Mumford-Shah模型

摘要： 乳腺肿瘤区域的选择性分割是乳腺肿瘤计算机辅助诊断中的关键一步.由于变分法灵活且计算简单,因此文章采用改进的Mumford-Shah(MS)变分模型分割超声乳腺肿瘤,以获得较准确的肿瘤边界.首先利用医生标记的4个点获得近似椭圆,再自动选取椭圆边界的4个点,共8个点作为目标区域的标记点;然后利用边缘函数和距离函数构造加权函数,并将加权函数与MS模型结合形成加权选择性分割函数,该函数在目标区域周围有更大的值,其余区域有更小的值,从而实现精确分割.实验结果表明:该方法减少了MS模型人工取点的数量;乳腺肿瘤区域分割准确率均值为90％,交并比(IOU)均值为85％.

摘要： 为了提高纹理图像分割的准确率, 解决纹理图像中纹理图像成分及纹理区域边界难以描述的问题. 基于总变差(total variation, TV)规则项可得到纹理图像区域隐藏的图像结构、非局部算子可以描述纹理图像特征的特点, 综合TV模型、非局部Mumford-Shah模型, 并用二值标记函数划分区域, 提出纹理图像分割的非局部Mumford-Shah-TV变分模型; 为了提高计算效率, 对所提出的模型设计了相应的交替方向乘子算法, 将原问题分解为一系列优化子问题求解. 数值实验结果表明, 该模型计算的纹理图像区域边界较好, 并具有较高的准确率.

摘要： 讲述了偏微分方程的基础数学理论，诸如：梯度、散度、变分定理、欧拉-拉格朗日方程等知识；然后重点介绍了Mumford-Shah模型及Ambrosio-Tortorelli的近似求解，最后进行了数值试验并展开分析。%this paper introduces some mathematic theories,such as gradient,divergence,variational theo-rem,the Euler-Lagrange equation and so on. Then we discuss the Mumford-Shah model and its approx-imation,named Ambrosio-Tortorelli model. At last we implement the model and analysis the result.

摘要： 为解决高维滤波中存在的边缘特征模糊和细节保持问题,创新性提出了一种基于混合梯度最小化Mumford-Shah模型的平滑算法.通过最小化包含梯度的Lo、L1范数的正则化函数,实现边缘保持和局部光滑的滤波分解效果.从二维图像来看,梯度的L0范数刻画了图像中非光滑像素的个数,最小化梯度的Lo范数可以实现图像分片同质的效果,即可对应Mumford-Shah模型中要求的边缘内部尽量均匀;梯度的L1范数,即全变差项,刻画了图像中所有水平集的长度,最小化梯度的L1范数可以实现控制图像边缘锐利度的目的,即Mumford-Shah模型中关于图像边缘保持的约束.由于Mumford-Shah模型具有鲁棒的信号平滑和边缘特征描述能力,因此在进行高维信号分解等处理时,可以取得良好分离效果.实验结果表明,混合梯度Mumford-Shah模型在滤波过程中可以实现边缘保持和纹理平滑相统一的特性,获得优异的图像结构纹理分解效果,对多个图像应用的处理效果有显著的提升,在三维网格数据上也获得良好的去噪性能.

摘要： 在Chan-Vese模型的基础上,给出一种基于AOS格式的扩展Mumford-Shah模型图像分割算法.扩展的Mumford-Shah模型将图像分解为几何和纹理两部分,实现图像分割的同时有效避免了纹理和噪声的影响.数值求解采用AOS格式,不仅扩大了时间步长的调节范围,还解决了参数难以选择的问题,提高了算法稳定性.实验结果表明,本文算法分割效果良好,运算效率有了较大提高.

