基于非线性提升格式的边缘检测

针对边缘检测中检测精度与抗噪能力的相互制约的问题，采用非线性提升格式，结合自适应阈值，提出了一种新的边缘检测算法．该算法计算简单、易于并行实现，且在一定程度上协调了检测精度与抗噪声之间的矛盾．实验结果表明该算法在提取边缘的同时能有效地抑制噪声，检测精度高．     

联合帧间差分和边缘检测的运动目标检测算法

面对运动目标检测,采用传统的帧间差分法往往造成目标空洞与轮廓丢失的问题,提出一种联合帧间差分和边缘检测的运动目标检测算法。首先计算相邻三帧的两两差分图像,再采用自适应阈值生成二值化图像,经二值化图像与运算提取运动目标区域图像;其次采用改进型Canny算子依次对相邻三帧图像进行边缘检测,依据运动关联法则,获取运动目标边缘图像;最后联合运动目标区域图像和边缘图像,提取运动目标轮廓,再采用形态学方法提取运动目标。实验表明,本算法提高了运动目标的检测性能和保持了运动目标轮廓。     

基于区间T-S模糊模型的自适应故障检测算法研究

针对传统的故障检测方法通常事先人为设定一个健康状况下的确定阈值来实现故障检测,往往不具有故障的自适应检测能力,本文提出了基于区间T-S模糊模型的自适应故障检测方法,即系统在运行过程中的不同时刻,系统无故障状态对应的阈值是不一样的.该方法首先将故障检测的问题转化为基于逼近误差的l1范数最小化的区间模型优化问题,应用线性规划对由T-S模型构成的区间[f L(t),f U(t)]参数进行求解.所建立的区间模糊模型将用于判断故障是否发生.最后,通过Tennessee Eastman(TE)过程论证了提出方法对故障检测的自适应能力和实时性.     

一种基于GPU的并行三维各向异性扩散的超声图像斑点噪声滤波算法

三维的各向异性扩散的斑点噪声滤波算法(3D SRAD)计算密集,在CPU上串行处理运行效率较低,耗时长,不能满足实时系统的需求.为解决此问题,本文基于CUDA平台提出一种并行的3D SRAD算法——3D pSRAD.该算法从数据处理,任务分配以及纹理存储器和共享存储器的使用对并行处理进行了优化.实验结果表明,3D pSRAD提高了运算效率,计算加速比在60以上.     

一种检测范围自适应的目标跟踪算法

为处理目标的消失重现、形变及环境变化等问题, 要求跟踪算法有一定的检测与学习能力. 针对全局检测方法因冗余检测而造成检测效率低下的问题, 在基于P-N学习的跟踪框架的基础上, 提出一种自适应生成检测范围的目标跟踪算法. 通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估, 在检测前根据预估信息自适应生成检测范围, 提高检测效率. 在公开的CoGD数据集上进行实验, 结果证明该算法较原始算法在准确度基本不变的基础上, 速度得到显著改善.     

基于色差分析的图像边缘跟踪改进算法

在以色差分析边缘跟踪方法的基础上,针对内窥镜采集的临床图像的特点,将边缘检测和边缘点连接结合为一体,提出一种基于形状知识指导下的色差分析自适应边缘跟踪方法,实现了图像边缘特征点的全自动定位.实验表明,该方法快速而有效.     

基于改进的FA优化二维Otsu图像分割算法

针对一维最大类间方差算法(1-Otsu)抗噪性能较低、二维最大类间方差算法(2-Otsu)计算复杂度高、实时性差的问题,提出一种基于改进的萤火虫算法(FA)优化二维Otsu图像分割算法(FA-2-Otsu).首先,通过引入步长调整函数改进原有固定步长因子,使得FA中步长可随迭代次数及收敛需求自适应获得;然后,通过改进的FA算法优化2-Otsu距离测度函数的寻优过程,仅搜寻萤火虫位置更新点的最大亮度值,获得最佳阈值,以此进行图像分割.在经典Lena图与boat图上进行实验,结果表明:本文所提算法比1-Otsu抗噪性能强,较2-Otsu分割效率高,在保证香农熵、区域对比度基本不变的前提下,算法分割时间减少了约26.0%.     

一种具有自适应参数的基于密度加权的粗糙K-均值算法

针对原始粗糙K-均值聚类算法采用固定权重和阈值的缺陷,提出一种改进的粗糙K-均值算法。改进的算法根据K-均值聚类算法的特点,在基于密度加权的K-means算法基础上,对固定经验权重和固定阈值这两种参数进行改进,提出了一种自适应参数方法。实验结果表明,该算法降低了迭代次数,聚类结果更为精确。     

一种非线性自适应粒子群优化算法

针对粒子群优化算法中出现早熟和不收敛问题,分析了基本PSO算法搜索速度对其优化性能的影响,提出了一种根据速度信息非线性自适应调整参数的粒子群优化算法.在算法迭代过程中,粒子随迭代次数和递减指数确定的非线性变化的理想速度自适应调整参数进行搜索,提高了粒子群算法的性能.提出的算法经过测试函数的模拟实验验证,并与其他已有算法进行了比较.实验结果表明,该算法在搜索精度和收敛速度等方面有明显优势,特别是高维、多峰等复杂非线性优化问题时,算法的优势更明显.     

