基于红外视频数字图像的动态目标检测技术研究

在分析红外数字视频图像信息特征的基础上,提出了一种改进的Ostu's最大类间方差求阈值的方法,即灰度分段的最大类间方差求取阈值法.通过该方法极大地提高了阈值求取速度,以二值数学形态学算法为基础设计了一个轮廓提取算子,运用该算子对二值图像中的目标进行轮廓提取可实现目标轮廓的完整提取.在轮廓提取的基础上,利用图像轮廓跟踪的方法对目标的特征参数进行提取,同时形成一个波门实现对动态目标的检测.在某系统预研中,设计了一个DSP数字图像处理系统,实验结果表明了该检测方法的可行性和实用性.     

基于多模型融合的SAR图像目标轮廓提取方法

提出一种基于参数活动轮廓模型的多模型融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标轮廓提取方法,即在活动轮廓模型Balloon中引入新兴统计分布模型G0分布、基于区域的统计活动轮廓模型和多边缘检测算子模型,获得了一种新的目标轮廓提取方法。基于MSTAR项目的真实SAR图像的实验结果表明,本文所提出的方法能准确地获得SAR图像目标轮廓,可用于执行实际的SAR图像轮廓提取任务,为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。     

基于活动轮廓模型的人脸轮廓提取

在传统的snake算法基础上,针对人脸轮廓提取这一课题,提出了一种初始化snake的方法,并对传统的snake算法进行了改进。实验结果表明,该方法能够较好地提取人脸轮廓,并在精确度和计算量方面大大优于边缘检测算子方法。     

基于粒子滤波的彩色图像轮廓提取算法研究

针对传统彩色图像轮廓提取目标边界时易受初始轮廓点干扰及收敛速度慢,从而导致提取的彩色图像轮廓噪声大,影响到了图像分割的效果.为解决上述问题,提出了采用粒子滤波的彩色图像轮廓提取算法.首先,给出图像轮廓的预测并在此建立二维空间,以便充分利用图像信息;然后,构建基于PSO寻优方法的状态转移模型,该模型促进了粒子向已知的最优状态靠近,改善了粒子的分布,加快了收敛速度;最后建立Snake能量函数的观测模型,能够较好地定量描述目标轮廓提取的效果.仿真结果表明,与传统的彩色图像轮廓提取方法比较,有效地缓解了受初始轮廓点干扰及收敛速度慢等问题,尤其是低信噪比条件下的图像轮廓提取,优于一般的轮廓提取算法.     

基于几何活动轮廓模型的人脸轮廓提取方法

针对在结构性噪声较严重的情况下 ,常规几何活动轮廓模型无法获得理想分割效果的问题 ,提出一种基于几何活动轮廓模型的人脸轮廓提取方法 ,该方法首先将人脸形状的椭圆性约束作为算子嵌入到几何活动轮廓模型中 ,并利用几何活动轮廓模型提取任意轮廓的优势来快速抽取出图象中类似椭圆的目标边缘 ;然后根据图象中人脸的先验知识 ,通过对检测到的椭圆目标进行进一步验证来找出最终人脸轮廓 .由于采用变分水平集方法做数值计算 ,因此该方法不仅能够自然地处理曲线的拓扑变化和能较精确地提取出图象中的人脸轮廓 ,而且同时可以给出人脸水平旋转的大致角度等信息 .实验结果表明 ,该方法是有效的 .     

基于S变换融合Canny算子的汽车轮廓提取

为了克服当前的Canny算子对噪音敏感、易出现虚假边缘等不足,并能更好地提取汽车轮廓,显著提高其精度,本文提出S变换融合Canny算子的汽车轮廓提取机制。将S变换引入到Canny算子中,利用S变换的中频系数进行轮廓提取,显著提高了抗噪音干扰能力,并使得Canny算子具备识别虚假轮廓信息能力。在Matlab仿真平台上测试了本文机制及其它几种算子的性能。仿真结果显示:与其他几种提取机制相比,本文机制所提取的汽车轮廓精度最高,抗噪音干扰能力最强,信噪比达到32.675。     

融合全局显著性信息的轮廓编组模型

基于感知编组的轮廓提取算法容易受背景上边缘的影响,导致轮廓提取的准确率低,为此提出一种结合感知编组与全局显著性信息的轮廓提取算法.首先在Canny算子框架下增加显著性信息的约束,提取显著边缘,减少了背景上的边缘;然后在Ratio-contour算法的基础上提出了新的目标函数,使得文中算法能够收敛于显著性高的区域,得到的轮廓更准确地标识前景物体.实验结果表明,该算法有效地提高了轮廓提取的准确性,同时大幅减少了轮廓提取的计算时间.     

基于统计与结构信息的SAR图像水上目标检测

设计了基于图像分析理论，根据SAR图像特点形成水上目标轮廓的检测算法。该算法的实现分为3步：(1)基于数理统计的目标检测方法，形成目标区域；(2)用加权统计滤波算子和去除孤立点算法消除噪声，规范需要检测的水上目标；(3)提取目标轮廓。系统在不同的SAR图像上，取得了良好的检测结果。     

改进的主动轮廓模型在脑肿瘤MRI图像轮廓提取中的应用

针对主动轮廓模型(Snake)处理图像时的初始轮廓选取问题,采用改进的区域增长法对图像进行预分割,并将得到的边缘作为主动轮廓模型的初始边缘轮廓;然后分别用sobel算子与梯度矢量流(GVF)代替图像梯度进行主动轮廓模型外部能量的计算,在速度满足要求的情况下,提高了目标区域的提取精度.实验结果表明,基于GVF的主动轮廓模型在脑肿瘤的轮廓提取中能取得更好的效果.     