摘要： A piecewise variational decomposition model is proposed to reduce staircase appeared in structure component obtained by TV based models and precisely extract oscillatory component.The image domain is clustered into 2 subregions which have distinct characteristic.The image function supported on smooth region is decomposed by fix-boundary Mumford-Shah model for ameliorating staircase.While image function supported on transition region is decomposed by (BV,G)decomposition for oscillation precise extraction.And then,the conditions of existence of nontrivial solution for this model are discussed.At last,an alternating iterative algorithm combined with gradient descent method and finite difference scheme is used to solve this model.The experimental results and comparisons to TV model are presented to validate the proposed new model.%为了去除在变分图像分解中TV模型结构部分出现的阶梯现象和精确地提取震荡部分,提出一个分片变分分解模型.该模型将图像的支撑集聚类为2个不同性质的区域,在平滑区域采用固定边界的Mumford-Shah模型进行分解,以去除平滑区域内的阶梯现象；再在过渡区域采用(BV,G)分解,以此来精确地提取图像的震荡部分；然后对模型存在非平凡解的条件进行了讨论；最后采用梯度下降和有限差分对模型进行交替迭代求解.理论分析和与TV模型的对比实验结果表明,文中模型能很好地去除结构分量中的阶梯现象,并且能精确地提取图像的噪声和纹理.

摘要： 针对带有纹理和噪声的图像,在Mumford-Shah模型的基础上,提出一种基于算子分裂的图像分割模型.数值求解采用AOS与Newton迭代相结合的方法,不仅解决了参数难以选择的问题,还扩大了时间步长的调节范围,提高了算法稳定性.实验结果表明,本文算法在分割过程中可以很好的处理拓扑结构,有效地避免了纹理(或噪声)对分割效果的影响,并且具有较高的计算效率.

摘要： Digital Radiograph(DR) image is difficult to use a gray scale image to show the defects within different thickness parts simultaneously. To address this issue, it proposes to use a synthetic color images to show defects. The floating point type data is obtained by the scanning of DR system, is converted into three grayscale BMP images by using the method of the more gray stretch, where the different grayscale images contain the casting defects of the different wall thickness, and then the synthesis of these grayscale three images is a color BMP image. Color Chan-Vese(C-V) model is exploited to segment the defects of images. Experimental results show that the color synthesis method can segment the casting defects of different wall thickness.%数字式X射线(DR)图像难以用一幅灰度图像同时显现不同壁厚部件的缺陷.为此,提出用一幅合成彩色图像显现缺陷的方法.对DR系统扫描铸件得到的浮点型数据,采用分段灰度拉伸的方法转换为3幅灰度BMP图像,其中,不同灰度段的图像含有被测铸件不同壁厚部件的缺陷,再将这3幅灰度图像合成为一幅彩色BMP图像.对其应用彩色C-V(Chan-Vese)模型分割缺陷,实验结果证明,该彩色合成方法能较好地分割出被测铸件不同壁厚部件的缺陷.

摘要： An improved graph cut algorithm was proposed based on the method presented by Egil Bae and Xue-Cheng Tai for solving the Mumford-Shah image segmentation model. Firstly the original image was over-segmented using Mean Shift method. An appropriate graph was constructed on the basis of the produced small regions. Thus by finding the minimum cut over the special graph, we obtained the solution for the segmentation problem. Numerical experiments show that the segmentation results of Mean Shift algorithm are not desirable. Our method has similar results with that presented by Egil Bae and Xue-Cheng Tai. However, the computation efficiency is greatly improved.%在Egil Bae和Tai Xue-Cheng提出的图切割算法基础上,给出了一种改进算法用于求解Mumford-Shah图像分割模型.首先利用Mean Shift算法对原始图像进行过分割,基于过分割产生的小区域构造恰当的图,使得分割问题转化为求特定图的最小切割问题.数值实验结果显示,直接利用Mean Shift算法分割的效果不理想,本方法保持了与Egil Bae和Tai Xue-Cheng方法相类似的分割效果,而运算效率却有了很大提高.

