期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
采用V势阱函数的距离归一化水平集算法 被引量:1
1
作者 孙超 许悦雷 +1 位作者 毕笃彦 汪云飞 《计算机应用与软件》 CSCD 北大核心 2013年第4期271-274,共4页
针对距离归一化水平集算法存在速度下降和弱边缘不敏感的问题,在双势阱函数的基础上提出一种新的V势阱函数。该函数统一了演化速度的数学表达形式,在避免零势阱修正的同时,降低了零势阱附近的演化速度。实验结果表明:与双势阱函数相比,... 针对距离归一化水平集算法存在速度下降和弱边缘不敏感的问题,在双势阱函数的基础上提出一种新的V势阱函数。该函数统一了演化速度的数学表达形式,在避免零势阱修正的同时,降低了零势阱附近的演化速度。实验结果表明:与双势阱函数相比,V势阱函数具有更好的速度和弱边缘检测性能。 展开更多
关键词 水平 距离归一化水平集算法 V势阱函数 双势阱函数
在线阅读 下载PDF
距离保持水平集演化模型的快速实现算法
2
作者 原泉 王艳 李玉先 《计算机应用》 CSCD 北大核心 2020年第9期2743-2747,共5页
针对梯度下降法收敛性较差、对局部极小值比较敏感的问题,提出一种改进NAG算法,并以此替换距离保持水平集演化(DRLSE)模型中的梯度下降算法,进而得到一个基于NAG的图像快速分割算法。首先,给出初始水平集演化方程;其次,用改进NAG算法计... 针对梯度下降法收敛性较差、对局部极小值比较敏感的问题,提出一种改进NAG算法,并以此替换距离保持水平集演化(DRLSE)模型中的梯度下降算法,进而得到一个基于NAG的图像快速分割算法。首先,给出初始水平集演化方程;其次,用改进NAG算法计算梯度;最后,对水平集函数进行不断更新,从而避免水平集函数陷入局部极小值。实验结果表明,与DRLSE模型中的原算法相比,所提算法迭代次数减少了约30%,CPU运行时间减少了30%以上。该算法实现简单,能够对实时性要求较高的红外图像、医学图像进行快速、有效的分割。 展开更多
关键词 图像分割 水平方法 活动轮廓模型 距离保持水平演化模型 NAG算法
在线阅读 下载PDF
一种新的自适应水平集融合算法 被引量:2
3
作者 林亚忠 顾金库 郝刚 《计算机工程》 CAS CSCD 北大核心 2011年第13期216-218,共3页
在处理不均匀图像时,自适应距离保持水平集演化(ADPLS)算法速度快、不受初始轮廓影响,但精度较低;LBF算法精度高,但速度较慢同时易受初始轮廓影响。针对上述2种算法的优缺点,提出一种新的自适应融合算法。该算法根据图像信息自动调整AD... 在处理不均匀图像时,自适应距离保持水平集演化(ADPLS)算法速度快、不受初始轮廓影响,但精度较低;LBF算法精度高,但速度较慢同时易受初始轮廓影响。针对上述2种算法的优缺点,提出一种新的自适应融合算法。该算法根据图像信息自动调整ADPLS与局部二值拟合算法在融合算法中所占比重,实现不同算法的优势互补。实验结果证明,该融合算法在分割精度、速度及稳定性等方面有明显提高。 展开更多
关键词 图像分割 水平融合算法 自适应距离保持水平演化算法 局部二值拟合算法
在线阅读 下载PDF
基于AOS格式的扩展Chan-Vese模型及多水平集图像分割方法 被引量:1
4
作者 徐盛 李志斌 《华东师范大学学报(自然科学版)》 CAS CSCD 北大核心 2006年第3期66-70,140,共6页
对Chan-Vese提出的基于Mumford-Shah模型的多水平集图像分割算法作了改进.首先,使用AOS算法改进了原模型的差分格式,使得差分格式无条件稳定.其次,在水平集的构造中应用了快速推进法的改进算法,减少了水平集初始化时计算的点数和重复次数.
关键词 图像分割 扩展的C-V模型 水平方法 AOS算法 符号距离函数
在线阅读 下载PDF
基于关联规则的分类 被引量:2
5
作者 苏超 左万利 《吉林大学自然科学学报》 CAS CSCD 北大核心 2001年第1期31-35,共5页
提出一种基于关联规则的分类算法 .这个算法既可以快速分类 。
关键词 关联规则 置信度 规则距离 规则归一化 数据挖掘 决策树 分类算法 生成算法
在线阅读 下载PDF
改进DRLSE的分步式肝脏及肿瘤分割方法 被引量:1
6
作者 郭贝贝 马自萍 +1 位作者 王兴岩 杨珂 《计算机工程与应用》 CSCD 北大核心 2022年第14期200-209,共10页
为了提升CT图像肝脏及肝脏肿瘤的分割精度,提出一种改进DRLSE的分步式肝脏及肿瘤分割方法。第一阶段:采用分步式分割方法对肝脏进行分割,(1)采用阈值处理、形态学方法、自适应区域生长方法进行肝脏的粗分割;(2)采用数学形态对分割结果... 为了提升CT图像肝脏及肝脏肿瘤的分割精度,提出一种改进DRLSE的分步式肝脏及肿瘤分割方法。第一阶段:采用分步式分割方法对肝脏进行分割,(1)采用阈值处理、形态学方法、自适应区域生长方法进行肝脏的粗分割;(2)采用数学形态对分割结果进行优化,进行肝脏的细分割。第二阶段:构造参数梯度形态学和各向异性扩散滤波的距离正则化水平集演化(改进的DRLSE)模型进行肝脏肿瘤分割。实验利用3Dircadb数据集验证方法的有效性,计算了DICE、VOE、ASD和MSD指标评估分割的性能。实验结果表明该方法无需进行训练过程和统计模型的建立,对于复杂的形状和强度变化的CT图像分割效果尤为明显。由定量分析的数值结果显示,分割性能均优于比较算法,提高了分割准确率,具有较强的鲁棒性,为医生诊断和治疗肝癌提供帮助。 展开更多
关键词 水平 区域生长算法 距离正则化水平演化(DRLSE) 三维重建 各向异性扩散滤波
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部