Chan-Vese模型下的复合多相水平集图像分割

Chan-Vese模型(C-V模型)能够实现图像的二区域分割,但在多区域分割上存在局限. 目前解决C-V模型多区域分割问题有两种方案：一是采用多水平集同时收敛的并行多相分割;另一种是采用多水平集依次收敛的串行多相分割. 文中将两种方案结合起来,利用并行多相算法表示区域量大和串行多相算法分割效率高的特点,提出基于C-V模型的复合多相水平集分割算法,增加了串行结构下的分割区域量,也提高了并行结构下各水平集的实际分割效率. 实验结果表明,该方法可实现多区域分割,并能检测由弱边缘构成的子目标.     

基于三维脉冲耦合神经网络模型的医学图像分割

该文将脉冲耦合神经网络模型从二维平面扩展到三维空间,同时提出一种新的乘积型互信息算法,将其作为脉冲耦合神经网络分割算法的最优分割准则,并将两者结合实现三维医学图像的整体自动分割. 利用该文提出的算法对三维CT肺部图像进行分割实验,结果表明,该算法在保证分割精度的基础上显著地减少了分割运行时间,提高了分割效率,具有应用于医学图像分割的潜在价值.     

PSO与K-means混合聚类的PCB图像分割算法

图像分割技术在PCB自动光学检测中应用广泛。 K-means聚类算法简单有效,能实现PCB灰度图像的自动分割。然而,随机选取的初始聚类中心易导致K-means算法最终找到的是局部最优值,对PCB图像分割效果有一定影响。引入PSO算法的群智能搜索策略,提出一种新的寻找聚类中心的算法。实验表明,在PCB图像分割中使用该算法可防止陷入局部最优值。     

道路监控视频中运动目标分割算法的研究

运动目标分割是交通事件检测的基础,分割的质量直接影响道路事件检测的准确性.依次研究了平均法、连续帧差法、混合高斯建模及阴影消除等算法,并综合应用于道路监控视频的运动目标分割的各阶段.针对连续帧差法和混合高斯建模算法进行了仿真实验,结果表明,混合高斯建模算法更适合做运动目标的分割,但由此得到的前景运动目标常受到阴影干扰,所以在混合高斯建模算法中,加入了消除运动目标阴影的算法.通过实验仿真表明,优化的该算法能够更加清晰地分割出前景运动目标图像.     

基于改进流域算法的粘连细胞图像分割技术研究

在细胞显微图像处理过程中,经常会发生目标粘连的现象,如何将这些粘连的目标正确分割是后续分析成功与否的关键.流域算法(Watershed Algorithm)是最近兴起的一种基于区域和数学形态学的图像分割方法.它对灰度变化十分敏感,能够克服传统分割方法中易丢失微弱边缘的缺点,可以有效地检测出边缘.但由于普通的流域算法存在过分割问题,因此,本文针对这一问题,对距离变换后的图像进行了距离重构(Distance-Reeonstruetion),并将其作为流域算法的输入图像.实验证明,该方法能够较好地分离粘连细胞图像.     

基于色度直方图的颜色聚类算法

提取目标背景的主色是迷彩设计中的重要步骤,通常采用的颜色聚类算法具有监督性的缺陷. 为此,提出一种基于色度直方图的、无监督的颜色聚类算法. 该算法采用CIE 1931色度系统建立色度直方图,根据像素点在该坐标系的分布规律自动生成聚类中心. 逐一计算像素点与各聚类中心的色度的欧氏距离,将像素点与最近的聚类中心归于一类. 实验结果表明,采用该聚类算法能够准确提取主色,自动分割彩色图像,且比普通聚类算法的时间效率更优.     

一种结合遗传算法的图像分割方法

模糊聚类算法是一种解决图像分割的常见算法,Stelios在模糊C均值聚类算法的基础上提出了FLICM算法,极大地改进了图像分割的效果。基于此,经过分析证明FLICM算法存在的不收敛问题,在此基础上改进了FLICM算法,并提出了结合遗传算法来解决因目标函数复杂度高而无法给出"闭合"迭代公式的问题。从结果来看,该算法不仅克服了FLICM算法不收敛的问题,而且取得了更好的图像分割效果,使得图像细节得到更充分的保留。     

图象分割算法的改进研究

针对传统基于图论的图象分割方法对噪声敏感以及计算复杂度大的问题,对传统算法进行了相应的改进,综合考虑像素的灰度信息和空间位置信息,计算权函数表达式时充分考虑到节点之间及节点与区域间的空间近邻关系.对比实验表明,该算法能够有效地从背景中把目标物体分割出来,并且当目标物和背景相近时,相比其他两种算法能够去除更多背景;该算法分割结果更接近于人眼视觉特征.     

一种区域统计信息的格子波尔兹曼图像分割模型

格子波尔兹曼(lattice Boltzmann, LB)分割模型具有算法简单、运算快捷的优点,但对于低对比度和受到噪声污染的图像,经常产生欠分割或者过分割现象.为此,引入图像局部区域统计信息,构建了一种新的格子波尔兹曼图像分割模型.为验证该模型及算法的分割性能,在相似性系数和豪斯多夫距离等评价技术指标下,利用真实脑磁共振图像作为实验数据进行分割,并与现有LB分割模型以及水平集分割模型进行对比.实验结果表明,该模型在分割精度方面比现有LB模型提高10倍,在计算速度方面比传统水平集分割模型提高3倍.     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果,提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法.将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理,计算图像中前景和背景的概率,训练该模型以获得最佳阈值进行图像分割处理,优化图像分割的效果.利用无人机航...     

