基于布谷鸟优化的三维OTSU图像分割算法

针对三维OTSU算法计算量较大、运算时间较长的问题,提出了基于布谷鸟搜索优化的三维OTSU图像分割算法.该算法采用布谷鸟搜索算法对三维OTSU进行优化.其中,以像素灰度值-领域均值-领域中值的三维类间方差作为布谷鸟搜索算法的适应度函数,通过评价Lévy飞行路径上像素的适应度,获得最佳分割阈值.实验结果表明:与灰度值领域均值梯度的三维OTSU算法相比,该算法对低信噪比的图像分割稳定性和可靠性较佳;同时,与快速三维OTSU算法相比,运算效率提高了约16.4%,解决了算法消耗时间较长问题.     

复杂背景下的宫颈癌细胞图像分割方法

提出了一种基于完备色差模型的分割方法.利用优化的颜色空间模型转换公式,将宫颈癌细胞图像从RGB颜色模型转换为HSV颜色模型,对H、S、V通道分别进行最大类间方差直方图均衡化,构造最优色差模型实现图层重组,然后通过阈值分割结合特征参数筛选完成细胞从复杂背景中的提取.在VC++和OpenCV开发系统予以实现.实验结果表明,在处理背景与目标细胞色彩相似的宫颈癌细胞图片时,能够得到准确、完整的分离结果,弥补了传统分割方法的不足.     

一种基于 k-means 聚类和半监督学习的医学图像分割算法

医学图像分割是计算机视觉和图像处理领域近年来研究的热点问题之一。一种基于k-means聚类和半监督学习的医学图像分割新算法被提出。在k-means聚类模型中,相似度函数是关系到聚类效果好坏的关键因素。所使用的相似度函数通过基于side-information的半监督学习方法来确定;确定后的相似度函数又被运用回k-means聚类模型中来实现对医学图像的分割。为了检验该算法效果,脑部肿瘤患者的磁共振图像被运用在实验中。分析结果表明:该算法在本文所采用的实例中能获得优于传统算法的分割效果。     

基于对数函数的新变步长LMS算法

针对固定步长最小均方(LMS,least mean square)算法以及变步长LMS算法在收敛速度与稳态误差性能方面的不足,本文提出了一种新的基于对数函数改进的LMS算法.由于该算法中不涉及指数的运算,使得算法的计算量大大下降,收敛速度更快.仿真结果表明,对数函数改进的LMS算法比基于反正切函数改进的LMS算法具有近似相同的稳态误差性能,然而本文算法收敛更快,速度平均提高1.5倍.并且比基于双曲正切函数改进的LMS算法中的稳态误差平均降低0.5倍,同时收敛速度平均提高1.0倍.     

一种基于FCM的噪声图像分割算法研究

针对噪声污染的图像进行有效分割困难问题,提出了一种基于模糊C均值的噪声图像分割方法.该方法首先应用离散小波变换(DWT)将图像进行分解获取不同尺度的小波系数;然后利用粒子群(PSO)算法自适应搜索最优的阈值对小波系数进行处理,将处理好的系数利用小波重构得到重构图像;最后利用模糊C均值聚类完成图像分割.该算法在Berkeley数据集上进行实验,结果表明与其他算法相比,该算法具有更好的性能.     

用二维阶次规正不变矩识别三维目标

论述了用二维投影图像的矩不变量来识别三维目标的方法．该方法有效地降低了目标识别的维数，简化了目标匹配和识别的算法．通过考察阶次规正不变矩ＯＮＭＩ的性能，证明ＯＮＭＩ有效地减小特征量的动态范围并提高了其抗噪性．分类结果表明，该特征量平衡方法比加权因子法更有利于目标的识别分类     

一种新的无监督SAR影像变化检测

针对传统的SAR影像变化检测算法无法同时降低虚警和漏警数量,不能同时确保准确率和抗斑点噪声能力的现状,设计了一种新的基于曲波变换和自适应脉冲耦合神经网络的SAR影像变化检测算法.首先采用曲波变换降低差值图像中斑点噪声的含量.然后利用自适应脉冲耦合神经网络对每个像素所对应的变化信息进行变化类和未变化类的分类,得到变化检测图.结果显示与比较算法相比,本文算法的KC指标至少高出0.58个百分点、Recall指标至少高出4.28个百分点、F1指标至少高出0.74个百分点.说明对于KC、Recall和F1这些性能指标,该算法具有更高的检测准确度.无论是高斯噪声还是斑点噪声,在PSNR∈[35,50]dB的范围内,本文算法的抗噪性能都高于比较算法.     