摘要： 给出了加权总广义变差(Total generalized variation,TGV)的定义.利用图像的2阶加权TGV半范作为正则项,利用水平集函数的2阶加权TGV半范近似边界长度,提出了基于加权TGV的Mumford-Shah模型.对未知函数分别利用交替Split-Bregman方法、Fenchel对偶方法及FISTA (Fast iterative shrinkage-thresholding algorithm)给出数值计算模型.仿真实验结果表明,利用图像的2阶加权TGV半范的去噪效果优于常用的梯度模2范数和加权TV (Total variation)半范正则化；利用水平集函数的2阶加权TGV半范近似边界长度的边缘检测效果优于传统的TV半范和加权TV半范约束.%The weighted total generalized variation (TGV) is defined and the Mumford-Shah model based on weighted TGV is proposed, in which the second-order weighted TGV semi-norm of images is used as the regularization term. Besides, the second-order weighted TGV semi-norm of the level set function is used for approximating the length of boundary. A numerical calculation model is presented for solving the unknown functions by using the alternating Split-Bregman method, Fenchel dual method, and FISTA (fast iterative shrinkage-thresholding algorithm), separately. Simulation results show that the second-order weighted TGV semi-norm of images has better denoising effect than the common L2 norm of gradient norm and the weighted TV semi-norm. And the result of edge detection is better than the traditional TV semi-norm and weighted TV semi-norm by using the second-order weighted TGV semi-norm of the level set function to approximate the length of boundary.

摘要： 本文将平面图像变分分割的Mumford-Shah模型推广于隐式曲面上图像分割问题.封闭曲面用符号距离函数的零水平集表达,开式曲面用符号距离函数的零水平集与二值标记函数的交集表达,借助内蕴梯度、内蕴散度等概念首先建立了隐式曲面上图像分割的Mumford-Shah模型.此外,本文还通过引进辅助变量和Bregman迭代参数设计所提出模型的Split Bregman算法.

摘要： 本文将平面图像变分分割的Mumford-Shah模型推广于隐式曲面上图像分割问题.封闭曲面用符号距离函数的零水平集表达,开式曲面用符号距离函数的零水平集与二值标记函数的交集表达,借助内蕴梯度、内蕴散度等概念首先建立了隐式曲面上图像分割的Mumford-Shah模型.此外,本文还通过引进辅助变量和Bregman迭代参数设计所提出模型的Split Bregman算法.

摘要： 本文将平面图像变分分割的Mumford-Shah模型推广于隐式曲面上图像分割问题.封闭曲面用符号距离函数的零水平集表达,开式曲面用符号距离函数的零水平集与二值标记函数的交集表达,借助内蕴梯度、内蕴散度等概念首先建立了隐式曲面上图像分割的Mumford-Shah模型.此外,本文还通过引进辅助变量和Bregman迭代参数设计所提出模型的Split Bregman算法.

摘要： 本文将平面图像变分分割的Mumford-Shah模型推广于隐式曲面上图像分割问题.封闭曲面用符号距离函数的零水平集表达,开式曲面用符号距离函数的零水平集与二值标记函数的交集表达,借助内蕴梯度、内蕴散度等概念首先建立了隐式曲面上图像分割的Mumford-Shah模型.此外,本文还通过引进辅助变量和Bregman迭代参数设计所提出模型的Split Bregman算法.

摘要： 矢量图像可以表示普通的彩色图像，也可表示多通道图像。综合利用矢量图像中各个通道的信息，对Mumford-Shah模型进行推广，从而得到了一种基于Mumford-Shah模型的矢量图像分割模型。该模型能适用于一般纹理图像和彩色图像的分割，对没有明显边缘或具有不完整边缘的矢量图像目标亦能获得好的分割效果，并具有对图像噪声不敏感的特点。

摘要： 矢量图像可以表示普通的彩色图像，也可表示多通道图像。综合利用矢量图像中各个通道的信息，对Mumford-Shah模型进行推广，从而得到了一种基于Mumford-Shah模型的矢量图像分割模型。该模型能适用于一般纹理图像和彩色图像的分割，对没有明显边缘或具有不完整边缘的矢量图像目标亦能获得好的分割效果，并具有对图像噪声不敏感的特点。