基于PCA及FCM的C波段无线电信号分类方法

提出了一种基于模糊C均值聚类分析以及主成分分析的无线电异常信号分类方法,该方法利用主成分分析对信号数据进行降维并通过模糊C均值对信号数据进行分类,对目前常用的通过专家经验进行信号特征选取的方法进行了改进.实验结果证明了该方法的有效性,能快速高效地判断异常信号的类别.     

机载全姿态指示仪的图形变换

针对机载显示系统中图形变换最为耗时的全姿态指示仪画面,提出一种新的算法. 该算法预测地平线各行的像素数,用水平线或竖直线作为扫描线进行填充,并在填充过程中实时计算地平线上各像素点的坐标,避免了建立地平线数组. 与原有算法相比,减少了存储空间和计算量,提高了全姿态指示仪画面的图形变换速度.     

基于数据垂直分布的模糊关联规则入侵检测算法研究

把基于数据垂直分布的模糊关联规则挖掘算法引入到网络的入侵检测,利用该算法从网络数据集中对采集到的数据进行模糊化的处理,并将数据垂直分布于位图中.利用k-means聚类算法建立属性的模糊集和模糊隶属函数,该算法克服了传统的离散分区法的不足,同时改进了已有模糊关联规则,提取出具有较高可信性和完备性的模糊关联规则.     

MD5报文摘要算法与文件系统完整性保护

MD5报文摘要算法足一种应用广泛的提取数字指纹的算法。文件系统完成性保护利用MD5算法产生文件或对象的数字指纹以识别它们的微小变化而实施保护。本文详细剖析了MD5算法的工作原理，以及基于MD5算法的文件系统完整性检蠢程序的原理、设计和实现。     

层状各向异性介质的电磁逆散射

本文研究层状各向异性介质的电磁逆散射,讨论了无耗、有耗、非均匀层状各向异性介质的特性重组问题.     

延伸PVA膜法中电子光谱的三維解析

延伸PVA(聚乙烯醇)膜法属于测定分子的电子光谱的一种特殊实验技术。近年来已从一轴延伸膜法发展为二轴延伸膜法。一轴延伸膜法的解析理论已比较成熟,但二轴延伸与一轴延伸光谱的统一解析理论尚需完善。在一轴延伸的取向轴存在于二轴延伸的取向面内这一结论的基础上,本文对延伸PVA膜法的电子光谱的三维解析作了一些探讨,提出了一种将一轴及二轴延伸PVA膜法的测定结果,使用取向分布函数统一地定量解析的方法。又对若干个没有重迭吸收带和对称性好取向性不同的分子进行了二色性光谱测定和解析,验证了本解析方法的有效性。     

长株潭城市群县域城乡关联度的实证分析

构建城乡关联度评价指标体系,利用主成分分析方法对长株潭城市群县域城乡关联度进行了横向与纵向对比分析.将12县市分为城乡关联度水平较高、一般与较低3种类型,其分布呈现出北高南低、向心聚集的空间结构形态;近5年来长株潭城市群县域城乡关联度水平处于稳定上升状态,乡村发展则呈现波动降低的特点.从乡村、城市、城乡协调角度提出了促...     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

给定水平约束图的一类集成电路布线算法

针对水平约束图为星图的具有曼哈顿模型的通道布线,提出了一个依据图论模型的最优轨道高度布线算法.该算法根据通道上结点的水平约束图和垂直约束图特点,依次安排好每一个结点的布线轨道,进而通过通孔可以把所有的结点在2层轨道上布线完成.通过计算分析,该算法能够达到最优的布线高度.     

融合高斯核及指数函数聚类的点云目标物提取

针对聚类算法的聚类中心重复性和无法对点云聚类的问题,提出了融合高斯核及指数函数的聚类中心均匀化的点云聚类方法,以优化聚类中心的均匀化分布,实现点云的均匀化聚类。首先,根据高斯核函数及密度指数函数确定局部密度,再依据局部密度的大小确定距离参数。其次,依据局部密度和距离参数的乘积确定聚类中心,同时消除聚类中心的邻近化,使得聚类中心更加均匀分布于整个数据集中。最后,利用数据点到聚类中心距离逐个确定每个数据的聚类归属,并合并邻近聚类实现点云目标物的提取。将该算法与常规的基于密度峰值的聚类算法（clustering function based on density peak,CFDP）、K-means聚类算法、具有噪声的基于密度的聚类方法（density-based spatial clustering of applications with noise,DBSCAN）进行比较,该文所提方法可以对教室内3排椅子实现100%的提取。与相对密度关系的峰值聚类（density peak clustering,DPC）算法及深度学习方法相比,所提方法对不同分辨率目标物点云的提取精度均为96.7%,在计算效率和精度方面均优于其他两种方法。