红外目标的边界检测和标注

边界检测和标注是红外目标探测和识别的一个重要环节。自然背景复杂的纹理特征和红外图像中的噪声影响,以及红外目标模糊的边缘,给红外目标的边界检测和分割带来一定的困难。分水岭算法作为一种数学形态学的图像分割方法,为进行目标特征分析和识别提供了可能,然而,分水岭算法产生的过度分割,又为背景和噪声抑制增加了难度。文中在分水岭算法的基础上,结合模糊逻辑方法,对自然背景下的红外人工目标的边界检测和分割以及红外背景的抑制进行了探讨。     

基于层次聚类的多颜色空间融合分割方法

针对自然图像分割中,由于单一的颜色空间难以表示复杂多变的场景信息以及目标与背景的低对比度等产生的过分割和误分割问题,提出了选择RGB、XYZ和LUV这3个颜色空间的增强图像进行基于层次聚类的融合分割的新方法.对Berkeley分割图像库中的多幅图像进行了多组分割实验,并与Mean-shift等多种经典分割方法进行了定性...     

复杂背景下扩展目标的分割算法研究

综合利用目标边缘、区域和纹理等多种特征，提出一种新的复杂背景下扩展目标的分割算法。在基于知识的串行边界初分割基础上，运用一种 新的分形分割方法抑制初分割图像中的自然背景团块，最后利用数学形态运算消除背景粘连。实验结果表明该方法能够有效的分割复杂背景下的扩展目标，并能较好地保留目标的形状特征。     

一种自然场景图像中的服装定位与分割方法

针对自然场景图像中背景复杂、目标多的问题,提出一种基于深度学习和图像处理的服装定位与分割方法。首先,基于YOLOv4深度学习算法训练人体目标检测网络模型,根据模型定位并分割出图像中包含服装的人物;接着,采用卷积姿态机（convolutional pose machines, CPM）训练上衣、外套、连衣裙、半身裙及裤子五类服装关键点网络模型;然后,对包含服装的人物图像进行归一化处理,选择服装类型,再根据上述服装关键点网络模型输出服装的关键点;最后,根据这些关键点信息,形成初始矩阵框,使用OneCut算法将服装图像分割出来。实验证明,在复杂背景和多目标的自然图像中,文章方法具有误差小、准确率高、运算速度快的特点,能够满足自然场景图像中服装自动分割的要求。     

基于颜色和边缘信息的交通标志检测

根据我国交通标志的颜色和几何属性,提出了一种适用于自然背景下的交通标志检测方法。该方法采用RGB彩色分量差对自然背景下的禁令标志图像进行分割,结合最小二乘法对像素坐标进行椭圆拟合,再根据边界的圆形度参数判断是否为圆形区域。实验证明了该方法的有效性与鲁棒性。     

基于分割和全背景图像的视频修复算法

本文针对处于平行运动中的摄像机所拍摄的视频提出了一种有效地分割、修复方法。通过SURF算法和小波变换分割成前景图像和背景图像并融合得到全背景图像。修复前景时,在具有相似运动特征的图像中搜索最佳样本块填补破损。修复背景时,则是在修复好的全背景中采样填补破损帧的待修复区域。实验表明:本文算法能较为精准的将视频破损处修复,同时采用了全新的分割方法,不但能节省时间,还能将视频处理的更为清晰自然。     

自然场景下成熟苹果彩色图像分割方法的研究

提出一种在RGB颜色空间分割彩色图像的新方法。针对自然场景下成熟苹果图像，首先通过在RGB颜色模型中寻找灰色分割面来得到最优颜色函数（OCF），将多维空间中的分割问题转化到一维空间，根据目标和背景的不同特点，提出了两种可供选择的获取OCF的方案；然后通过Fisher评价函数找到最佳阈值；最后用数学形态学滤波除去高频噪声。该方法可以完全避免人为干预，而且分割速度快。实验结果表明，该方法可以把自然场景中的苹果有效地分割出来。     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．     

基于MATLAB的车牌识别系统的研究

汽车牌照识别是图像识别领域的重要研究课题,这里运用MATLAB研究车牌识别技术中的图像预处理、车牌定位、字符分割与字符识别等核心部分,并提出一种基于MATLAB的车牌识别系统的实现方法,综合使用多种方法提高系统的有效识别能力.该方法解决了在自然背景的图像中定位分割牌照区域、车牌倾斜和提取分割的字符等问题.通过对一定数量的图像进行处理,结果表明MATLAB在车牌识别方面的运用非常有效.     

基于卷积神经网络的交通标志ROI提取与识别

道路交通标志在指导安全出行方面起了重要作用,随着智能交通的发展,交通标志识别越来越受到重视.不同光照、雾气下的复杂自然场景(如树林、建筑物)对交通标志识别干扰较大,为减少这些无关干扰因素所带来的识别率不高的问题,提出了一种语义分割网络与分类网络级联的交通标志识别方法.语义分割网络由UNet改进得到,利用了交通标志与背景...     

