基于模糊核聚类图像分割的气体泄漏定位研究_王涛

合集下载

医学图像的分割技术及其新进展

医学图像的分割技术及其新进展3楚存坤,李月卿,王昌元(泰山医学院,山东泰安　271000)关键词:医学图像分割;图像分割评价中图分类号:R319　文献标识码:A　文章编号:100427115(2007)0420315203 近几年,计算机断层成像(Computed T omo2 graphy,CT),核磁共振成像(Magnetic Res onance I m2 age,MR I),超声成像(ultras ound i m age,USI)等医学成像技术已经广泛应用在医疗的诊断、术前计划、术后监测等各个环节中,其目的是全面而精确地获得病人的各种数据,为诊断、治疗计划、手术和术后评估提供正确的数字信息。

只有把感兴趣的目标从图像的复杂景物中提取出来,才有可能进一步对它们进行定量分析或者识别。

目前,医学图像分割主要以各种细胞、组织与器官的图像来作为处理的对象或内容。

图像分割是根据某种均匀性或一致性原则将图像分成若干个有意义的部分,使得每一部分都符合某种一致性的要求[1]。

1　医学图像分割技术的发展111　传统图像处理领域中的医学图像分割技术11111　基于阈值的方法阈值分割法是将灰度图像变为二值图像以达到分割目的的方法,它是一种PR(并行区域)法。

阈值法的过程是决定一个灰度值,用以区分不同的类,这个灰度值就叫做“阈值”。

把灰度值大于阈值的所有像素归为一类,小于阈值的所有像素归为另一类。

阈值法是一种简单但是非常有效的方法,特别是不同物体或结构之间有很大的强度对比时,能够得到很好的效果。

此分割法通常是交互式的。

因为阈值法能够实现实时操作,所以它更能够建立在用户视觉估计的基础上。

阈值法一般可以作为一系列图像处理过程的第一步。

其主要局限是,最简单形式的阈值法只能产生二值图像来区分两个不同的类。

另外,它只考虑像素本身的值[2],一般都不考虑图像的空间特性,这样就对噪声很敏感。

针对它的不足,有许多经典阈值法的更新算法被提了出来[3,4]。

基于快速高斯核函数模糊聚类算法的图像分割

本文首先用阈值模糊聚类方法得到模糊规则数
和初始聚类中心；然后通过引入高斯核函数，平滑图像的像素灰度值，从而提高图像分割的抗干扰能力
和鲁棒性；最后用普通模糊聚类算法优化模糊隶属度和聚类中心值。本文方法有效地提高了图像分割的精度和速度，仿真结果验证了本方法的鲁棒性和
目标从背景中分割出来等等。因为图像分割在计算机视觉领域中的基础作用，分割的准确性直接影响后续任务，得它在图像理解、于内容的视频压缩使基
Ｓ，）通过引入变量改进了目标函数，提高了图像分割精度。Ｃｅ等人对ＴｌｓＰｎｓｈｎｏａ和ａａ提出的模糊ｉ
邹立颖郝，冰沙丽娟，
（齐齐哈尔大学ａ通信与电子工程学院电工电子教学与实验中心；．
ｂ计算机与控制工程学院自动化系，龙江齐齐哈尔１１０）．黑６０６
摘要：对模糊聚类算法通过引入高斯核函数，平滑图像像素灰度值，而增强图像分割的抗干扰能力和鲁从棒性，并结合阈值模糊聚类算法，高了图像分割的速度。首先利用阈值模糊聚类法划分初始输入空间，提得到模糊规则数及初始聚类中心；然后用高斯核函数平滑图像的像素灰度值；最后用标准模糊聚类算法求解并优化模糊隶属度和聚类中心。将本算法应用于添加噪声的嫦娥一号采集的月球地面灰度图像和Ｌｎｅａ灰度图像进行图像分割，仿真结果验证了本方法的鲁棒性、有效性和实用性。关键词：高斯核函数；阈值模糊聚类；标准模糊聚类算法；图像分割中图分类号：Ｐ８文献标识码：文章编号：００３３（００１－０１０Ｔ１Ａ１０ —９２２１）１０８－４１引言

基于聚类的图像分割算法研究

基于聚类的图像分割算法研究一、本文概述随着信息技术的飞速发展和图像数据的日益增多，图像分割作为计算机视觉和图像处理领域的核心问题之一，其研究价值和实际应用需求日益凸显。