基于自适应和变游走方向的改进狼群算法

针对狼群算法涉及参数较多、步长参数无法动态调整、游走方向固定等缺点,提出了一种基于自适应和变游走方向的改进狼群算法.该算法改进了游走行为、召唤行为、围攻行为3个主要步骤的移动步长,特别是当游走行为的试探方向改进后,每头狼都能根据头狼位置的变化自动调节移动步长、更换游走方向,从而简化参数设定,提高收敛速度和求解精度.仿真结果表明,改进算法在低维单峰函数求解精度上较原算法有明显改善,亦进一步提高了高维多峰函数的求解精度.     

一种基于欧氏干扰因子的微粒群优化算法的改进

针对基本微粒群优化(PSO,Particle Swarm Optimization)算法在应用于具有极多局部极值和维数被优化问题时易陷入局部最优和早熟收敛的不足,提出了一种新的改进算法称之为欧氏微粒群算法.此改进算法的主要思想是当算法陷入局部最优时,给微粒一个扰动因子,它的大小会因当前微粒与全局最优微粒的欧式距离的大小而自适应变化,促使微粒跳出局部最优.在实验中选取典型标准函数对算法进行测试,实验结果表明,本文算法优于标准微粒群算法(SPSO)和高斯微粒群算法(GPSO),而且随着问题复杂性的提高其性能优越性越明显.     

基于图像的二维剪纸自动生成方法

中国剪纸的设计极具挑战性, 要求画面简洁、直观, 还需要表达特定的文化内涵, 且整张剪纸须整体连通。提出了一种基于图像的二维剪纸自动生成方法, 能够将任意数码照片自动转化为剪纸图形。首先，利用图像分割方法建立区域连接图; 接着, 基于该连接图对颜色、边界对比度和区域连通性进行数学建模, 并获得优化目标函数; 最后, 通过模拟退火算法求解目标方程, 自动生成保持图像内容的剪纸图形。还开发了连通性后处理和区域指定等用户交互工具, 允许用户在自动生成的剪纸图形中方便地加入个人设计。实验表明, 所生成的剪纸图形画面简洁、整体连通。 本方法在降低剪纸设计难度的同时还可满足个性化的设计需求, 有助于传播和传承我国的民间剪纸艺术。     

基于符号检测辅助的干扰对齐算法

干扰对齐(interference alignment,IA)是一种有效的干扰处理方法.通过预编码技术在接收端的特定维度上重叠干扰信号,进而完全消除干扰信号对所需信号的影响,而且能够提高信道的空间利用自由度.在干扰对齐中,通过在相同原理的相互不同网络上的预编码器和组合器的迭代计算来检测复杂符号.本文在传统的最小二乘法(least squares,LS)、最大信干噪比(maximum signal to interference plus noise ratio,MAX-SINR)算法的基础上,提出了基于符号检测辅助的最小二乘法(symbol detection aided least squares,SDA-LS)、符号检测辅助的最大信干噪比(symbol detection aided maximum signal to interference plus noise ratio,SDA-MAX-SINR)干扰对齐迭代算法.并且根据前者性能较差、复杂度低;后者复杂度高、性能优的特点,提出了一种基于符号检测辅助的最小二乘法和最大信干噪比相结合(symbol detection aided least squares combined with maximum signal to interference and noise ratio,SDA-LS+MAX-SINR)的干扰对齐迭代算法.通过计算机仿真,文中所提出的符号检测辅助算法比传统算法有更好的性能.     

一种改进的基于过渡区的图像分割方法

就过渡区的图像分割技术提出一种改进的过渡区方法。该方法关少了过渡区方法分割图像的运算量，且利用了直方图方法计算简单的优点，它还能将直方图中峰差别很大或双峰间的谷比较宽广而平坦的图像分割得较好，而直方图方法对此类图像不适合，同时它利用了不同灰度值象素的梯度信息，具有较好的稳定性，可以抗噪声和干扰，克服了图像中非目标区域的影响。实验证明它不失为一种好的图像侵割方法。     

基于线矩特征的破损目标识别

论述了用曲线的矩特征作为局部不变量来识别二维破损目标的方法．该方法对目标的轮廓进行分割后，利用阶次规正后的轮廓线矩特征，通过粗、细两级的基于Ｈｏｕｇｈ变换的投票匹配法来识别目标．分类实验表明，该方法有利于提高目标局部特征的抗噪性，并简化了破损目标的匹配和识别算法．     

