一种求解无约束优化问题的非单调信赖域算法

提出了非单调信赖域算法求解基于锥模型的无约束优化问题,该算法在求解信赖域子问题时充分利用了当前迭代点的一阶梯度信息。提出了一个新的信赖域半径的选取机制,并和经典的信赖域方法作比较分析。设定了一些条件,在这些假设条件下证明了算法是整体收敛的。数值实验结果表明,该算法对基于锥模型的无约束优化问题的求解是行之有效的,拓展了非单调信赖域算法的应用领域。     

一种基于数据融合的医学图像分割方法

针对一类纹理特征明显的医学图像,提出了一种融合纹理信息和灰度信息的图像分割方法,设计了基于金字塔结构的区域增长分割算法,该方法在区域内部结合使用纹理信息和灰度信息,在区域边缘部分则充分利用灰度信息,计算结果表明,该方法对某一类医学图像能够获得较好的分割效果。     

解非线性等式约束优化问题的新锥模型信赖域算法术

应用新锥模型信赖域子问题解非线性等式约束问题,提出了一个解此问题的新锥模型信赖域算法,证明了新算法的全局收敛性,并进行了数值比较实验．理论与数值结果表明这个算法是一个值得关注的有效算法．     

基于区域生长的网格模型分割

提出一种新的方法－基于法向量差值的区域生长,还提出了在候选种子中选择种子的方法,根据一种新的二面角的公式即法向量面积加权的差值进行区域生长,分割后对面积过小的面片区域进行优化处理。实验表明该方法快速有效。     

基于区域图数据流分析的通信优化算法

减少通信开销对于并行化编译器生成高效的分布代码是非常重要的.首先提出了一个冗余并行执行模型(RPEM)作为通信优化算法生成的目标程序的执行模型,之后给出了区域图的概念和区域最大化算法,在最大化区域图的基础上进行数据流分析可以增大数据流分析粒度,提高分析的效率,同时也有助于通信的提前与合并.最后提出了一种基于区域图数据流分析的通信优化算法.该算法能够进行跨循环、跨过程的数据流分析,提高分析的精度,改善通信优化效果.实验结果表明,该算法对于通信量较大的程序能够有效地减少通信的次数和通信量,具有良好的可扩展性.     

基于感兴趣区域的图像认证与自恢复算法

提出了一种基于感兴趣区域的图像认证与自恢复算法,该算法将图像分为两部分; 感兴趣区域和背景区域.算法首先利用了基于4×4分块的编码算法对感兴趣区域进行编码， 然后通过映射函数将此码流嵌入到背景图像的离散余弦变换系数中.实验表明该算法可以对 整幅图像进行完整性认证,同时对被恶意篡改的感兴趣区域也能很好地恢复原来信息.     

结合分水岭与自动种子区域生长的彩色图像分割算法

为了对彩色图像进行有效分割,提出了一种将分水岭算法与自动种子区域生长相结合的分割算法。该算法首先利用基于边缘信赖度的各向异性扩散方程对图像进行平滑预处理,以便在去除图像噪声的同时,保持图像的边缘信息,从而有效解决了分水岭算法的过分割现象;然后在此基础上,设计了一种基于色调均值差的自动种子区域选取算法,即根据色调均值和饱和度均值的相似性来对分水岭算法分割形成的区域进行种子区域生长,并利用小图像区域消解算法对区域生长所遗留的小区域进行消解,减少了图像中小区域的数目,从而实现了对彩色图像的有效分割。实验结果表明,该算法简单、快速,且能得到较其他算法更好的分割效果。     

多目标蚁群遗传算法在区域水资源优化配置中的应用研究

讨论了区域水资源优化配置算法.首先建立了区域水资源优化配置的数学模型,然后提出了采用多目标蚁群遗传算法解决这个多目标约束优化的问题.最终通过应用实例验证了算法的适用性.     