图像分割旨在将一幅图像划分为若干个具有相似性质（如颜色、纹理、形状等）的像素集合，以揭示图像中的不同对象或区域。

在众多图像分割算法中，基于聚类的图像分割算法因其能够有效地利用图像像素间的相似性进行区域划分，而受到广泛关注。

本文旨在深入研究和探讨基于聚类的图像分割算法的原理、方法、技术及其发展趋势。

文章首先概述了图像分割的基本概念和重要性，分析了传统图像分割方法存在的问题和挑战。

随后，重点介绍了基于聚类的图像分割算法的基本原理和常用方法，包括K-means聚类、模糊C-means聚类、谱聚类等，并对各种方法的优缺点进行了比较和分析。

在此基础上，本文进一步探讨了基于聚类的图像分割算法在实际应用中的问题和挑战，如噪声干扰、计算效率、分割精度等，并提出了相应的解决方案和改进策略。

本文还介绍了基于聚类的图像分割算法在医学图像分析、遥感图像处理、视频监控等领域的应用案例和实际效果。

本文总结了基于聚类的图像分割算法的研究现状和发展趋势，展望了未来研究方向和应用前景。

本文旨在为相关领域的研究人员和技术人员提供有价值的参考和启示，推动基于聚类的图像分割算法在理论和实践上的进一步发展。

二、聚类算法概述聚类分析是一种无监督的机器学习方法，其目标是将数据集中的对象划分为若干个组或类别，使得同一类别内的对象尽可能相似，而不同类别之间的对象尽可能不同。

在图像分割领域，聚类算法被广泛应用于从像素级别到区域级别的分割任务中。

聚类算法的核心思想在于定义一种度量标准来衡量数据点之间的相似性，并根据这种相似性将数据点划分为不同的群组。

常见的聚类算法包括K-means算法、层次聚类算法、DBSCAN算法、谱聚类算法等。

K-means算法是最经典的聚类算法之一，它通过迭代优化的方式将数据点划分为K个类别，使得每个数据点到其所属类别中心的距离之和最小。

教育部科学技术研究重点项目申请书

填表说明1．申请书为申报教育部科学技术研究重点项目的主要文件，一经立项，即为的项目执行的任务书。

各项内容须认真填写，表内栏目不能空缺，无此项内容时填“/”或“0”；2．“项目名称”应简洁、明确，字数不超过30个汉字；3．申请书第二部分有字数限制，第三~八部分表格可以拉长加页；4．所在研究基地指申请人所在的国家或省部级实验室或工程（技术）中心等；5．人才计划指获得以下人才计划资助者：长江学者、创新团队、跨（新）世纪人才、青年骨干教师培养计划，国家杰出青年科学基金、创新研究群体，百人计划，百千万人才工程（第一、二层次），省部级人才支持计划等；6．申请书须加盖学校（部门）公章方为有效。

7．通过教育部科技管理平台提交项目申请书电子版本时，申请书中各签章页和附件部分（附件内容要求见申请书第十四款）须将原件扫描后，与申请书其他部分一并转换成pdf格式后通过教育部科技管理平台系统上传申报。

8．项目一经批复立项，须在规定时间内报送申请书纸质版（无需附件），书面材料均用A4纸双面打印，纸质封面装订。

二、项目概述（不超过800字）模糊C均值算法是基于目标函数的聚类算法中理论最完善、应用最广泛的算法。

由于成功地将模糊概念引入到图像像素的隶属度，模糊C均值算法能够保留更多的原始图像信息。

虽然模糊C均值算法由于自身的优势得到了广泛的应用和发展，但是该算法在进行图像分割时需要事先确定分类数、对噪声敏感、易陷入局部极值。

均值漂移算法作为一种有效的聚类算法用于图像分割时不需要任何先验知识，完全依靠特征空间中的样本点进行分析，近年来该算法在图像分割和跟踪等计算机视觉领域得到广泛的应用。

