李宣平
- 作品数：3 被引量：32H指数：3
- 供职机构：清华大学更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 模糊聚类协作区域主动轮廓模型医学图像分割被引量：19
- 2013年
- 医学图像分割的研究对于医学影像发展具有重要意义。区域主动轮廓模型(CV)易受目标和背景区域面积比的影响,且对初始位置敏感。针对上述现象,本文提出一种模糊C-均值聚类(FCM)协作改进CV模型的图像分割算法,即FCM-CV算法。首先在CV模型中增加能量权值函数消除面积比的影响,然后用FCM粗分割结果指导设定改进CV模型零水平集的初始位置。实验结果表明,与CV模型和局部二值拟合模型(LBF)相比,FCM-CV算法消除了面积比对分割精度和效率的影响,具有更好的数值稳定性,且对初始位置不敏感,提高了图像分割的准确性。
- 李宣平王雪
- 关键词：图像分割CV模型模糊C均值聚类
- 面向生物信息感知网络稀疏脑电测量的模糊粗糙情绪识别被引量：6
- 2014年
- 情绪健康与人们的工作生活乃至社会公共安全紧密相关。情绪识别通过测量表征情绪状态的生物信息识别人的个体情绪，为情绪健康状态辨识提供依据。生物信息感知网络可用于复杂环境生物信息的感知测量，对特定场景下的情绪监测具有重要意义。本文提出一种面向生物信息感知网络稀疏脑电测量的模糊粗糙情绪识别方法，采用稀疏脑电测量设备以及无线可穿戴生物传感节点构建多模生物信息感知网络，测量提取情绪相关信息，并对多模生物信息进行融合分析，针对情绪本身的模糊粗糙特性、依据脑电专注度模糊门限提出一种改进的模糊粗糙近邻分类算法（FRNN）。该方法削减了28．20％的运算量，提高了情绪识别效率；同时减少了无关情绪样本对分类准确率的影响，提高情绪识别准确率6％～7％，识别率65．53％高于同类研究成果。本文在可穿戴网络架构下实现了情绪的快速识别，可为日常情绪健康监测提供有效参考依据。
- 戴逸翔王雪李宣平张鹏博
- 关键词：情绪识别
- 多相水平集协同空间模糊聚类图像多目标分割被引量：7
- 2013年
- 图像多目标分割的研究对于机器视觉发展具有重要意义。多相水平集模型(Multiphase level set,MLS)对零水平集函数初始位置和噪声敏感,当初始位置不适宜、噪声较大时无法准确分割多目标。针对上述问题,提出一种多相水平集模型协同空间模糊C-均值聚类(Spatial fuzzy C-means,SFCM)的图像多目标分割算法,即SFCM-MLS算法。首先用空间模糊聚类获取图像多目标粗分割结果,然后用粗分割结果定义多相水平集模型的初始水平集函数对图像做精分割。针对人脑磁共振成像(Magnetic resonance imaging,MRI)图像和患有肿瘤的肝脏计算机扫描断层图像多目标分割试验结果表明,与经典多相水平集模型相比,SFCM-MLS算法对初始位置不敏感,提高了图像多目标分割的准确性。
- 王雪李宣平戴逸翔
- 关键词：多目标分割