多目标蚁群遗传算法在区域水资源优化配置中的应用研究

讨论了区域水资源优化配置算法。首先建立了区域水资源优化配置的数学模型，然后提出了采用多目标蚁群遗。传算法解决这个多目标约束优化的问题。最终通过应用实例验证了算法的适用性。     

一种用于智能卡的人像信息压缩算法

为了提高现今被广泛使用的智能卡的安全性，本文提出了在智能卡中加入持卡人人像信息的方案，并且针对方案中由于智能卡容量的限制而引起的彩色人像信息的压缩问题提出了一种基于人像特征的分级压缩算法。该算法把无损压缩与有损压缩统一在小波变换的框架下，首先在图像中检测出人脸区域，然后对该区域采用无损压缩或低压缩比有损压缩，而对其它区域则采用高压缩比有损压缩。实验证明，该算法在压缩比和重建图像质量上取得了较好的效果。     

分形无标度区的一种自动识别方法

GP算法求分形关联维数时,双对数曲线的线性区间(无标度区)的识别十分关键。经典的GP算法中无标度区的识别主要依靠人工经验完成,同一条曲线,不同的人可能得到不同的无标度区,从而导致估算的关联维数存在较大差别。根据无标度区范围内的双对数曲线近似为一条直线段,其二阶导数应在0附近上下微幅波动的特点,提出了一种由计算机对无标度区进行自动识别的方法。该方法物理意义清晰,便于在计算机上编程实现。用Lorenz方程X轴的数据对方法进行了验证,计算结果表明,提出的方法可以有效地识别无标度区。     

ON THE COMPUTATION OF THE DIGITAL CONVEX HULL AND CIRCULAR HULL OF A DIGITAL REGION

The problems of defining convexity and circularity of a digital region are considered. A new definition of digital convexity, called DL- (digital line) convexity, is proposed. A region is DL-convex if, for any two pixels belonging to it, there exists a digital straight line between them all of whose pixels belong to the region. DL-convexity is shown to be stronger that two other definitions, T- (triangle) convexity and L- (line) convexity. A digital region is T-convex if it is DL-convex, but the converse is not generally true. This is because a DL-convex region must be connected, but T- and L-convex regions can be disconnected. An algorithm to compute the DL-convex hull of a digital region is described. A related problem, the computation of the circular hull and its application to testing the circularity of a digital region, is also considered, and an algorithm is given that is computationally cheaper than a previous algorithm for testing circularity.     

一种新的图像阈值分割算法

提出了一种基于区域灰度均值-梯度共生矩阵模型和二维Renyi熵原理的阈值分割方法.该方法不仅利用了图像的灰度信息,而且也利用了梯度信息,通过计算基于灰度-梯度共生矩阵的二维Renyi熵,并使边缘区域的熵最大来选择阈值.二维Renyi熵比其它二维熵多了一个参数,此参数使得二维Renyi熵能处理更多类型的图像.将上述方法进行仿真实验,并且仿真其它二维熵方法,仿真结果显示,该算法比其他二维熵方法效果更有效更一般化.     

基于共有边界长度的改进分水岭算法

文章提出了一种新的改进分水岭算法,以克服传统的分水岭算法造成的图像过分割问题。改进的算法在传统的分水岭算法分割结果的基础上,按照面积由小到大的顺序,循环合并分割产生的区域。合并过程中,首先提出了一种新的邻域系统,用于计算需要合并的区域与相邻区域的共有边界长度,然后根据边界的长度确定与其最相似的区域,进而合并这两个区域,最后采用后处理算法来进一步细化区域合并后的分割结果。实验结果显示,该算法能很好地解决过分割的问题,使分割结果具有更准确的语义信息。     

刺绣中的形状分割算法

提出一种适用于刺绣CAD系统中Satin针法的形状分割算法.该算法可将任意形状的平面区域分割成若干个条状的子区域,并且使得每个子区域关于它们的形状线大致对称.以一个改进的直骨架为形状分析基础,通过分析修剪后的骨架上的分叉点找出所有可能的分割线,然后优化这些分割线来对区域进行分割.实验结果表明：该算法对边界噪声具有一定的抗干扰能力,能够满足Satin刺绣的要求.     