但是均值漂移算法收敛速度慢以致影响了它的实际应用，另外该算法中带宽的选择对算法性能有较大的影响。

为此，本项目将通过将空间上下文信息引入和利用智能群算法对传统的模糊C均值算法进行改进，提高原有算法的抗噪性能，解决其初始值的设置问题。

从自适应的选择带宽和加快算法的收敛速度两方面着手，提高经典均值漂移算法的图像分割能力。

2020年第43卷总目次

基于滚动时域优化策略的多载ＡＧＶ充电调度 ………………………………… 丁一ꎬ陈婷 ( ２. ８０ )
Ⅲ
船用锅炉汽包水位内模滑模控制………………………………………………… 段蒙蒙ꎬ甘辉兵 ( ３. ８３ )
三峡升船机变频器ＩＧＢＴ路故障诊断 ……………………… 孟令琦ꎬ高岚ꎬ李然ꎬ朱汉华 ( ３. ８９ )
定航线下考虑ＥＣＡ的船舶航速多目标优化模型 …………… 甘浪雄ꎬ卢天赋ꎬ郑元洲ꎬ束亚清 ( ３. １５ )
改进二阶灰色极限学习机在船舶运动预报中的应用………… 孙珽ꎬ徐东星ꎬ苌占星ꎬ叶进 ( ３. ２０ )
Ⅱ
规则约束下基于深度强化学习的船舶避碰方法
………………………………… 周双林ꎬ杨星ꎬ刘克中ꎬ熊勇ꎬ吴晓烈ꎬ刘炯炯ꎬ王伟强 ( ３. ２７ )
船用起重机吊索张力建模与计算机数值仿真 ………………………… 郑民民ꎬ张秀风ꎬ王任大 ( ４. ９４ )
约束规划求解自动化集装箱码头轨道吊调度 ………………………… 丁一ꎬ田亮ꎬ林国龙 ( ４. ９９ )

航海气象与环保

１６２ｋＷ柴油机排气海水脱硫性能
基于模糊￣粒子群算法的舰船主锅炉燃烧控制 ……… 毛世聪ꎬ汤旭晶ꎬ汪恬ꎬ李军ꎬ袁成清 ( １. ８８ )
多能源集成控制的船舶用微电网系统频率优化……………… 张智华ꎬ李胜永ꎬ季本山ꎬ赵建 ( １. ９５ )
基于特征模型的疏浚过程中泥浆浓度控制系统设计………… 朱师伦ꎬ高岚ꎬ徐合力ꎬ潘成广 ( ２. ７４ )
基于卷积神经网络的航标图像同态滤波去雾 …………………………………………… 陈遵科 ( ４. ８４ )
船用北斗导航系统终端定位性能的检测验证 …………………………………………… 吴晓明 ( ４. ８９ )

基于模糊Gibbs随机场聚类二维直方图的核磁共振图像分割

ａｇｒｈｔａｏｉｅｈｌｓｒｇｂｓｄｏｕｚｂｓｒｎｏｆｅｄａｄｔｅｔｏｄｍｅｓｏａｉｔｇａｍｅｈｄｗｓｌｏｉｍｈｔｃｍｂｎｓｔｅｃｕｔｉａｅｎｆｚｙＧｉｂａｄｍｌｎｈｗ — ｉｎｉｎｈｓｏｒｍｔｏａｔｅｎｉｌｐｏｏｅ．Ｉｈｌｏｔｍ，ｍｅｅｓｉｕｃｉｎｒｅｎｄｂｖｒｇ，ｖｒａｃｎｅｇｂｒｏｄａｔｉｕｅ，ａｄｆｚｙｒｐｓｄｎｔｅａｇｒｈｉｍｂｒｈｐｆｎｔｓｗｅｅｄｆｅｙａｅａｅａｉｎｅａｄｎｉｈｏｈｏｔｂｔｓｎｕｚｏｉｒ
Ｇｂｓａｄｍｆｌｗｓｅｕ．ＴｅｘｍＡＰｓｒｒ（ＰａｓｄａｅｔｉｉｌｌｓｒｇｒｅａｉｗｉｈｔｉｎｏｅａｔｐｈｎＭａｉｏｔｉｉＭＡ）ｗｓｅｓｈａｓｃｕｔｉｉｒ，ｎｈｃｅｂｒｉｄｓｍｕｅｏｕｔｓｔｔａｃｅｎｃｔｉｈ
第３０卷第１０期２１００年１０月
计算机应用
ＪｕｎｌｏｏｕｅｐｉａｉｎｏｒａｆＣｍｐｔｒＡｐｌｔｓｃｏ
Ｖｏ．０Ｎｏ０１３．１０ｃ．２０ｔ０１
文章编号：０１９８（００１２９０１０ — ０１２１）０— ７７— ５
基于模糊Ｇｂｓ随机场聚类二维直方图的核磁共振图像分割ｉｂ

