多尺度非参数化水平集的超声心动图分割

针对超声心动图噪声很大、提取目标区域边界不够平滑完整的问题,将非参数技术与水平集相结合,提出了多尺度非参数化的水平集图像分割方法。利用非局域均值滤波建立尺度空间,保护图像特征,在粗尺度预分割,然后在细尺度优化分割。采用Parzen窗技术对超声心动图的亮度分布进行统计建模,不需要先验假设,引入到水平集框架中,设计了非参数化水平集分割模型。分割实验证明:预分割结果和真实边界的平均绝对距离为2.162,优化后为0.710。该方法可以精确地自动提取感兴趣区域,在图像分割鲁棒性和精确性方面优于常规分割方法。     

五阶Korteweg-de Vries-Burgers方程的整体适定性

研究五阶Korteweg-de Vries-Burgers方程（ut+uxxxxx+|x|2αu+(u2)x=0,u(0)=φ）的柯西问题,这里0<α≤2,并且u是实值的函数.利用Bourgain空间理论和[k;Z]-乘子的方法证明了五阶KdV-B方程在Hs(s>sα)的整体适定性,这里sα=－7/4（0<α≤3/2）,sα=－1－α/2（3/2<α≤2）.