敏感。在头部跟踪实验过程中,该文算法跟踪移动目标的实时性和准确性比较好,抗干扰能力较强,基本上可以满足鲁棒性和快速性的要求。

卷积神经网络结合可变模型的MRI图像自动分割方法

利用心脏核磁共振成像技术对左心室进行分割,可以准确计算出心室容积等重要临床指标。针对左心室位置检测、形状推断与分割问题,提出一种基于卷积网络和可变模型算法的左心室图像处理方法。利用稀疏自动编码和卷积网络实现左心室图像位置的高精度检测;基于堆栈稀疏编码器和多层神经网络推断出左心室图像的基本形状;利用可变模型和推断出的形状组合对心脏图像进行精确分割。在30个心脏核磁共振数据库中采集图像数据进行实验分析,实验结果表明,相比其他几种较新的分割算法,该方法在计算轮廓比例和一致性两个指标上均获得了最优结果。

基于模糊可变模型的城市防洪体系风险分析

采用模糊可变模型对某市防洪体系存在的风险进行分析,针对城市防洪体系风险分析的权重确定问题,引入了水库、堤防、滞洪区、分洪闸、水利投入比重、堤防达标率等六个评价指标,计算了该市防洪风险特征值。计算结果为1.539,介于微险与轻险之间,与线性模型得到的结论基本一致,但略偏于轻险。该方法操作简单,解决了城市防洪风险分析繁琐,分析过程指标权重是否合理等问题,并且便于实际分析应用。

基于模糊可变模型的山西省地下水承载能力研究

根据可变模糊集理论,利用地下水资源承载能力综合评价的模糊可变模型,对山西省的地下水承载能力进行了研究。结果表明:太原、大同、晋中、晋城和运城的地下水资源承载能力综合评价为3级;其余各地市的地下水资源承载能力综合评价为2级;整个山西省的地下水资源承载能力综合评价为2级。根据各地区相应的评价级别,可采用不同的措施以保障地下水资源的可持续利用。利用该方法的评价结果与实际相符,可为地下水资源的开发利用提供指导。

基于可变模型的腹主动脉瘤分割算法

提出了一种基于可变模型的腹主动脉瘤分割算法。它利用相邻两个切片间的相关性以及医学先验知识,可以快速地分割腹主动脉瘤CTA图像序列,并且结果与专家人工分割结果接近。本文将像素点分为三类:边界内,边界点,边界外,这样就直接决定了模型形变方向,大大提高了分割效率。

基于模糊可变模型的景观水环境评价

文章介绍了模糊可变模型的评价方法及步骤,本文利用该模型,对邯郸市6个景区水体环境质量进行了评价分析。结果表明,模糊可变模型不但能更好地从总体上把握水质的好坏,而且可以从局部看到水质的变化。水质环境评判结果较为全面、有效,并且对其他环境评价问题亦有一定的参考价值。

模糊可变模型在网络图工序进度风险等级比较的应用

针对工程项目施工管理中网络图工序进度的不确定性问题,采用模糊可变模型计算了风险因素中指标级别区间的隶属函数和相对隶属度,确定了工序的级别特征值用以比较各工序风险等级,进而帮助管理者识别网络图中重点控制环节。实例表明:该模型计算方法简单,评价结果可靠,具有一定参考价值。

基于可变模糊聚类模型的内涝风险分析方法

城市内涝风险评价通常用于城市排水管网的改造、海绵城市建设的指导中,其影响参数众多,评判方法复杂。文章采用暴雨雨水管理模型(SWMM)搭建水力模型,采用最小均方差法筛选出重要性指标,并搭建可变模糊聚类模型评估片区内涝风险。以合肥市某排水管网系统作为研究对象进行实例分析,综合评判区域各排水节点的承灾体风险指数,为管网优化、城市更新提供科学的决策依据。

基于组合权重模糊可变模型的旱涝灾害评价

为了解决旱涝灾害的模糊不确定性问题,克服以往旱涝灾害评价多采用主观方法确定各评价指标权重的诸多弊端,采用基于主客观组合权重的模糊可变模型,评价了旱涝灾害等级.结果表明,该模型采用可变模糊方法计算客观权重,通过迭代使其满足预定的精度,并在得出的客观权向量基础上利用层次分析法的主观权重予以调整,实现了主客观权重的融合,比单纯的主观权重更科学,又通过权重组合下的模糊可变模型参数变换进行灾害评价,得到了稳定而可靠的评价结果.该成果对防灾减灾决策实践有一定参考价值和指导意义.

可变模糊集合理论与可变模型集

在对立模糊集定义基础上给出以相对隶属函数表示的模糊可变集合定义,给出可变模糊聚类迭代模型、可变模糊模式识别模型、可变模糊对立识别模型.它们是可变模糊聚类、识别、优选决策、评价相统一的理论模型集,是可变模糊集的基础模型与核心内容,可用于自然、管理、人文、社会等各种学科中关于模糊聚类、识别、优选决策、评价、预测等众多实际领域.