【计算机系统应用】_模糊聚类_期刊发文热词逐年推荐_20140725

2008年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
科研热词推荐指数模糊聚类 3 聚类分析 2 网格资源 1 网格计算 1 等价矩阵 1 用户模型 1 模糊隶属度 1 模糊逻辑 1 模糊矩阵 1 市场预测 1 客户细分 1 图像目标提取 1 图像合成 1 图像分割 1 加权欧氏距离f-分布统计量 1 信息熵 1 主题特征向量 1 k均值算法 1 fmc 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 像分割车辆路径问题谱聚类聚类网络聚类分析粗集神经网络禁忌搜索算法灰度特征模糊颜色直方图模糊需求模糊理论模糊核聚类模糊kohonen 模糊c聚类算法样本密度权矩阵数据集精简数据挖掘数学模型教学班学分制基于内容的图像检索初始化分类先选后排主观偏好
2013年序号 1 2 3 4 5 6 7 8 9 10
科研热词推荐指数颜色直方图 1 随机采样策略 1 运动目标跟踪 1 自适应 1 模糊聚类 1 random sampling strategy 1 object tracking 1 fuzzy clustering 1 color histogram 1 adaptive 1
2012年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14
科研热词推荐指数模糊聚类 3 隶属度 1 聚类分析 1 聚类 1 粒子群优化算法 1 模糊c均值 1 最近邻居节点对 1 数据资料 1 授课质量评价 1 密度 1 基于密度加权的模糊c聚类 1 初始聚类中心 1 信息技术 1 信息判别 1
推荐指数 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

基于最大熵的模糊核聚类图像分割方法

３模糊核聚类算法
假设输入空间的样本向量Ｘ∈Ｒ，＝，，ｎ，被某一非ｉ１ …，２线性映射映射到某一特征空间Ｒ，从而得到Ｏ（．ｘ），（，Ｏ（） …，ｘ）。模糊核聚类算法的目标函数为：
２研究背景
近几年来，随着核方法构造的支持向量机理论的飞跃发展，学者们尝试着把核方法应用到聚类算法中来Ｊ。通过引入Ｍｅｃｒｒｅ核函数，使得复杂的模式分类问题映射到高维空间后，比在低维空间里更容易线性可分。输入空间映射到特征
用最大熵算法对原始图像进行初步分割，求得初始聚类中心；引入Ｍｅｅ核函数，把输入空间的样本映射到高维特征空间，并在特征空ｒｒｃ间中进行图像分割。实验结果表明，该方法能减少迭代次数，使分类结果更稳定，从而较好地把目标从背景中分割出来。
关健诃：糊核聚类；最大熵；特征空间；图像分割模
ｌ８８
计
算
机
工
程
２１年５月２日０１０
的隶属度。，需要满足如下约束条件：
域中心为ｔ背景所在的区域中心为＋一１２，这里￡为／２，Ｌ）／图像的灰度级；然后把（２＠＋ —１２作为基于最大熵的模ｔ，Ｌ））／／
糊核聚类图像分割方法的初始聚类中心 “ 。 ” （）３选择核函数及其参数。本文采用可以将有限维样本宅
（，・（）ｖ）
其中，为高斯核函数的宽度。（）４根据式（）５，利用聚类中心矩阵 “ “ 更新隶属度矩阵，
得到ｕ“）。

基于空间约束的模糊核聚类红外图像分割

素分类距离可靠性指数。实验结果表明，这种考虑局部空间约束和整体空间约束的模糊核聚类算法可更有效地对红外图像进行分割。
关键词：红外图像分割；模糊核聚类；局部邻域信息；全局空间约束信息；像素分类可靠性指数
中图分类号：Ｐ９Ｔ３１文献标识码：Ａ
ｓｐｒｓｈｏｓｔｅｐｒｓａｉｌｉｆｒｔｎｗａｔｄｃｄＡｎｅｃａｓｉａｉｎｒｌｂｌｙｏｉｅｈｃａｍ— ｕｐｅｓｔｅｎｉｈａｔｐｔｏｍａｉｓｉｒｕｅ．ｄｔｌｓｉｃｔｅｉｉｔｆｘｌｉｈｗｓｉｅ，ａｎｏｎｏｈｆｏａｉｐｗ
・图像与信号处理・
基于空间约束的模糊核聚类红外图像分割
孙清伟，闫继涛
（顶山工学院计算机系，平河南平顶山４７６６０４）
摘
要：提出了一种基于空间约束的模糊核聚类红外图像分割算法。首先将图像映射到特征
空间，特征空间内进行模糊聚类，在针对红外图像中存在的噪声点和野值等干扰问题引入了像素点的八邻域局部空间约束信息，并定义了像素分类可靠性指数修正隶属度函数在整个图像范围内分析像素分类的合理性，中像素分类可靠性指数包括像素分类灰度可靠性指数和像其
第３卷第１８０期
２００８年１０月
激光与红外
ＩＥＡＳＲ＆ＩＲＡＲＥＮＦ８ｔｂｒ２０