最优化问题算法重用研究

为提高算法设计的效率以及缩小设计所需的时间,提出了算法重用的思想,即通过解决同一类型问题的算法框架来生成具体算法。并以N皇后问题的回溯算法为实例,介绍了算法设计过程。通过算法重用,文中可在解决这类问题的算法框架下,根据自身选择的实现函数,在框架下填充算法的具体细节,从而避免了算法设计的重复性工作,节省了设计所需的时间,提高了设计效率。     

一种新的变步长LMS自适应滤波算法

在对传统LMS算法、变步长SVSLMS算法及归一化LMS算法分析的基础上,提出了一种改进的归一化变步长LMS算法即N-SVSLMS（Normalized-SVSLMS）算法。该算法结合了参考文献中两种算法的思想,得到了改进的归一化LMS自适应算法。该算法在信道环境多变的情况下,收敛速度和稳定性能有了进一步的提高。理论分析及计算机仿真结果表明,N-SVSLMS算法明显优于传统LMS算法、变步长SVSLMS算法及归一化的LMS算法。     

一种改进的混合排课算法研究与实现

针对目前常用的排课算法中存在的不足,分析了基于遗传算法的单一排课算法存在影响排课因素多、难以进行最优组合及排课效率低等问题,提出了一种基于优化的遗传算法和贪婪算法组合的混合排课算法。该算法首先采用改进的遗传算法对教学时间片进行安排,然后再采用贪婪算法进行教学场地安排,该算法的创新点在于简化了影响排课结果的因素,将一个复杂的过程分解为两个阶段来实现,保证了排课结果的合理性、提高了自动排课的效率、有利于后期部分课程的手动调整。     

相位恢复技术算法的探究

首先介绍了相位恢复技术中的Gerchberg-Saxton算法和梯度搜索算法。推导了当任意多帧输入图像及它们的离焦量作为输入时,梯度搜索算法的目标函数分别关于广义光瞳、波前以及泽尼克系数的偏导数。揭示了GS算法与梯度搜索算法之间的关系。针对单幅和多幅图像作为输入时分别用GS算法和梯度搜索算法设计了仿真实验,实验结果显示对于单幅图像作为输入时,梯度搜索算法明显优于GS算法。对于多帧不同离焦量的图像作为输入时,GS算法和梯度搜索算法都能很好的解算出波前,但梯度搜索算法的收敛速度明显优于GS算法。     

基于加权BF-TOPSIS的多属性决策方法研究

BF-TOPSIS算法结合置信方程和TOPSIS算法,能够有效处理多属性决策问题。加权BF-TOPSIS(WBFTOPSIS)算法是对BF-TOPSIS算法的有效推广,保留了BF-TOPSIS算法的优越性。文章首先对BF-TOPSIS算法的归一化问题进行详细推理分析,并给出BBAs构造的一种新的证明。通过分析BF-TOPSIS算法BBAs构造的实际意义,提出WBF-TOPSIS算法,并给出加权系数的最优化表达式。BF-TOPSIS算法是WBF-TOPSIS算法的一种特殊情况。相比于BF-TOPSIS算法,WBF-TOPSIS算法能够做出更优的决策结果;最后算例分析验证了所提算法处理多属性决策问题的优越性性。     

Heuristic Sarsa algorithm based on value function transfer

With the problem of slow convergence for traditional Sarsa algorithm,an improved heuristic Sarsa algorithm based on value function transfer was proposed.The algorithm combined traditional Sarsa algorithm and value function transfer method,and the algorithm introduced bisimulation metric and used it to measure the similarity between new tasks and historical tasks in which those two tasks had the same state space and action space and speed up the algorithm convergence.In addition,combined with heuristic exploration method,the algorithm introduced Bayesian inference and used variational inference to measure information gain.Finally,using the obtained information gain to build intrinsic reward function model as exploring factors,to speed up the convergence of the algorithm.Applying the proposed algorithm to the traditional Grid World problem,and compared with the traditional Sarsa algorithm,the Q-Learning algorithm,and the VFT-Sarsa algorithm,the IGP-Sarsa algorithm with better convergence performance,the experiment results show that the proposed algorithm has faster convergence speed and better convergence stability.     

改进Min-sum的LDPC译码算法研究

为了弥补Min-Sum译码算法相对于LLR-BP算法的性能缺陷,降低LLR-BP算法的实现复杂度,提出一种改进型Min-Sum译码算法,将Normalized BP-Based和Offset BP-Based 2种算法有效地结合,在计算校验节点消息时,同时引进校正因子和偏移因子,并通过最小均方差准则来选择参数。仿真结果表明,在误码率相同的条件下,改进型Min-Sum译码算法比Min-Sum算法、Normalized BP-Based算法和Offset BP-Based算法具有更好的译码性能,译码性能逼近于LLR-BP译码算法。     

基于遗传_蚁群算法的多QoS约束组播路由优化算法

提出了一种将遗传算法与蚁群算法融合的新算法,用以满足多QoS约束的组播路由优化。算法首先利用遗传算法生成若干组优化解,将其转换成蚁群算法的信息素初值,然后利用蚁群算法来求取满足QoS约束的最优解。仿真结果表明此算法是有效的,其性能优于文献[6]中算法。     

基于网络延迟瓶颈定位算法的研究

对延迟瓶颈定位算法中的ICMP慢速路由器修正算法和未响应路由器延迟分配算法进行改进,在ICMP慢速路由器修正算法中提出均值估计修正算法,在未响应路由器的延迟分配算法中提出改进型未响应算法和二次测量辅助定位算法。通过对12条路径进行测量,结果证明,改进后的延迟瓶颈定位算法定位更准确,数据有效利用率更高。     

基于EGA与Alopex算法的非可微函数混合全局优化算法

遗传算法是一种全局化算法,能以较大概率搜索到全局最优解。本文将Alopex算子嵌入到保留最优个体遗传算法（EGA）中,对非可微或求导困难函数从而得到既能以较大概率搜索全局极值,又能进行局部细致搜索的混合全局优化算法;并对其全局收敛性和计算效率作了证明与分析。数值计算结果表明该算法优于求解函数优化的EGA和Alopex算法。