基于区域骨架信息的目标识别方法

提出了一种基于棋盘距离的骨架定义方法，此骨架结构更接近了区域的实际形状，骨架的计算更为简单，传统的利用骨架信息识别目标的方法仅使用骨架的结构信息，而本文提出了骨架结构信息和骨架深度信息相结合的目标识别方法，在骨架的基础上提出了数种形态特征，以这些特征作为神经网络的输入进行目标识别得到较好的识别结果。     

Solving 0-1 knapsack problem by greedy degree and expectation efficiency

It is well known that 0-1 knapsack problem (KP01) plays an important role in both computing theory and real life application. Due to its NP-hardness, lots of impressive research work has been performed on many variants of the problem. Inspired by region partition of items, an effective hybrid algorithm based on greedy degree and expectation efficiency (GDEE) is presented in this paper. In the proposed algorithm, initially determinate items region, candidate items region and unknown items region are generated to direct the selection of items. A greedy degree model inspired by greedy strategy is devised to select some items as initially determinate region. Dynamic expectation efficiency strategy is designed and used to select some other items as candidate region, and the remaining items are regarded as unknown region. To obtain the final items to which the best profit corresponds, static expectation efficiency strategy is proposed whilst the parallel computing method is adopted to update the objective function value. Extensive numerical investigations based on a large number of instances are conducted. The proposed GDEE algorithm is evaluated against chemical reaction optimization algorithm and modified discrete shuffled frog leaping algorithm. The comparative results show that GDEE is much more effective in solving KP01 than other algorithms and that it is a promising tool for solving combinatorial optimization problems such as resource allocation and production scheduling.     

亮度分区自适应对数色调映射算法*

色调映射可将高动态范围图像显示在低动态范围显示器上。常用的对数全局色调映射算法由于压缩范围有限容易引起细节丢失,为此本文给出一种基于亮度分区的自适应对数色调映射算法。首先将高动态范围图像由RGB颜色空间转换为XYZ颜色空间以提取图像亮度信息,然后将亮度图分为高、中、低三个照度区域。根据区域亮度属性实施对数色调映射实现动态范围局部压缩,并进行融合处理以消除区域交界处的显示效果。同时采用双边滤波技术进行细节补偿。实验结果表明,此算法能有效压缩动态范围并再现真实场景信息,同时可以保留丰富的细节。     

多聚焦图像区域能量框架融合算法

在基于小波变换多聚焦图像融合算法中,由于融合图像中相邻像素点之间的不一致使融合图像质量大为降低。应用变换域的融合规则,以小波变换系数提取区域能量为特征值,并根据全局匹配度来决策融合规则,提出了能量框架融合算法,对小波各分量的来源进行一致性检测,使融合图像的小波分解系数更精确地应用于融合图像重构,并对此算法进行了仿真实验,通过对评价指标的分析比较,结果显示此算法图像融合效果优于加权平均、灰度值取大和区域能量算法。     

基于颜色和空间距离的显著性区域固定阈值分割算法

针对现有的基于空间域的显著性检测算法在分割显著性区域时需要依赖图像分割算法的不足,提出一种基于颜色和空间距离的显著性区域固定阈值分割算法。该算法首先对图像建立图像金字塔,并对每层的图像进行颜色量化和图像分块的预处理;然后利用颜色和空间距离计算得到显著性图;最后进行阈值分割,得到显著性区域。在MSRA1000公开数据集上的实验结果表明,该算法在精度、召回率和F测度方面的表现均优于现有的几种算法。因此,提出的算法在检测效果上优于现有的显著性区域检测算法,而且可以简单地分割出显著性区域。