基于核模糊聚类的变分水平集医学图像分割方法

Ａｂｓｔｒａｃｔ：Ｔｈｅｅｘｉｓｔｉｎｇｖａｒｉａｔｉｏｎａｌｌｅｖｅｌｓｅｔｗｉｔｈｏｕｔｒｅ．ｉｎｉｔｉａｌｉｚａｔｉｏｎｍｏｄｅｌｉＳｌｅｓｓｓｅｎｓｉｔｉｖｅｔｏｔｈｅｍａｒｇｉｎ．ｂｌｕｒｒｅｄａｎｄｌｏｗ— ｃｏｎ－ｔｒａｓｔｉｍａｇｅ，ａｎｄｉｔｓｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓａｒｅｎｏｔｓａｔｉｓｆｙｉｎｇ．Ｔｏｓｏｌｖｅｔｈｉｓｐｒｏｐｌｅｍ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｖａｉａｒｔｉｏｎａｌｌｅｖｅｌｓｅｔ
（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆ＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，￣ａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，ＺｈｅｎｊｉａｎｇＪｉａｎｇｓｕ２１２０１３，Ｃｈｉｎａ）
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－３６９５．２０１３．１０．０８０
Ｖａｒｉａｔｉｏｎａｌｌｅｖｅｌｓｅｔｍｅｔｈｏｄｏｆｍｅｄｉｃａｌｉｍａｇｅ

一种改进的模糊核聚类红外图像分割算法

获得良好的分割效果。
关键词：红外图像分割；模糊核聚类；隶属度和空间约束；认同度指数；排斥性度量
中图分类号：Ｔ３１Ｐ９文献标识码：Ａ文章编号：１０．８１２０）２０１．５０１８９（０８１—７７０
ＡｎＩｐｏｅｎｒｒｄＩｇｅｍｅｔｔｎＡｌｏｉｍｉｇＦｚｙＫｅｎｌｕｔｒｎｍｒｖｄＩｆａｅｍａｅＳｇｎａｉｇｒｔｏｈＵｓｎｕｚｒｅｓｅｉｇＣｌ
Ａｂｓｒｃ：Ｄｕｏｔｅｐｒｂｌｍｓｏｆｉｆａｅｍａｅｓｇｎａｉｎｕｉｇｆｚｙｋｅｎｌｃｕｔｒｎｔａｔｅｔｈｏｅｎｒｄｉｇｅｍｅｔｔｏｓｎｕｚｒｅｌｓｅｇ，ａｍｐｒｅｒｉｎｉｏｖｄｍｅｈｄｆｒｉｒａｅｍａｅｓｇｎａｉｎｗａｒｐｅｔｏｏｎｆｒｄｉｇｅｍｅｔｔｏｓｐｏｏｓｄ．Ｆｉｓｌ，ｔｍｂｒｈｉｎｐｔａｏｔａｎｄｒｒｔｙｈｅｍｅｅｓｐａｄｓａｉｌｃｎｓｒｉｅｗｅｅｉｔｏｕｅ．Ｔｈｕｔｉｒｒｕｐｒｓｅ．Ｔｈｎｔｅｒｅｏｅｆｅｏｉｉｎｆｒｐｘｌｔａｅｒｅｎｎｒｄｃｄｅｏｌｅｓｗｅｅｓｐｅｓｄｅｈｅｄｇｅｆｓｌ－ｒｃｇｎｔｏｉｅｏｃｔｇｏｓａｄｏｉ
Ｔｅａｏａｔｆｌｓｃｔｎｗａｄｅ．ｈｒｃｓｎｏａｓｃｔｎｗａｒｖｄＴｅａｇｔｅｎｈｔｎｌｙｏａｉａｉｓｕｇｄＴｅｐｅｉｏｆｌｓｉａｉｓｍｐｏｅ．ｈｅａｄｒｉｉｃｓｆｏｉｊｉｃｆｏｉｉｔｒａａｒ