基于非均匀有理B样条的中国数字人女性可变3D模型的构建

目的建立包含内部器官,特别是生殖系统的中国数字人女性3D模型,并实现可变模型构建。方法对"中国数字人女一号"高分辨率数据集的原始彩色断层切片数据进行自动分割和半自动交互分割,将分割后的二值化数据转化为基于非均匀有理B样条的三维曲面,进行三维重建。结果得到了各器官3D模型,女性生殖系统模型清晰显示出各生殖器官的空间形态和位置关系。结论经过对中国女性数字人断层图片的处理,得到了器官完整的可变3D模型,便于构建个体化计算模型,开展航天辐射防护、临床放射治疗等方面的研究。

模糊可变评价模型在水资源可持续利用等级评价中的应用

针对当前许多区域都存在的水资源短缺、生态环境恶化等问题,选取甘肃省民乐地区作为研究对象,根据当地的水资源可持续利用等级评价指标体系,结合模糊可变评价模型对区域内的水资源可持续利用态势进行综合评价。结果表明,当地的水资源可持续利用居于一般水平。同时该评价结果也验证了模糊可变评价模型的实用性和科学性。

基坑支护方案的灰色模糊可变决策模型

针对影响基坑支护方案决策因素所具有的不确定性、模糊性以及影响因素与评价指标间的相互关联性特点,基于灰色理论和模糊数学理论,建立了基坑支护方案的灰色模糊可变决策模型。应用基于贴近度最大的组合赋权方法确定评价指标权重,并用集值统计法对定性指标进行量化,以解决影响模型决策结果准确程度的关键问题。工程实例分析表明,采用该模型更为科学、有效,易于实现程序化。更重要的是,该方法能够提高优选决策的合理性和可信度,为决策者提供有力的参考,具有一定推广和应用价值。

面向三维变量设计的可变特征模型

本文提出了一个面向三维变量设计的产品形状可变特征模型，其中包括特征树、特征表及特征约束关系图等新概念，用于描述设计过程中的形体模型和特征间的相互内在联系，从而不仅可作参数化设计，还支持更广泛意义上的变量设计．此外，为了实现特征修改后的模型快速变动算法，本文还建立了修改特征集合和特征树结点的贡献特征集合，并对特征约束关系图的验证以及特征树的重构算法进行了讨论．

跟踪弹道导弹全阶段的可变多模型方法

弹道导弹跟踪是弹道导弹防御系统中最核心的问题,然而传统的基于单运动模型的跟踪方法不能适用于跟踪弹道导弹的所有阶段。提出一种新的可变多模型(VUF)的跟踪方法,该方法具有以下的优势:采用多模型的结构,适用于跟踪任意阶段的弹道导弹;可变模型集的特征有效地提高了精度,同时降低了计算复杂度;采用UKF滤波方法具有更好的跟踪精度。仿真实验中设计了三个实验场景,与传统的EKF算法相比该方法明显地提高了跟踪的精度。特别是在弹道目标飞行阶段转换时,具有一定的识别能力和更鲁棒的跟踪性能。

基于可变模糊评价模型的东山湾生态系统健康评价

根据东山湾海域环境污染现状和生态系统的特点,从水质环境、沉积物环境、生物残毒以及海洋生物方面构建了东山湾生态系统健康评价指标体系,提出了基于可变模糊评价模型的海湾生态系统健康评价方法,并利用该方法对东山湾生态系统健康状况进行了评价。结果表明:东山湾春季生态系统健康指数为2.36,秋季为2.44,均处于"良与中之间,偏良"水平,春季略优于秋季。影响东山湾生态系统健康状况的主要负面指标因子为鱼卵及仔鱼密度(春秋季健康指数均值为4.95)、营养水平(秋季健康指数为4.47)和底栖生物生物量(春季健康指数为3.59)。实例研究表明该方法通过准则参数α和距离参数p的不同组合变化,以线性与非线性相结合,能够较客观系统、标准量化地评价海湾生态系统健康状况的优劣,。

一种新颖的词聚类算法和可变长统计语言模型

基于类的统计语言模型是解决统计模型数据稀疏问题的重要方法．但该方法的两个主要瓶颈在于：（１）词的聚类．目前我们很难找到一种比较成熟且运算量适中、收敛效果好的聚类算法．（２）基于类的模型为增强对不同领域语料的适应能力往往牺牲了一部分预测能力．该文的工作就是围绕这两个瓶颈问题展开的．在词的聚类方面，作者基于自然语言词与词之间的相似度，提出了一种词的分层聚类算法．实验证明，该算法在算法复杂度和聚类效果上比传统的基于贪婪原则的统计聚类算法都有明显的改进．在提高预测能力方面，提出了一种新的基于类的可变长模型（Ｖａｒｉ－ｇｒａｍ ）的生成方法，用此方法生成的基于类的Ｖａｒｉ－ｇｒａｍ 模型预测能力远高于通常的基于类的ｎ 元模型．