引入分数阶微分的局部高斯分布拟合能量模型

局部高斯分布拟合能量(LGDF)模型缺乏全局信息,对初始轮廓曲线选取较敏感,特别在分割弱边缘和弱纹理区域图像时,容易陷入局部极值,对噪声的鲁棒性不好.针对上述问题,文中提出引入分数阶微分的LGDF模型.在LGDF模型中引入全局的Grümwald-Letnikov(G-L)分数阶梯度拟合项,增强弱边缘和弱纹理区域的梯度信息,提高对初始轮廓曲线和噪声的鲁棒性.采用自适应权重函数确定全局项和局部项的系数,提高对灰度不均匀图像的分割效率和分割精度.根据图像的梯度模值、信息熵和对比度构建自适应分数阶阶次的函数,提高分割效率.理论分析和实验均表明,文中模型可以用于灰度不均匀、弱纹理、弱边缘图像的分割.合成图像和真实图像的实验表明文中模型可以提高图像的分割精度和效率.

融合局部和全局高斯概率信息的图像分割模型

在现有的活动轮廓中,LBF模型、LIF模型和LGDF模型是著名的基于区域的模型。虽然能分割灰度不均匀的图像,但对活动轮廓的初始化和噪声较为敏感。针对该问题,提出一种融合全高斯和局部高斯概率信息的活动轮廓模型。首先由全局高斯模型的全局灰度拟合力和局部高斯模型的局部灰度拟合力的一个线性组合来构造水平集演化力,然后引入这两个拟合力的动态权重以达到该模型的灵活性,实验结果表明,该模型能分割灰度不均的图像,且允许灵活的轮廓初始化,抗噪声性强。

融入图像全局信息的局部图像拟合模型

为提高局部图像拟合(LIF)模型对初始轮廓的鲁棒性,提出了一种新的融合图像全局和局部信息的活动轮廓模型(LIF_GI模型)。针对灰度均匀图像,利用图像的全局均值构建了全局图像拟合(GIF)模型,结合GIF模型和LIF模型的优势,通过构造新的图像拟合函数构建了LIF_GI模型。为避免对水平集函数进行繁琐的重新初始化操作,使用反应扩散(RD)方法实现水平集演化。实验表明,所构建的GIF模型在灰度均匀图像上能够获得满意的分割结果,且容许灵活的轮廓初始化。在分割灰度不均匀图像时,LIF_GI模型有效地降低了LIF模型对初始轮廓的敏感性,与LIF模型相比,LIF_GI模型又表现出迭代次数少、检测速度快的优势。

基于局部中值拟合C-V模型的SAR图像分割算法

针对SAR图像特点,提出了一种基于局部中值拟合(LMF)C-V模型的新的SAR图像分割算法LMFCV-SIS.该算法核心是利用像素点及以其为中心的邻域内的像素点的局部中值拟合来构造能量函数,极小化该能量函数,得到轮廓的最终演化结果.一系列对比实验的结果表明,该算法充分利用了SAR图像的特征信息,对真实机载SAR图像进行分割具有分割边界定位准确、收敛速度较快等优势.

线性模型中拟合优度的局部影响分析与诊断

本文首先针对线性模型的拟合优度统计量Ｒ２提出了删除值诊断方法。同时，对拟合优度Ｒ２所构成的扰动曲面进行研究，通过计算该曲面上零扰动点处的斜率和二阶导数或者曲率来检验扰动面的局部影响程度。实际例子说明了本文提出的方法非常有效而且简洁，尤其在处理具有掩盖现象的局部影响分析问题时，本方法更为有效。

基于局部多项式拟合非时齐扩散模型参数的局部估计（英文）

本文主要研究一类非时齐扩散模型中参数的局部估计,此类问题是期权定价和风险管理中必要的组成部分.漂移参数和扩散参数是期权定价和风险管理中的关键性变量.首先,基于离散观测样本,利用局部多项式拟合,得到了漂移参数的局部多项式复合分位回归估计,并证明了其渐近性质.然后,考虑到扩散参数是非负的,本文利用对数局部多项式拟合,得到了扩散参数的局部多项式估计,并讨论了扩散项估计的渐近偏差、渐近方差和渐近正态性.最后,分别对漂移参数和扩散参数的估计采用了不同的带宽参数.模拟结果表明,本文所得到的局部复合分位回归估计比局部最小二乘估计的拟合效果更好.