几种输油管道泄漏情况定位的方法及原理

几种输油管道泄漏情况定位的方法及原理何现波，李宸轩，胡宸铭，程伟前，王可鑫（长江大学石油工程学院，湖北武汉　４３００００）摘　要：以运输中管道内负压波为检测指标，通过首末站传感器的信号捕捉得到压力与时间数据，做进一步计算处理，得出泄漏点位置。

简述直管道时泄漏定位的原理，在此基础上给出了弯管道、多相流几种复杂情况下的泄漏检测原理及泄漏点定位的计算方法，并简述了泄漏定位方法及原理的应用。

关键词：负压波；压力变化压力信号；非常规管道；单相流；气液两相流中图分类号：ＴＥ９７３．６文献标识码：Ａ文章编号：１００６—７９８１（２０１９）０５—００４０—０２现如今，随着经济的不断发展，社会发展对于能源的需求越来越大，而石油与天然气依然在能源领域占据着举足轻重的地位。

为满足各个地区发展需求，输油管网、输气管网的大规模铺设依然在继续。

这就绕不开一个话题———管道的泄漏，据统计，２００２－２００９年期间，仅中石化就因管道泄漏造成可记经济损失５．３亿元，除此之外泄漏还有对环境的污染以及对人生命安全的威胁，因此，当泄漏发生时，准确快速地对泄漏点定位显得至关重要。

但输油管道情况复杂，运输过程中存在大量非常规管道（涉及直、弯管道，单相流与气液两相流的问题），因此对于泄漏点位置的判断也是一个相当复杂的问题。

泄漏定位基础条件：成品油管道运输中，保持恒温恒压，一旦输油管因为某些原因突然发生泄漏时，泄漏处会产生瞬态压力突降，从而形成负压波，这种负压波会以一定的速度（其具体的速度值与声音在液体中传播的速度值相接近，在１０００－１５００ｍ／ｓ之间）自泄漏点向两端传播，而以两个传感器为一组设备组成了首站与末站，两个传感器可以捕捉到负压波信号的变化，对捕捉时间差进行处理得到泄漏点位置。

１　负压波在管道中传播的速度泄漏计算中通常把负压波的传播速度当做定值，而事实上负压波速是个变量，它与管道的各项参数，油品的物理化学性质都有关系。

下面导出计算公式：ａ（Ｔ）＝Ｋ（Ｔ）／ρ（Ｔ）１＋Ｋ（Ｔ）Ｅ·Ｄｅ·槡Ｃ。

【微电子学与计算机】_模糊聚类_期刊发文热词逐年推荐_20140725

推荐指数 3 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43
科研热词模糊聚类小波变换图像分割软计算自适应遗传算法自适应策略自适应核区自适应聚类算法聚类网络故障诊断红外图像分割系统划分粒子群优化算法神经网络示温漆熵模糊聚类混沌粒子群混合核函数测试性分析模糊隶属度模糊核聚类模糊推理模糊c均值算法模糊c-均值聚类模糊c-均值算法椭圆聚类数字水印故障诊断成对约束彩色图像分割彩色图像块能量入侵检测人类视觉系统特征二维直方图二型模糊 web搜索结果聚类 lm-bpnn l_1度量 h分量 hsi k-means fcm算法
推荐指数 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
科研热词模糊聚类模糊c均值算法模糊c均值预测控制重要性视频聚类系统辨识粗糙集模糊集模糊均值聚类模糊决策文化算法强制访问控制广义回归神经网络平滑因子嵌入式系统密级实体双层机构半监督学习初始聚类中心分层递阶结构关键帧入侵检测信仰两阶段聚类 wang-mendel方法
2008年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

基于高斯模型的气体泄漏源定位反算(上传)

基于高斯模型的气体泄漏源定位反算算法研究摘要：随着经济发展和社会进步，危化品的使用需求越来越大，随之而来的危化品泄漏事故不断增多，给人民群众的生命财产带来了重大威胁。

在此类事故的救援处置中，及时准确的泄漏源定位是顺利实施救援行动的前提条件。

本文利用遗传算法实现基于高斯气体扩散模型的反算定位，并利用matlab软件进行仿真试验，得出算法在较高的迭代次数和获得较多初始数据的基础上能够实现泄漏源反算定位。