摘要： 矢量图像可以表示普通的彩色图像，也可表示多通道图像。综合利用矢量图像中各个通道的信息，对Mumford-Shah模型进行推广，从而得到了一种基于Mumford-Shah模型的矢量图像分割模型。该模型能适用于一般纹理图像和彩色图像的分割，对没有明显边缘或具有不完整边缘的矢量图像目标亦能获得好的分割效果，并具有对图像噪声不敏感的特点。

摘要： 矢量图像可以表示普通的彩色图像，也可表示多通道图像。综合利用矢量图像中各个通道的信息，对Mumford-Shah模型进行推广，从而得到了一种基于Mumford-Shah模型的矢量图像分割模型。该模型能适用于一般纹理图像和彩色图像的分割，对没有明显边缘或具有不完整边缘的矢量图像目标亦能获得好的分割效果，并具有对图像噪声不敏感的特点。

摘要： 矢量图像可以表示普通的彩色图像，也可表示多通道图像。综合利用矢量图像中各个通道的信息，对Mumford-Shah模型进行推广，从而得到了一种基于Mumford-Shah模型的矢量图像分割模型。该模型能适用于一般纹理图像和彩色图像的分割，对没有明显边缘或具有不完整边缘的矢量图像目标亦能获得好的分割效果，并具有对图像噪声不敏感的特点。

摘要： 矢量图像可以表示普通的彩色图像，也可表示多通道图像。综合利用矢量图像中各个通道的信息，对Mumford-Shah模型进行推广，从而得到了一种基于Mumford-Shah模型的矢量图像分割模型。该模型能适用于一般纹理图像和彩色图像的分割，对没有明显边缘或具有不完整边缘的矢量图像目标亦能获得好的分割效果，并具有对图像噪声不敏感的特点。

摘要： 操作路径生成部(210)基于从状态传感器(101)输出的计测状态量，生成针对致动器(111)的操作量时间序列。预测模型部(220)将所述计测状态量和所述操作量时间序列作为输入来运算预测模型，由此，生成状态量预测时间序列。神经网络部(230)将从环境传感器(102)输出的计测环境量和所述状态量预测时间序列作为输入来运算神经网络，由此，校正所述状态量预测时间序列。状态量评价部(240)生成针对所述校正后的状态量时间序列的评价结果。操作路径生成部在所述评价结果满足适当基准的情况下，将所述操作量时间序列的前头的操作量向所述致动器输出。

摘要： 一种基于Matlab的机理模型、概念模型与数据模型的城市排水系统仿真控制混合模型，包括如下步骤：确定精细化建模范围和粗略建模范围、构建在线机理模型、构建概念模型、在线机理模型与概念模型耦合、模型参数校正、通讯指令关系建立、降雨过程建立、排水系统水量和水质模拟、排水系统仿真控制、数据模型辅助应用和模拟结果分析展示。使用该方法构建的混合模型是一种通用性的城市排水系统仿真控制混合模型，其融合在线机理模型SWMM模型、概念模型及数据模型，可实现城市排水系统水量、水质的快速模拟、高效仿真控制和自动策略优化。

摘要： 一种基于C语言的机理模型、概念模型与数据模型的城市排水系统仿真控制混合模型，包括如下步骤：确定模型范围：确定精细化建模范围和粗略建模范围；在线机理模型构建；概念模型构建；在线机理模型与概念模型耦合；模型参数校正；降雨过程建立；排水系统水量、水质模拟；排水系统仿真控制；数据模型辅助应用：构建神经网络模型，通过接收特征数据建立降雨与径流、管网流量与深度的关系，关系建立后用于径流及管网深度的预测；模拟结果分析展示。该模型融合C语言的在线机理模型SWMM模型、概念模型及数据模型的丰富功能，实现城市排水系统水量、水质的快速模拟、高效仿真控制和自动策略优化。

