基于小波域TS-MRF模型的监督图像分割方法

定义在单一空间分辨率上的树结构马尔可夫场(Tree-Structured Markov Random Field,TS-MRF)模型能够表达图像的分层结构信息,但难以描述图像的非平稳性,针对该问题,提出小波域的TS-MRF图像建模方法-WTS-MRF模型,按照图像分类层次树的结构形式,该模型将一系列的MRF嵌套定义在多...     

融合粗糙集与小生境免疫优化的属性约简方法

在粗糙集核属性的基础上,融合小生境免疫优化提出一种决策属性约简方法.将核属性参数作为抗体编码的先验信息,通过疫苗自适应提取算法对抗体群接种疫苗,提高抗体群多样性及稳定性.为降低属性约简的计算复杂度,引入属性集合的分类近似标准作为免疫优化的亲和度,采用小生境免疫共享机制动态调整抗体群的亲和力,提高算法局部搜索能力.通过免疫记忆算子操作促使优良个体的保存,在保证收敛速度的同时具有较强的全局和局部寻优能力.通过滚动轴承故障诊断及UCI数据集的属性约简实验,显示本算法在属性约简精度和效率方面具有较好效果.     

基于纹理的自适应提升小波框架的图像增强

经典二维小波变换仅在图像的水平和垂直方向进行变换,对图像的纹理信息表示能力不足,基于小波变换的图像增强的效果还不尽人意。为了更好地表示图像的纹理信息,提出一种基于纹理的自适应提升小波的图像增强方法,根据图像的局部特征预测图像的纹理方向,沿纹理方向应用小波变换,使图像的纹理信息表示更准确,而且小波变换法在抑制噪声方面性能优良,将其应用于图像增强,仿真及实验结果表明该方法具有有效性和实用性。     

数据同化框架下红外与可见光图像的可控融合

针对现有图像融合方法的规则不易根据融合图像的后续使用要求进行自适应调整,并且各种方法的优点不易综合的问题,提出一种数据同化框架下的基于粒子群优化(PSD)和差分进化(DE)算法的融合方法。该方法把比率低通金字塔变换作为数据同化系统的模型算子,把非下采样的Contourlet变换(NSCT,nonsubsampled contourlet transform)作为观测算子,根据后续处理对图像各个属性指标值的依赖程度构造目标函数,再利用PSD和DE的混合算法来优化目标函数从而获取合适的影像。两组实验从视觉效果和定量指标两方面验证了方法的有效性。     

复杂环境移动群机器人最优路径规划方法

研究了一类复杂环境下移动群机器人的建模与控制策略。采用栅格法对机器人工作环境进行建模,基于个体的有限感知能力和局部的交互机制设计了响应概率函数,解决群机器人任务分配与信息共享难题。通过施加螺旋控制于早期信号搜索,并将该搜索信息作为启发因子改进动态差分进化算法,对群机器人进行路径优化。仿真结果表明,当响应概率函数中距离变量调节因子β=0.006时,任务分配控制算法达到最好效果。同时,移动群机器人路径规划的平均路径长度珔S,平均移动时间珔T以及平均收敛代数珚M,相比扩展PSO算法分别提高了16%、57%及230%。最后,将该算法应用于ASUIII型轮式移动群机器人物理实验,并设计了协同控制平台,具有较好的工程应用价值。     

自适应特征加权的Gibbs随机场影像分割方法

针对现有分割算法很少同时兼顾不同特征分量区分能力的差异和相邻像素间的相关性的问题,提出了一种结合Gibbs随机场的特征加权遥感影像分割方法.该方法首先依据训练样本计算各特征分量的区分能力,确定不同地物类别相应的特征分量的权重;然后利用加权最小距离分类法对影像进行初始分割,并利用Gibbs随机场来描述像素的空间相关性;最后综合Gibbs随机场描述的标记场和加权最小距离分类法描述的特征场来获取影像的最终分割结果.实验结果表明,Gibbs随机场能够有效地描述空间相关性,根据区分能力确定的权重强化了区分能力强的特征分量.     

基于免疫--蚂蚁算法的多约束QoS路由选择

针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延、丢失率为QoS参数。借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力提出了一种新的融合算法即免疫——蚂蚁算法。免疫算法把目标函数和制约条件作为抗原,目标函数的优化解对应为抗体,使得求解过程的收敛方向得以控制;利用蚂蚁算法产生和更新抗体,抗体交叉、变异操作以及对与抗原亲和力高的抗体进行记忆,均能促进快速求解。实验结果表明:免疫——蚂蚁算法表现出了超越免疫算法和蚂蚁算法的优点,大幅度提高了路由选择的效率。     

基于免疫算法和层次支持向量机的人脸识别方法

给出了一种基于免疫算法及层次支持向量机的人脸识别方法,该方法先利用Gabor小泼变换提取待识别的人脸图像的特征向量,然后利用层次支持向量机初步判断该图像最可能所属的人,最后利用免疫算法对待识别的人脸图像进行确认.实验表明,该算法效果较佳.     

应用泛在学习模式提高研究生科研创新能力的探索与实践

为了满足研究生多样化、个化性的培养需求,提出了应用泛在学习模式来提高研究生科研创新能力的方法.文章分析了传统研究生培养方式的不足之处,总结了基于EduCoder平台建设泛在学习系统的过程,并探讨了引导研究生应用泛在学习系统进行自主式学习的方法.泛在学习模式激发了研究生利用碎片化时间进行学习的热情,有效缓解了师生交流压力,提高了研究生的科研创新能力.     

数据同化框架下基于差分进化的遥感图像融合

针对现有融合方法的结果图像不易根据后续处理的要求进行自适应调整, 不同方法的优点不易综合的问题, 借鉴气象领域中的数据同化系统能综合其模型算子和观测算子两者优点的思想, 提出一个基于差分进化的遥感图像融合框架. 在该框架下, 将基于对比度àtrous的Contourlet变换作为模型算子, 独立分量分析和àtrous小波变换作为观测算子, 用差分进化(Differential evolution, DE)算法来优化由图像定量评价指标组成的目标函数, 从而获取更合适的图像. 二组实验从视觉效果和定量指标两方面验证了该框架的有效性.