基于区域相似度的局部拟合活动轮廓模型

针对局部二值化拟合(LBF)模型不能分割纹理图像和收敛速度慢等问题,提出一种结合局部拟合与区域间相似度的活动轮廓模型。该模型在LBF模型中引入基于图像梯度信息的加速因子和基于相似度局部拟合的相似项,通过在能量泛函中加入区域间灰度概率分布的相似信息,抑制图像噪声和提高分割准确度,引入梯度信息,能够放大目标轮廓附近驱动力,提高图像分割速度。实验结果表明,与LBF模型相比,该模型对噪声有较强的鲁棒性,能够分割纹理和灰度不均匀图像,且具有较高的分割速率。

基于局部与全局拟合的活动轮廓模型

针对局部二值拟合(LBF)模型容易陷入能量泛函局部极小值的问题,提出基于局部与全局拟合的活动轮廓模型。引入一个衡量某点处局部区域内灰度分布是否均匀的特征函数,将LBF模型中的局部拟合项与CV模型中的全局拟合项相结合,同时保留LBF模型分割灰度不均匀图像和CV模型全局收敛性的优点。实验结果表明,该模型能够分割灰度不均匀图像,对初始轮廓的依赖性较弱,并且具有一定的抗噪性。

基于全局和区域可伸缩拟合局部熵活动轮廓模型的超声图像分割

针对区域可伸缩拟合局部熵(region-scalable fitting based on local entropy,RSF_LE)模型图像分割效率低的问题,本研究提出一种改进的RSF_LE模型。定义带有加权局部灰度拟合项以及辅助的加权全局灰度拟合项的能量泛函,其中加权局部灰度拟合项负责对目标边界附近的轮廓进行诱导,使其靠近目标物边界,加权全局灰度拟合项利用图像的全局信息来引导远离目标的轮廓向目标靠拢,该方法可以克服传统的RSF_LE模型分割算法效率低下的问题,并提高了该方法的鲁棒性。

基于截断高斯分布的异质自行车离散模型

为了研究城市自行车的离散规律,为城市自行车信号协调控制、自行车微观交通仿真和交通流预测提供理论支持,考虑城市自行车流的异质性和行程时间的分布特征,利用截断高斯分布拟合异质自行车行程时间,以昆明市环城北路实测数据为基础,对行程时间服从截断高斯分布的城市异质自行车离散特性展开了研究。分析了自行车离开上游交叉口之后在路段上的离散规律和到达下游某断面的流率分布特征。将服从截断高斯分布的自行车流离散模型和Robertson模型的预测结果与实测数据进行了对比。研究结果表明:自行车行程时间服从截断高斯分布且呈双峰型,该模型能够更好地描述异质交通流条件下的自行车离散规律。与Robertson模型相比,该模型的平均预测均方误差减少了22.53%。

结合全局信息的局部图像灰度拟合模型

针对局部图像拟合(LIF)模型对初始轮廓大小、形状和位置敏感的问题,提出一个结合全局信息的局部图像灰度拟合模型。首先,构造了一个基于全局图像信息的全局项;其次,将该全局项与LIF模型中的局部项线性组合;最后,得到了一个以偏微分方程形式存在的图像分割模型。数值实现采用有限差分法,同时采用高斯滤波器正则化水平集函数以确保水平集函数的光滑作用。在分割实验中,当选取不同的初始轮廓时,该模型均能得到正确的分割结果,且分割时间仅为LIF模型的20%到50%。实验结果表明,所提模型既对演化曲线初始轮廓的大小、形状和位置都不敏感,又能够有效地分割灰度不均图像,且分割速度较快。此外,在无初始轮廓的情形下,该模型能快速分割一些真实图像和人造图像。

基于局部熵的区域活动轮廓图像分割模型

为解决区域活动轮廓模型不能有效分割灰度不均图像的问题,提出了局部熵约束的区域活动轮廓模型应用于图像分割。首先基于局部熵信息将图像划分为两个特征区域,然后利用局部熵特征信息构造二值拟合能量,并与区域可放缩拟合(Region⁃scalable fitting,RSF)模型相结合,最后得到水平集演化方程。该模型考虑了图像灰度分布的聚集特征和局部区域统计信息,能有效处理灰度不均匀、弱边缘等图像分割问题,且对轮廓初始位置更具鲁棒性,医学图像实验结果验证了模型的有效性。

融合局部和全局图像信息的活动轮廓模型

为了克服局部图像拟合模型对轮廓初始化敏感的不足,结合改进C-V模型,提出一种融合局部和全局图像信息的活动轮廓模型.首先由改进C-V模型的全局灰度拟合力和局部图像拟合模型的局部灰度拟合力的一个线性组合来构造水平集演化力,然后通过调整这2个拟合力的权重以提升该模型对轮廓初始化的灵活性,最后利用高斯滤波正则水平集函数法实现水平集函数的正则化.实验结果表明,对于一些真实和人造图像,文中模型显示了对轮廓初始化的鲁棒性,以及较好地处理灰度不均图像的能力.