基于量子力学目标轮廓提取方法

提出了一种新的目标轮廓提取方法-量子轮廓模型。在分析了可变形模型(DeformableModels)的物理背景的基础上,将量子力学中关于粒子运动的观念及规律引入到目标轮廓的提取中,提出了一种基于量子力学目标轮廓提取方法。从理论上论证了此方法的合理性,说明了此方法能够克服可变形模型的一些无法克服的缺点。给出了粒子从一点在下一时刻到达另一点的概率(相对概率)的一种估计方法。实验表明,不管是人工图像还是真实图像,该方法有较好的效果、较快的速度。     

用改进的粒子群算法实现多模态刚性医学图像的配准

多模态医学图像的配准在医学诊断和治疗计划中起着重要的作用．提出了一种基于轮廓特征点和改进的粒子群优化算法((Particle Swarm Optimization，PSO))求解的配准方法．该方法首先用Canny算子提取图像的边缘，用ISODATA算法进行聚类分析提取出轮廓特征点，然后用两轮廓匹配点对的欧几里德距离平均值的极小值作为两个特征点对配准准则，并用改进的PSO算法求解配准所需的空间变换参数．实验证明；该方法配准精度能够达到亚像素级，能够避免陷入局部极小值而且速度得到明显改善，其应用于多模态医学图像的配准是可行的．     

基于改进的GVF Snake模型CT图像轮廓提取技术

CT图像轮廓提取是逆向工程中的关键技术之一,由于基于边界检测算法很难提供一条连续的无间断的边界轮廓。采用一种改进的GVF Snake算法,首先通过人工取点,B样条拟合的方法,提取其初始轮廓,再利用改进的GVF Snake方法进行边界轮廓逼近,以获得比较精确的叶片边界轮廓,克服了传统活动轮廓模型梯度势能场捕捉范围小的缺点,并通过实验证明了该方法的有效性。     

一种改进的基于NSGA-II和DE的多目标混合进化算法

为提高非支配排序遗传算法（NSGA-II）的搜索精度和多样性,本文借鉴差分进化中加强局部搜索的策略,提出了一种改进的NSGA-II算法（LDMNSGA-II）。该算法利用拉丁超立方体抽样技术对解种群进行初始化,保证种群的初始分布能够均匀,采用差分进化中的变异引导算子和交叉算子替换NSGA-II的交叉算子,加强局部搜索能力和提高搜索精度,同时保留NSGA-II中的变异算子,保留算法多样性。四个经典测试函数的仿真结果表明,文中算法LDMNSGA-II在解决多目标优化问题中表现出良好的综合性能。     

遗传算法算子优化的应用

为了解决简单的遗传算法中容易出现"早熟收敛"等问题,需要对遗传算法进行改进.改善的算法采用自适应的交叉和变异算子,让交叉和变异概率随适应函数值的变化而变化.测试证明这是一种有效的优化方法,可以起到跳出"早熟",加速收敛的效果.     

基于改进遗传算法的自动组卷问题的研究

自动组卷优化问题的研究,由于题库组卷的随机性,难度很大。针对传统遗传算法在自动组卷中存在的未成熟收敛和收敛速度慢等问题,为了快速可信地组卷,提出了一种改进的遗传算法。该算法采用模拟小生境法选择算子进行种群选取,并对交叉算子和变异算子进行了优化,实现了交叉和变异概率的非线性自适应调整。进行仿真实验,结果证明,改进的遗传算法在组卷的有效性、稳定性和收敛速度等方面有显著的提高,更能有效解决自动组卷问题,具有较好的使用性能和实用性,能够极大的满足用户组卷的需求。     

基于改进遗传算法的模糊控制器设计

针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略.改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进.并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则.仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能.     

基于车辆路径问题的蚁群遗传融合优化算法

在对车辆路径问题（VRP）分析的基础上,为之建立了数学模型,提出了一种适合求解该问题的蚁群遗传融合优化算法。该算法首先采用蚁群算法产生阶段最优解,然后利用遗传算法的变异算子对阶段最优解进一步优化。仿真结果表明,该算法能高效解决VRP,并且优化效果较好。     

结合IGA和BP算法的物体识别方法

目前常用的物体识别方法,其过程非常复杂,信息量和计算量都很大。结合改进遗传算法的神经网络方法,采用将结构与误差结合的适应度函数,改进的遗传算子实现对BP网络结构和权值的同步优化。提出一种用改进遗传算法优化后的BP神经网络进行物体识别,并以提取的修正不变矩特征作为BP神经网络的输入,仿真结果表明该方法提高了识别的稳定性和收敛性能,并且识别率较高。从而验证了该方法的有效性。     

约束优化问题的改进遗传算法设计

遗传算子是影响遗传算法优化效果的重要因素,针对目前遗传算法研究中对约束优化问题求解的不足,提出基于退火思想的退火选择算子和加权适应度算子,并给出了退火选择算子和加权适应度算子设计方法及其计算过程.在此基础上与现有的遗传算子结合,提出一种新的改进遗传算法,分析了改进遗传算法与基于罚函数遗传算法之间在原理上的区别.最后以两个测试函数为算例对算法进行了性能测试,结果表明改进的遗传算法具有良好的优化性能,能获得更好的优化结果.     

一种求解图着色问题的优化组合遗传算法①

图着色算法是一种典型的NP-完全问题。在逆序算子、对偶算子和矩阵遗传算子的性能研究基础上,采用自然数与二进制相互转换的编码方案,应用图着色问题的约束条件建立适应度评价函数,将具有良好局部搜索性能的矩阵遗传算子与具有良好局部搜索性能的逆序与对偶组合算子优化组合应用,构造了一种用于求解图着色问题的优化组合遗传算法,保证了算法的全局收敛性。与基本遗传算法相比较,实验结果表明,该算法对图着色问题有较好的求解性能。