关键词：危化品泄漏源定位遗传算法仿真试验气态危化品由于易燃易爆、有毒腐蚀等特性造成的危害极大，在处置此类事故中，泄漏源的准确定位是保证灭火救援行动顺利实施的前提条件。

由于泄漏气体在大气中的分布是一个浓度梯度模型，结合该模型和遗传算法能够较好的反算泄漏源的位置，便于消防指战员快速采取行动，准确及时控制事故蔓延。

一、扩散模型为实现泄漏源的成功定位，必须选用合适的气体扩散模型[1]。

现如今的气体扩散理论已经比较成熟，根据泄漏物质状态一般可分为重气泄漏和非重气泄漏[2]，重气泄漏是指气体密度大于空气密度的气体泄漏，如二氧化碳、氯气等[2]；非重气泄漏是指密度与空气相差不大或者经短时间空气稀释后密度与空气接近的气体泄漏，如氨气等[3]。

描述气体扩散的模型发展至今已经有很多，但是常见的模型主要有：高斯模型（高斯烟羽模型、高斯烟团模型）、BM模型、Sutton模型、FEM3模型，下面对这几种模型进行简要的描述和分析[4]。

（1）高斯模型高斯模型主要应用于非重气扩散，它在二十世纪五、六十年代就开始被广泛应用，它的理论基础是是以扩散物质在空间正态分布，从统计理论出发，进而得出扩散物质的浓度分布，可以分为高斯烟羽模型和高斯烟团模型，各自有各自的应用范围，其中高斯烟羽模型适用于连续泄漏或者泄漏事件相对于扩散时间较长的情况，高斯烟团模型适用于瞬时泄漏或泄漏时间相对于扩散时间较短的情况[5]。

（2）BM模型BM模型是一种经验模型，由一系列重气瞬时扩散和连续泄漏的试验数据绘制成的计算图表组成，部分学者对数据进行无因次处理拟合成解析公式，该模型只能够适用于重气泄漏情况下的模拟计算[5]，由于该模型是从实验室数据推导出来，因而在实际使用中误差较大。

多核环境下的图像分割并行算法研究

体的问题。文献［构造基于快速模糊ＦＭ算法的多目标分５】Ｃ割ＣＶ模型，它提高特定大小图片的分割准确度，但抗噪性差。多分辨率图像锥中引入ＦＭ算法，在Ｃ用聚类中心验证函
数能找到一个最优的分割数量，但两者相结合的方法只适用
作者简介：刘张桥（９３，男，１８一）硕士，主研方向：数字图像处理，
多核并行计算；王成良，教授；焦晓军，工程师、硕士收稿日：０ｌ２１期２１－ —８０Ｅｍｉｉｈｎｑｏ０３ｙｈｏｏｃ－ａ：ｌｚａｇｉ２０＠ａｏ．ｍ．ｌｕａｃａ
１８９
计
算
机
工
程
２１年８５日０１月
通滤波器彼此之间正交产生。在图像锥的低层是原始图像，
布式共享内存的多处理器多线程编程并行编程语言ＯｅＭＰｐｎ更能充分发挥多核处理器的性能Ｊ。
字塔和小波金字塔。Ｇｕｓｎ金字塔使用简单的低通滤波Ｊａｓａｉ器和抽取技术在多个尺度下提供同样图像的表达；Ｌｐｃｎａｌｉａａ金字塔提供了在不同尺度下一系列图像的表达。Ｇａｓｉｎ金ｕｓａ字塔和Ｌｐｃｎａｌｉ金字塔表达通常会丢失信息，始图像不能ａａ原
ｐｒｍｉａｅｎｔｅｏｔｏｏａａｅｅｄｃｍｐｓｏｔｅＦｚｙＣ— ａｓＦＭ）ｌｓｒｇａｇｒｍ，ｎｃｉｖｓｅｍｕｔｐｏｅｓｒａｄｙａｄｂｓｄｏｒｇｎｌｖｌｅｏｏｉｎｗｉｔｕｚｍｅｎ（ＣｃＵｔｉｌｏｉｈｈｗｔｉｔｈｈｅｎｈｔａｄａｈｅｅｌ—ｒｃｓｏｎｈｔｉ