快速稳定的局部二元拟合分割算法

基于局部区域信息的局部二元拟合(LBF)模型在处理弱边界或灰度不均匀的图像分割方面有一定优势,但该方法非常依赖于初始轮廓,不当的初始轮廓不仅会导致分割时间较长,甚至分割失败。针对这一不足,提出一种快速稳定的LBF模型。首先通过添加带有变权系数面积项的LBF模型进行初始分类以获取较好的初始轮廓,然后采用传统的LBF模型对图像进行进一步的分割。实验证明,在保证良好分割效果的前提下,该方法对初始轮廓的选择更加灵活,分割速度明显快于传统的LBF模型。

一种新的结合图像梯度的局部活动轮廓模型

基于区域的局部二值拟合模型只考虑图像灰度的平均值统计信息,然而由于图像中的噪声改变了图像的灰度分布,该类方法对于包含大量噪声的图像往往很难获得理想的效果。为了提高模型对于噪声的鲁棒性,提出了一种结合图像统计信息和梯度信息的局部活动轮廓模型。该模型在图像灰度的统计信息的基础上,加入图像梯度信息,分别构造以高斯函数为核函数的局部二值灰度拟合能量和局部二值梯度拟合能量,得到最终的能量泛函,并通过最小化该能量函数,驱使活动轮廓向目标边缘演化。实验结果表明,基于图像灰度和梯度的局部活动轮廓模型能够有效克服图像中弱边缘以及强噪声对于分割结果的影响,其分割精度高于同类方法。

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.

结合全局约束函数的局部活动轮廓模型

局部二值拟合模型利用图像的局部平均灰度信息能够对强度非均匀的图像进行分割,但对于存在强噪声和对比度低的医学图像,仅用局部灰度均值不能得到正确的分割结果。针对该问题,提出一种改进的局部活动轮廓模型,在考虑图像局部均值信息的同时,加入图像的全局约束信息检测轮廓线外具有较大梯度幅值的像素点,采用水平集方法最小化能量泛函,使得演化曲线能够准确地停止在目标边界的位置上。实验结果表明,改进方法提高了对噪声的鲁棒性,且其分割精度较高。

结合特征信息聚类分区的遥感影像配准方法

针对由于地形起伏、地物类型丰富等因素导致一般配准方法无法正确拟合遥感影像局部区域的问题,提出一种基于特征信息层次聚类对影像区域快速划分实现精细拟合的方法。该方法利用差分空间尺度约束提取更高精度的SIFT的特征点,并结合Hellinger变换优化匹配效率,完成特征粗匹配。根据点邻域信息完成初始聚类,得到变换模型;计算匹配点对不同变换模型的符合程度构建倾向集,根据距离合并集合得到聚类中心,使用泰森多边形法生成子区域。求解每个子区域的变换模型并插值拼接,得到配准结果。使用农田、山地、沿海城镇地形的遥感影像进行实验,将SIFT+ST、FSC-SIFT、PSO-SIFT方法的配准效果与该方法进行对比,结果表明该方法的精度与目视配准效果均更优。

基于显著性检测和改进局部高斯分布拟合模型的眼底图像视盘边界自动提取

正确的视盘(OD)定位和分割是糖尿病视网膜病变自动筛选系统中的两个主要步骤.鉴于此,提出一种基于显著性目标检测和改进局部高斯分布拟合(LGDF)模型的视神经盘分割方法.该方法主要包含两个阶段:第一阶段,将显著性检测技术应用到增强的视网膜图像中实现视盘的自动定位;第二阶段,通过增加椭圆约束信息来改进局部高斯分布拟合(LGDF)模型分割视盘边界.使用公开数据库Diaretdbq对所提出方法的性能进行测试,并与其他先进的方法进行对比,结果验证了所提出方法的优越性和有效性.

引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型

为解决Chan-Vese模型和局部二元拟合(Local binary fitting,LBF)模型在带钢缺陷图像分割时存在的对初始轮廓位置敏感、运行速度较慢等问题,提出引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型(Local information convex activecontour,LICAC)。该模型利用凸优化技术将一个非凸的分割模型转变为凸优化问题,并采用Split Bregman方法对问题进行快速求解,从而解决Chan-Vese模型和LBF模型对初始轮廓位置敏感等问题。通过引入图像局部信息,该模型可以有效分割灰度不均匀的带钢表面缺陷图像。使用该模型分别对焊缝、黄斑、孔洞和划伤等4大类单个带钢缺陷目标区域的图像进行分割试验,分割效果和运行时间都明显优于其余两种模型。同时,该模型也可用于含多个缺陷目标区域的图像分割,并通过对划伤、夹杂、麻点和抬头纹等4大类常见的多个缺陷目标区域的图像进行分割试验,验证了该模型的有效性。