基于邻域特征与聚类的图像分割方法

提出一种基于邻域特征和聚类的图像分割方法。该方法提取像素点的5维邻域特征,利用渐进聚类方法使同类元素具有较高的相似度、不同类元素相似度差别较大,从而对图像中的像素进行归类划分,实现目标图像的正确分割。实验结果表明,该方法能准确定位图像边缘,具有较强的抗噪性和较高的分割精度。

基于渐进式聚类的局部光与材质设计技术

文中提出一种基于图形处理器(GPU,graphics processing unit)的重光照技术,可以在局部点光源,表面反射属性和视点的同时变化中,以交互式的帧率计算全局光照.为了支持这些变化,选择在运行时刻模拟光能的物理传播过程.尽管这种模拟往往由于计算代价过于昂贵而难以被交互式系统采用,但是文中通过引入一个被称为传播树的层次性结构来大大降低模拟计算的开销.在误差允许的范围内,传播树将近似的发光面片进行聚类,然后便可以使用聚类的代表面片来近似整个场景.另外,还挖掘出了光能分布场在空间上和时间上的连续性,并以此为基础对聚类进行渐进式调整,以避免在每一帧中都得从头计算聚类划分,这就叫渐进式聚类.由于采样点之间的可见性可以预计算,把本来很复杂的间接光照计算问题化解成了简单的累加和少量的合并与分裂操作,即聚类代表所发射出的光能的累加以及聚类的合并与分裂.而累加、合并和分裂都是可以直接在图形硬件上并行执行的.在材质动画和场景装修等实际应用中,使用文中技术能够以交互式的速度生成带有多次反射效果的全局光照.

一种皮肤老化量化分割算法的计算机仿真

皮肤沟壑存在大量的细微褶皱和断纹,外在的亮度不均、纹路较浅和皮肤的多颗粒特征会使得皮肤的老化沟壑特征很难分割,造成很难进行特征量化。传统的高斯滤波和N层重构分水岭算法都很难提取这些几何特征值,也很难得到老化特征的量化表达,造成老化区域分割结果不准的问题。为解决上述问题,提出了一种皮沟特征渐进聚类算法,用于皮肤老化量化分割。先通过数据增强方法完成预处理;其次,通过执行分水岭变换从而获得粗略的检测结果。改变皮肤聚类中心的位置和增加像素聚类半径来进行更新。一个聚类当聚类半径达到域值时不再被更新,防止虚假皮沟的出现,完成皮沟细化分割。仿真结果表明,对不同粒度的皮肤图像,提出的方法提高了检测精度及有效性。