基于自适应遗传算法的OFDMA资源分配

针对OFDMA系统,提出了基于边缘自适应(MA)准则的子载波分配算法,该算法基于一种新颖的自适应遗传算法.在新算法中的交叉概率、变异概率随着群体适应度的改变而改变,同时在该算法的初始种群中加入优秀基因的个体,使得算法快速收敛,并能搜寻到优秀的子载波分配方案.仿真结果表明:新算法与已有分布式算法、遗传算法相比较,在性能上有较大的改善,并远优于静态的频分多址资源分配方式.     

基于图像纹理分布的算法在子弹自动比对中的应用

基于笔者所在研究组自行研发的三维激光彩色扫描仪系统（3DLCS）的功能特性以及公安子弹痕迹检测实际应用的需求,提出了基于图像纹理分布的统计算法.该算法利用边缘检测、去除噪声、阈值分割,找到描述图像纹理分布的数组特征,再利用此特征进行弹头的最小绝对差（MAD）自动比对.与直接利用MAD算法进行子弹检测比较起来,SABGD标注了图像的纹理特征,更符合人眼匹配图像的机制.实验表明,SABGD在弹头检测过程中,可以减少比对的数据量,提高比对准确率,减轻比对人员工作量.     

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.     

增强目标模型鲁棒性的Mean-shift算法

针对传统Mean-shift算法中颜色核函数直方图对目标特征描述较弱的缺点,提出了一种联合目标特征点的二维结构信息和颜色信息的Mean-shift改进算法.改进算法细化了Harris检测算子的角点响应阈值,提取出更多的目标特征点计算其方向分布,并以方向与部分颜色特征的直方图构建目标模型,该模型能显著区分目标与背景.实验对不同算法进行了仿真及性能比较,结果表明:提出的改进算法在一定的复杂场景中提高了跟踪精度,且具有较好的鲁棒性.     

二维图像的基本处理与边缘检测

二值图像的处理是图像边缘检测的重要组成部分,文中对边缘检测的各种算法和算子做了一定总结和分析.本文利用Matlab与Visual C 编程实现对图像的基本处理与边缘检测,从实验检测的结果及算法对大量图像边缘检测的结果来看,Canny算子这种算法虽然简单,但是效果很好,是边缘检测的一种很好的实用方法.     

小波阈值消噪算法中分解层数的自适应确定

在对带白噪声信号的小波变换特性分析的基础上,基于自相关函数的白噪声检验方法,提出了一种确定小波分解层数的自适应算法.结合不同的小波阈值处理方法,用信噪比和最小均方误差为度量指标,探讨了在阈值消噪算法中本文提出的确定“最佳”分解层数算法对消噪的有效性.并给出了数值仿真实验结果及分析.数值仿真结果表明,该方法具有较好的去噪效果.     

基于光波迭加原理的相对深度和边缘检测算法

基于光波迭加原理导出了一种新的图像相对深度和边缘检测算法.新算法根据光波的迭加和衰减特性,通过对像素的迭加计算和对参数β的调整使得该算法实现两种功能:相对深度检测和边缘提取.实验表明,该方法能够较好的区分出不同距离的景物,并且能较好地提取图像的边缘.     

基于沃尔什-哈达玛变换和信噪比的自适应音频盲水印算法

针对加性水印中嵌入强度因子的自适应问题进行了研究,提出了一个基于信噪比的自适应音频水印算法.该算法在保证听觉质量的同时,利用信噪比自适应地调节嵌入强度因子,并将水印信号嵌入到音频数据经沃尔什-哈达玛变换后的低频系数中,水印检测时不需要原始音频信号参与.仿真实验结果表明该算法对诸如加噪、滤波、重量化、重采样和MP3压缩等常规信号处理具有较强的鲁棒性,可用于音频数据的版权保护.     

一种基于三角形区域生长的图像篡改检测方法

针对现有的多数图像篡改检测算法中存在着的对旋转、缩放等篡改失效和计算量大等问题,利用三角形具有抗平移、旋转、尺度缩放的优越特性,提出了一种新的图像篡改检测算法.首先,利用Delaunay三角剖分算法对提取的Harris特征角点进行三角剖分,进行相似三角形的初始匹配.然后,以匹配的相似三角形顶点为种子点,建立三角形组,再进行一次相似三角形的匹配,实现对篡改区域的三角形生长.最后,利用区域面积阈值和数学形态学准确定位出篡改区域.实验结果表明,该算法与同类算法相比不仅能有效地对抗旋转、缩放,噪声等后期处理操作,而且对篡改区域有很好的检测和定位效果并具有计算复杂度低的特点.     

基于自适应演化算法的DS-CDMA多用户检测

提出了一种新的自适应演化算法，用来解决码分多址系统中的多用户检测问题．该算法采用最大似然判决来检测用户发送的比特序列，根据当前变异的成功概率来自适应调整子代种群规模．仿真结果表明，基于自适应演化算法的多用户检测器总能在指定的迭代次数内收敛到与最优多用户检测器相一致的结果．该算法与未采用自适应机制的进化规划相比，当用户数从10增加到20时，收敛所需的代数相应减少37．5％到47．8％．该算法的计算复杂度是与用户数相关的多项式复杂度，与最优多用户检测器的指数复杂度相比，具有较好的可行性和实用性．     

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.