基于显著性区域的图像分割

在经典的Chan-Vese模型中结合显著性分析,提出了一种有效的目标分割方法.即首先利用频谱残差方法提取图像的显著性区域,针对阈值分割方法的缺点使用改进的自适应阈值分割方法获取目标的大致轮廓,并以此轮廓作为Chan-Vese模型中初始曲线.该方法使得活动轮廓可以从靠近目标物体的位置进行演化,去除复杂背景的干扰.这样就解决了背景复杂时无法得到较为准确的边缘的问题;同时,也减少了CV模型的迭代次数.实验结果表明无论是背景复杂的灰度图像还是医学彩色图像,该算法的分割精度和运行效率都优于CV模型.     

NetWare和WindowsNT的比较与互连

文章首先比较了两种流行的网络操作系统ＮｅｔＷａｒｅ和ＷｉｎｄｏｗｓＮＴ的性能差异,并列出各自新版本ＮｅｔＷａｒｅ５和ＮＴ５．０所包含的新特性,最后介绍了它们的互连方法。     

使用多尺度LBP特征和SVM的火焰识别算法

目前基于视频图像的火灾识别系统是大空间场景中预防火灾的有效方法。为了提高检测性能,基于火焰特定的纹理结构,使用多尺度纹理特征,以获得更全面的特征信息。首先使用火焰的明亮特性定位到疑似火焰区域;然后针对这些区域,采用局部二值模式(local binary patterns, LBP)方法提取多尺度纹理特征;最后将多尺度LBP纹理特征输入到支持向量机(support vector machine, SVM)中进行识别。实验结果表明,该方法计算简单,火焰的检测率较高,误警率较低。     

一种线性插补与自适应滑动窗口价格预测模型

因为基于Web数据挖掘的商品价格预测的准确率都不高,所以为了提高价格预测的准确率,提出了一种基于线性插补与自适应滑动窗口的商品价格预测方法,给出了将线性数据插补方法与自适应滑动窗口结合的商品价格预测模型,并将该商品价格预测模型应用于手机与黄金价格的预测。实验结果表明,该预测模型获得了99％以上的预测准确率,提高了网页商品价格数据抽取的抗噪性能,解决了现有销售商只有历史销售价格数据没有基于多个销售商的预测价格问题,可以为商品的市场预测与分析提供依据。     

应用GMM的快速火焰检测

基于视频图像的火焰检测是火灾预防研究的重要内容。为提高检测效率,首先使用具有自适应背景变化的 高斯混合模型(GMM)来检测场景中的运动物体。然后针对运动物体,提取颜色特征和面积变化特征。最后,根据得 到的特征来识别场景中是否有火焰发生。该方法不仅可有效检测到视频中的火焰帧,还避免了非火焰场景中对计算时 间的浪费。     

多特征融合的火焰检测算法

视频火焰检测是复杂场景下预防火灾的重要方法。为了提高火焰的检测效率和鲁棒性,基于RGB和HSI颜色空间改进了火焰的颜色特征模型,有效地提取了疑似火焰区域;实验对比分析了火焰不同的形状结构特征,及其特征组合对火焰检测有效性的影响,提出了一种融合圆形度、矩形度和重心高度系数的火焰检测算法,然后将融合后的火焰特征输入支持向量机(SVM)中进行分类。在Bilkent大学火灾视频库上的实验结果表明,该方法高效、快速,且能适用于多种场景。     

一种自适应最大拒绝鉴别分析及其鉴别矢量集

针对MRC-Boosting方法中的弱分类器二值化以及鉴别矢量不正交等问题,提出一种自适应最大拒绝鉴别分析(AdaMRDA),进一步提高分类性能,通过已抽取的鉴别特征到期望中心的距离,设计一种自适应权重调整方法,使得后面得到的鉴别矢量更加有利于分类,并且给出最佳正交鉴别矢量集的求解方程.最后,通过在2个数据库上的实验证明,AdaMRDA方法在分类性能上明显优于MRC-Boosting方法及相关方法.     

可擦除可编程只读存储器的复制

目前计算机技术迅速发展，ERPOM在程控系统中得到广泛应用。本文从应用的角度，设计一种切实可行的能对ERPOM进程程序复制的电路，并扼要的阐述了电路的工作原理，让从事各种程控系统的工作人员，在不具备EPROM程序复制所需的专门设备情况下，也能把程序复制和写入到EPROM中去。     

融合色彩和轮廓特征的火焰检测

基于图像的火焰检测能适应大空间和恶劣环境火灾预防应用的需要,首先分析了火焰图像的色彩及轮廓信息等重要特征,然后提出了基于连通区域面积阈值化的单像素宽度目标轮廓特征的抽取方法,再应用所建立的火焰检测色彩模型,融合火焰色彩和边缘轮廓动态变化等特性,实现了在视频序列图像中火焰的自动检测.实验结果显示,该方法能实时检测火焰,误判率低.     

利用显著边界点的图像自动分割算法

图像分割是图像分析的必须步骤,提出一种利用显著边界点和局部化区域型轮廓模型将显著性目标从自然图像中自动分割的新颖模型。首先通过颜色提升的Harris算子得到显著的边界点,其次提出核心显著图从显著边界点中得到目标种子点,然后目标显著边界点由这些种子点确定,最后目标显著边界点作为凸包的种子点产生初始轮廓。大型的自然图像库的实验结果令人满意。