医学图像分割的意义、概念、分类和研究现状

第1章绪论1.1 引言当今社会，是知识经济的社会，高新科技飞速发展。

入们在迅速发展新科技的同时，也越来越关注自身的生活环境与医疗条件。

健康，越来越成为每一个入倾心关注和孜孜追求的意境。

然焉，群学技术是一把双刃剑，它带给人们得到的同时也在破坏着我们赖以生存的环境，从而严重威害人类的健康。

堪愧的环境，沉重的压力以及激烈的竞争，都侵入们的健康走入低餐，从而健康成为全人类共同关注的目标。

因此医学的发展面临严重的挑战，作为医生诊断和治疗重要手段的医学影像学也得到了相应的发展。

现今，医学图像在医疗诊断中起着不可低估的重要作用。

计算机断层扫描、核磁共振(Magnetic Resonance，MR)、超声(Ultras叫nd)以及其它成像技术等，都是无侵害性的器宫体外成像的有力手段。

但是，医学图像还有一个显著的特点，由于受成像设备的影响、局部体效应(同一个体素中包含多种组织)、患者的体位运动和检查床的匀速直线运动，使得医学图像不可避免地盘现噪声和伪影，边缘模糊和信号强度不均匀现缓，例如信号强度在同一种组织中会出现大幅度的变化或在同一个物体中也不均匀。

此外，在图像形成和传输的过程中，图像的像质也会受到一定的影响，这些都给医生下达准确的诊断造成了一定的障碍。

为了提高医学图像的可读性，使得医生可以对人体的解割结构以及病变部位进行更有效的观察和诊断，提离诊断的准确率，医学图像处理从而成为了一门应用性很强的学科而且得到了长足的发展。

1.2 医学图像分割的意义、分类及其研究现状1.2.1 医学图像分割的意义医学图像分割在医学研究、临床诊断、病理分析、手术计划、影像信息处理、计算机辅助手术等医学研究与实践领域中有着广泛的应用和研究价值，具体表现为以下几个方面：(1) 用于感兴趣区域提取，便于医学图像的分析和识别。

如不同形式或来源的医学图像配准与融合，解剖结构的定量度量、细胞的识别与计数、器官的运动跟踪及同步等；(2)用于人体器官、组织或病灶的尺寸、体积或容积的测量。

基于超像素分割的图像去模糊技术研究

基于超像素分割的图像去模糊技术研究近年来，随着数字图像处理技术的不断发展，图像去模糊技术也在逐渐成熟。

图像模糊的原因通常是由于成像设备或光线条件等因素导致的，所以图像去模糊技术的研究有着广泛的应用前景。

本文着重介绍基于超像素分割的图像去模糊技术研究。

一、超像素分割技术传统的基于像素的图像处理方法往往忽略了像素之间的相互联系，没有利用像素之间的内在关联性。

而超像素分割技术则能够将具有相似颜色和纹理特征的像素分成一个个超像素单元，从而将图像分成较小且具有统一纹理和颜色的区域，方便后续的图像分析和处理。

超像素分割技术不仅能够提取图像的一些特征信息，还能够简化图像处理的计算量，因此应用较为广泛。

二、基于超像素分割的图像去模糊技术基于超像素分割的图像去模糊技术是指在图像去模糊过程中，首先对图像进行超像素分割，再通过对每个超像素单元进行模糊处理，最后将各个单元拼接起来得到去模糊后的图像。

这种方法比较灵活，适用于多种模糊类型的图像。

实际上，超像素分割技术可以分成两个部分：超像素提取和模糊处理。

以下分别对这两个部分做具体介绍：超像素提取超像素分割技术的目的是将图像分成若干个组块，每个组块往往由数百个像素或更多组成，这样会极大地减少需要处理的像素数量。

因此，超像素的提取尤为关键。

目前已经有许多超像素分割算法被提出，如Mean-Shift、SLIC等，每一种算法都有其优点和缺点。

下面介绍一下SLIC算法。

SLIC算法SLIC算法是一种基于聚类的方法，其名字来源于"Simple Linear Iterative Clustering"。

SLIC算法的基本思路是将图像中的像素聚合成超像素单元。

超像素单元中的每个像素会被赋予和中心像素颜色相近的标签，超像素单元的中心像素会作为聚类的中心，同时保留像素的空间信息。

SLIC算法流程如下：1.初始化聚类中心。

把分割后的图像分为k个矩形，每个矩形作为聚类中心。