摘要： 提供用于构建能够生成多种数据的生成模型的技术。本发明的一个方面涉及的模型生成装置具备：生成部，使用生成模型生成数据；发送部，将生成的数据分别发送至多个学习完毕的识别模型，使各识别模型对数据执行识别，多个学习完毕的识别模型分别通过使用本地学习数据的机器学习获得了识别被提供的数据是否为本地学习数据的能力；接收部，接收各识别模型对被发送的数据进行识别的结果；以及学习处理部，通过使用接收到的识别的结果的机器学习来训练生成模型，以生成使多个识别模型中的至少任意一个识别模型的识别性能降低这样的数据。

摘要： 三维模型编码装置(300)，具备：投影部(301)，将三维模型投影到至少一个以上的二维平面，从而生成二维图像；校正部(302)，利用二维图像，对二维图像中包括的构成没有投影三维模型的无效区域的一个以上的像素进行校正，从而生成校正图像；以及编码部(304)，对校正图像进行二维编码，从而生成编码数据。

摘要： 三维模型分发方法，根据三维模型，生成深度图像(S121)，分发深度图像以及用于根据深度图像恢复三维模型的信息(S122)。例如，三维模型分发方法也可以，进一步，利用二维图像压缩方式，对深度图像进行压缩，在所述分发中，分发压缩后的深度图像。例如，在所述深度图像的生成中也可以，根据三维模型，生成不同视点的多个深度图像，在所述压缩中，利用多个深度图像间的关系，对多个深度图像进行压缩。

摘要： 提取部(120)从建筑信息模型即BIM(40)中提取起点要素。提取部(120)针对BIM(40)，将起点要素作为起点来检索彼此相邻的多个建筑物要素，在作为检索结果的多个建筑物要素中分别配备虚拟部件，由此，从BIM(40)中提取由虚拟部件构成的虚拟房间。生成部(130)对虚拟房间的各个虚拟部件设定BIM(40)包含的属性信息中的、与配备有虚拟部件的建筑物要素对应的属性信息，生成设定有属性信息的虚拟房间作为房间模型(51)。

摘要： 提供一种有效进行利用特定条件的学习数据执行了DNN的声学模型的自适应且可提高精度的统计声学模型的自适应方法。在采用了DNN的声学模型的说话人自适应方法中，包括：第1存储装置分别存储不同的说话人的讲话数据(90～98)的步骤；准备按说话人区分的隐藏层模块(112～120)的步骤；在切换选择讲话数据(90～98)的同时，一面用与选出的讲话数据相对应的隐藏层模块(112～120)动态地置换特定层(110)，一面进行针对DNN(80)的所有层(42、44、110、48、50、52、54)的准备性学习的步骤；用初始隐藏层置换已完成准备性学习的DNN的特定层(110)的步骤；和将初始隐藏层以外的层的参数固定，采用特定说话人的声音数据进行DNN的学习的步骤。

摘要： 一种模型化装置，具备：分类部120，其为了鉴别收容室外机11、室内机12、室外机21、室内机22、冷冻机31及冷冻机41等的设施10的热平衡模型的构筑所需的参数而计测的计测数据按作为对参数赋予影响的条件的分类条件每一个分类；鉴别部130，其基于按分类条件每一个分类的计测数据，按分类条件每一个鉴别参数。

摘要： 本实用新型属于装饰装修模型技术领域，公开了圆形穹顶装修模型及具有该模型的模型箱和模型间，包括多个弧形龙骨架(1)彼此连接构成的圆形穹顶骨架(2)，圆形穹顶骨架(2)连接有三角状的弧形面板(3)，构成圆形穹顶；还包括圆形的加固龙骨架(4)，加固龙骨架(4)与各个弧形龙骨架(1)固定连接。通过本实用新型的展示，能够让行业工作者更容易理解圆形穹顶装修的施工工艺，有利于实现标准化施工，同时让消费者能够直观地了解圆形穹顶装修，为装修质量提供依据。