基于改进RRT-Connect的快速路径规划算法

针对双向快速扩展随机树(RRT-Connect)算法的路径规划效率较低且采样具有随机性,提出了基于RRT-Connect的改进算法(DRRT-Connect)。该算法在起始点与目标点中间选取一个第三节点作为扩展点,使算法可以同时从起始点、目标点和第三节点生成四棵随机树;同时在改进算法中引入自适应步长调节函数,当探索无障碍空间时,算法使用步长调节函数增大扩展步长,从而提高随机树探索空间的速度;在RRT-Connect算法的基础上引入目标偏置策略,使DRRT-Connect在探索无障碍空间时可以朝目标点进行快速扩展,在探索障碍物空间时则调用随机采样函数,使算法可以快速摆脱障碍物,防止陷入局部最优。将DRRT-Connect算法分别与RRT、RRT-Connect、RRT*算法进行仿真对比,结果表明DRRT-Connect在路径规划效率与迭代次数上均明显优于其他对比算法,其中相较于RRT-Connect算法,DRRT-Connect在路径规划速度上提高了50%,迭代次数上降低了32. 3%。     

基于变分高斯混合模型的图像分割算法

提出了一种基于变分推断的高斯混合模型的图像分割算法. 该算法首先用贝叶斯混合高斯模型对图像的特征进行建模, 并针对模型的参数学习问题, 利用变分推断算法估计模型的参数及其后验概率; 这种方法比采样法的计算量更少, 而且能够根据图像数据自动优化混合个数, 实现了模型的自动选择. 最后, 该算法在Berkeley的自然图像集上进行的实验结果与经典的图像分割算法进行了比较, 结果表明此方法得到的图像分割结果精度较高, 具有较好的性能.     

基于动态因子和共享适应度的改进粒子群算法

为提高粒子群算法的收敛速度和优化性能,避免陷入局部最优,提出了一种基于动态学习因子和共享适应度函数的改进粒子群算法.在惯性权重w随着迭代次数非线性减少而动态调整学习因子的基础上,引入共享适应度函数.当算法未达到终止条件而收敛时,利用粒子和最优解间距离挑选一批粒子重新初始化形成新群体,并用共享适应度函数对新群体进行评价,新旧2个群体分别追随自己的局部最优解直至迭代结束.对4个典型多峰复杂函数的测试结果表明,该改进算法不仅加快了寻得最优解的速度,而且提高了粒子群算法全局收敛的性能.     

一种基于小波系数动态量化的鲁棒数字水印算法

提出了一种改进的基于动态量化小波系数的鲁棒水印算法.水印通过动态量化嵌入到载体图像小波变换的高频子带上,混沌优化用于搜索嵌入水印的最大可用块数,中国剩余定理用于安全地产生动态量化参数.该算法和Lin等人提出的数字水印方案相比,不仅具有良好的隐蔽性、安全性和不可感知性,同时,算法也具有良好的抗压缩攻击等鲁棒性能.仿真结果验证了算法的有效性.     

面向流数据的演化聚类算法

针对传统的聚类算法难以适应流数据在线聚类的问题,本文在演化聚类算法(ECM)的基础上,改进了ECM中聚类中心和聚类半径的更新过程,引入戴维森保丁指数(DBI,Davies-Bouldin Index)作为数据归类的评估准则,提出了一种面向流数据的演化聚类算法(SDECM).实验结果表明,与ECM相比,SDECM在目标函数值、DBI值、准确率和纯度等评估准则方面具有更好的聚类性能.     

基于函数映射的二维形状内蕴对称检测算法

针对现有的二维形状内蕴对称检测方法表现欠佳的问题，提出了基于函数映射的二维形状内蕴对称稠密点对应谱优化（FM-2DSISD）方法。首先，设计了对噪声数据鲁棒的稀疏特征对称点对提取算法。其次，利用特征对称点对和函数映射框架，建立了以保持函数映射矩阵每个主子矩阵对角正交性为优化目标的数学模型，证明了该优化目标能保持内蕴对称映射的等距性。借助谱上采样技术，通过频谱域和空间域交替迭代优化函数映射矩阵和逐点映射矩阵。数值实验表明，FM-2DSISD方法对二维光滑形状和噪声形状的检测效果均优于现有检测方法。     

融合SLIC的DCUT改进图像分割算法

谱聚类DCUT算法能在任意形状的样本空间上聚类且收敛于全局最优解,但其缺点是计算相似度矩阵和特征向量的复杂度较高.为了提高了DCUT的算法速度,提出了基于SLIC的DCUT算法(SDCUT).SDCUT算法首先采用SLIC算法分割图像成超像素,再根据任意两个超像素的归一化直方图计算Pearson系数作为超像素之间的相似度,从而建立基于超像素的相似度矩阵,最后采用DCUT算法对超像素进行分类获得最终分割结果.在一系列图像上的实验结果表明,与几种经典谱聚类算法相比,本文方法的分割速度更快,且具有较好的分割效果.