公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于CUDA加速的三维医学图像配准被引量：6: 2013年; 三维医学图像配准技术是医学图像处理,特别是外科手术导航的关键技术,但现有的三维医学图像配准算法大多存在计算量大、耗时过长的问题,不能满足临床应用中实时处理的要求.针对这一问题,提出一种基于统一计算设备架构(Compute Unified Device Architecture,CUDA)的高性能计算方法,充分利用CUDA架构下GPU(Graphic Processing Unit)并行计算的优势,并结合图像多尺度、最大互信息等方法,实现了三维医学图像的快速配准.实验结果表明,该方法在保证配准精度的前提下,大幅度地提高了三维医学图像配准算法的运算速度,可以满足临床上对配准算法的实时性要求.; 王蓓蕾朱志良孟琭; 关键词：CUDA加速互信息多尺度

一种彩色图像的同步去噪增强算法被引量：2: 2014年; 在彩色图像获取过程中,由于受到环境、设备等客观因素的制约,常得到含有噪声、对比度差的图像,这些对于后续图像分割与配准的准确性方面都产生较大影响,为此提出一种彩色图像的同步去噪增强模型.首先引入RGB与Ycbcr的变换及逆变换,构造了适用于彩色图像的自适应直方图均衡化偏微分方程.其次,通过计算本征矢与x轴的夹角统一梯度变化率、消除法相扩散,给出了彩色图像的PM模型.最后将上述两种模型通过增加系数调节项的方式进行融合,达到同步去噪增强的目的,实验结果验证了本文算法的有效性与实用性.; 贾迪孟琭张一飞贺学平方金凤; 关键词：图像去噪图像增强偏微分方程直方图均衡

基于视觉注意机制的彩色图像显著性区域提取被引量：9: 2013年; 图像显著性区域提取是计算机视觉处理的重要步骤。结合人类视觉心理、生理模型,提出一种基于视觉注意机制的彩色图像显著性区域提取模型。通过改进的分水岭算法对彩色图像进行预分割,从而将原图像分成若干子区域,在此基础上运用提出的区域化空间注意力模型对各个子区域进行显著图计算,得到最终的显著性区域提取结果。实验结果表明,提出的显著性区域提取算法可以很好地从彩色图像中得到与视觉注意机制相一致的结果,且满足实时性要求,与传统方法相比,算法提取的区域更完整、更准确。; 孟琭; 关键词：视觉注意机制

目标跟踪算法综述被引量：167: 2019年; 目标跟踪一直以来都是计算机视觉领域的关键问题,最近随着人工智能技术的飞速发展,运动目标跟踪问题得到了越来越多的关注.本文对主流目标跟踪算法进行了综述,首先,介绍了目标跟踪中常见的问题,并由时间顺序对目标跟踪算法进行了分类:早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法.接下来,对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较.最后,使用OTB-2013数据集对目标跟踪算法进行测试,并对结果进行分析,得出了以下结论:1)相比于光流法、Kalman、Meanshift等传统算法,相关滤波类算法跟踪速度更快,深度学习类方法精度高. 2)具有多特征融合以及深度特征的追踪器在跟踪精度方面的效果更好. 3)使用强大的分类器是实现良好跟踪的基础. 4)尺度的自适应以及模型的更新机制也影响着跟踪的精度.; 孟琭杨旭; 关键词：目标跟踪 MEANSHIFT

三维图匹配算法: 2019年; 目的现有的图匹配算法大多应用于二维图像,对三维图像的特征点匹配存在匹配准确率低和计算速度慢等问题。为解决这些问题,本文将分解图匹配算法扩展应用在了三维图像上。方法首先将需要匹配的两个三维图像的特征点作为图的节点集;再通过Delaunay三角剖分算法,将三维特征点相连,则相连得到的边就作为图的边集,从而建立有向图;然后,根据三维图像的特征点构建相应的三维有向图及其邻接矩阵;再根据有向图中的节点特征和边特征分别构建节点特征相似矩阵和边特征相似矩阵;最后根据这两个特征矩阵将节点匹配问题转化为求极值问题并求解。结果实验表明,在手工选取特征点的情况下,本文算法对相同三维图像的特征点匹配有97. 56%的平均准确率;对不同三维图像特征点匹配有76. 39%的平均准确率;在三维图像有旋转的情况下,有90%以上的平均准确率;在特征点部分缺失的情况下,平均匹配准确率也能达到80%。在通过三维尺度不变特征变换(SIFT)算法得到特征点的情况下,本文算法对9个三维模型的特征点的平均匹配准确率为98. 78%。结论本文提出的基于图论的三维图像特征点匹配算法,经实验结果验证,可以取得较好的匹配效果。; 孟琭魏子然; 关键词：图匹配三维图像处理图论路径跟踪算法人工智能

基于CUDA加速的SIFT特征提取被引量：5: 2013年; 提出一种基于统一计算设备架构(CUDA)加速的尺度不变特征变换(SIFT)快速计算方法,用以解决SIFT特征提取计算过程耗时过长的问题.该方法充分利用图像处理单元(GPU)在并行计算、浮点计算、内存管理等方面的优势,合理分配主机端和设备端的资源及其在SIFT特征计算中所承担的角色.实验表明,与CPU架构下的SIFT特征提取算法相比,本文算法可以大幅度加快SIFT特征提取的计算速度,其加速比随着SIFT特征点数目的增加而增加,在本文实验中最大加速比可达19.54.; 王蓓蕾朱志良孟琭; 关键词：CUDA加速尺度不变特征变换图像特征特征描述符图像处理单元

多目标显著性区域提取算法: 2018年; 结合对象估计和超像素分割,提出面向多目标的显著性区域提取算法.首先,应用对象估计对图像中的多目标作初步检测,得到若干个显著性区域的初步结果;然后,再将这些显著性区域与超像素分割的结果作图像拼接,完善这些显著性区域;最后,将图像拼接的结果二值化,作为多目标显著性区域提取的最终结果.结果表明:所提算法可实现面向多目标的显著性区域提取.与3个经典算法的比较结果表明:所提算法在面向多目标显著性区域提取时更优.; 孟琭陈妹雅; 关键词：多目标显著性区域图像处理

全选清除导出

共1页<1>

国家自然科学基金(61101057)