彩色图像的边沿提取研究

针对彩色图像边沿提取处理时，不能套用比较简单而成熟的黑白图像处理文提出应用０ＨＴＡ－Ｋ－Ｌ变换，将含彩色图像调色板转换为彩色特征坐标，然后分别按三种特征单色化为２５６级黑白灰度Ｘ１，Ｘ２，Ｘ３，并分别进行常规边沿提取，最后将三图叠加，即可得清晰且细胞的边沿轮廓图。     

自适应菜单生成器的理论探讨与实现

本文通过分析ＦｏｘＰｒｏ２．５本身所带有的菜单生成器的自动化编程原理，提出了一处自动化开发模型的新的自适应模式，并根据这种新模式，利用ＦｏｘＰｒｏ的菜单功能实现了一种全新的自动化编程器，使所生成的菜单具有一定的自完善功能，并且使生成菜单的操作过程更加简便明了。     

WindowsBase可视图文平台面向对象设计方法

从可视图文表示层句法出发，根据特殊功能编码充原理，提出了通过增加Ｗｉｎｄｏｗｓ对象码集Ｇ４，由调用序列调用Ｇ４来启动ＷｉｎｄｏｗｓＢａｓｅ可视图文终端系统的设计方法，并论述了面向Ｗｉｎｄｏｗｓ结构对象的具体码方法和相应的应用层协议，应用效果表明，此设计方案既能与目前国内承担商业运行的ＤｏｓＢａｓｅ字符方式可视图文兼容又能适应国际多媒体可视图文的发展趋势。     

基于混合蛙跳算法改进的OTSU遥感图像分割方法

阈值的快速选取和噪声处理对图像分割起着至关重要的作用。针对遥感图像分割过程中阈值快速选取和噪声处理的问题,首次提出一种基于混合蛙跳算法优化改进的OTSU遥感图像快速分割算法。该算法首先对图像进行处理,引入一个邻域的空间和灰度相似测量因子来进行抗噪并且保护图像细节。再以最大类间方差作为混合蛙跳算法适应度函数,通过混合蛙跳算法的局部搜索和全局信息交换来快速确定图像分割的全局最佳阈值。实验结果表明,与传统OTSU图像分割算法及基本遗传算法改进的二维OTSU图像分割算法相比,该算法能更有效地去除噪声的干扰,算法运算效率更高。     

改进的FCM与局部信息相结合的图像分割

传统的EM算法和FCM算法分割精度低,时间消耗大。为解决以上不足,提出了一种基于EM、FCM和KCN三种算法相结合的全新的图像分割算法。该算法有较好的分割精度。考虑到图像会受到噪声的干扰,在改进算法的基础上又引入图像的局部信息。首先利用图像的局部信息重塑图像的灰度直方图,增强了像素的类间散布性和类内紧凑性,然后让改进的算法在重塑图像上执行。实验结果表明,该算法具有很好的分割效果和较强的抗噪性能。     

改进的模糊熵与图像局部信息相结合的遥感图像分割新算法

针对传统的一维最大模糊熵图像分割算法没有考虑图像的局部信息而对噪声十分敏感的这一不足,本文提出了结合图像局部信息的一维模糊熵图像分割算法。该算法将图像的空间信息和像素信息引入到一维模糊熵图像分割算法中,并运用微正则退火算法对一维最大模糊熵进行改进,从而提高了传统的一维最大模糊熵分割精度。实验结果表明,该算法显示了很好的分割效果和较强的抗噪性能。     

面向对象多媒体可视图文平台设计

从可视图文表示层句法出发，根据特殊功能编码扩充原理，提出了通过增加Ｗｉｎｄｏｗｓ对象编码集Ｇ４，由调用序列调用Ｇ４来启动ＷｉｎｄｏｗｓＢａｓｅ可视图文终端系统的设计方法，并论述了面向Ｗｉｎｄｏｗｓ结构对象的具体编码方法和相应的应用层协议。应用效果表明，此设计方案即能与目前国内承担商业运行的ＤｏｓＢａｓｅ字符方式可视图文兼容又能适应国际未来多媒体可视图文的发展趋势。     

基于k均值和量子遗传算法的RBF网络优化

针对遗传算法容易出现早熟的问题,提出一种基于k均值和量子遗传算法的径向基函数(RBF)神经网络组合优化方法.通过k均值聚类求取网络的中心,用量子遗传算法训练网络的权值,利用量子染色体的表示方式以及量子染色体的更新提高算法的并行性,从而解决遗传算法早熟的问题,提高网络的适应度.相对于PSO-RBF和ACO-RBF,该方法...     

基于新的遗传算法的模糊C均值聚类用于遥感图像分割

标准FCM对噪声十分敏感,并且依赖于初始聚类中心选择,算法通常得到的是局部最优解而非全局最优解。针对此问题提出一种基于猴王遗传算法的改进的FCM算法.猴王遗传算法是一种新颖的全局优化搜索算法,具有高效的计算性能和优良的全局搜索能力。本文首次将猴王遗传算法（MKGA）与结合空间领域信息的FCM相结合,利用改进的FCM算法的目标函数建立适应度函数,利用猴王遗传算法搜索全局最优解,代替FCM的基于梯度下降的迭代过程,从而有效地避免了模糊C-均值聚类算法收敛到局部最优和对噪声敏感的问题。在此基础上实现了对遥感图像的聚类分割。实验结果表明,该算法对于遥感图像显示了较好的分割效果和较强的抗噪能力。     

多时相遥感影像变化检测算法研究

本文首次将非下采样Contourlet变换和上下截集模糊Kohonen聚类网络相结合,提出了一种无监督的多时相遥感影像变化检测算法。该算法采用非下采样Contourlet变换提取与对数比图像中的每个像素相对应的多尺度和多方向纹理,并采用上下截集模糊Kohonen聚类网络将这些多尺度和多方向纹理分为变化类与未变化类两类,最终得到变化检测图像。实验结果表明,与传统方法相比,对于高斯和斑点噪声,该算法具有更高的抗噪性能和检测精确度。