结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题，提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像，并利用位图切割重建梯度图像；对新梯度图像进行分水岭预分割；对预分割图像基于异质性最小原则进行区域合并，并获得最终分割结果。相比于现有的同类方法，该算法引入位图切割，抑制噪声对分割结果的影响，在边缘模糊处分割准确，得到符合人类视觉的较小分割区域数目，同时在运行效率上提高。     

基于一次U系统的商业票据防伪的数字水印算法

本文将一次U系统的正交函数系应用到商业票据防伪中,给出了一种新的数字水印算法.通过算法设计和仿真实验分析,该数字水印算法对票据防伪具有算法简单易实现,能够抵抗票据的涂抹、裁剪、JPEG压缩、加噪等攻击的特点.可适用于商业票据的防伪和认证.     

基于遗传算法的某作业现场辐射防护最优化问题

运用遗传算法(GA)对核电厂大修现场中一个阀门维修中管道临时屏蔽方案进行优化设计,建立对2根管道屏蔽的辐射剂量的数学模型,将模型转化为一个带约束的组合优化问题,然后采用GA对此问题进行求解。实验结果表明,GA可以给出精确、完整的屏蔽方案。     

一种模糊双向最大间距准则人脸识别方法

研究提出一种模糊双向最大间距准则(fuzzy bidirectional maximum margin criterion,FBMMC)特征提取方法,并将其用于人脸识别.在FBMMC中,首先通过引入原始训练样本集的模糊隶属度矩阵,定义了面向图像的行方向模糊离散度矩阵和行方向模糊最大间距准则,进一步求得行方向最优投影矩阵;然后,对原始训练样本集中的每一个样本,采用行方向最优投影矩阵进行投影变换,从而得到行方向特征训练样本集.同样地,通过引入行方向特征训练样本集的模糊隶属度矩阵,给出了面向图像的列方向模糊离散度矩阵和列方向模糊最大间距准则的定义,进一步求得列方向最优投影矩阵.FBMMC在得到行、列两个方向的最优投影矩阵后,就可以将原始数据空间的样本数据投影到一个相对低维的特征空间,从而完成对原始样本数据的特征提取.在ORL和Yale人脸数据库上的实验结果表明,文中提出的模糊双向最大间距准则特征提取方法用于人脸识别具有较高的识别率.     

基于Adaboost改进算法的铸坯表面缺陷检测方法

 针对钢铁铸坯表面检测及缺陷识别问题，从图像处理及机器学习角度，提出一种基于Adaboost算法的进行钢铁铸坯表面缺陷检测，并结合Gabor小波和Canny边缘检测进行处理，排除伪缺陷的新方法。大量试验表明：该方法能够较好地检出具有缺陷的钢铁铸坯，且具有准确率高、速度快、易实施等优点。     

彩色图像人脸特征点定位算法研究

本文提出了一种基于复合局部信息模型的改进Active Shape Model(ASM)算法,并进一步提出了基于人脸特征点Gabor小波特征降维分类的特征点搜索方法,对改进ASM的结果进行精确校正,达到鲁棒精确定位特征点的目的.本文首先对经过Adaboost检测的彩色图像人脸区域进行光照补偿,然后根据眼睛和唇色的色度特性定位双眼和嘴唇中心位置,从而得到较好的人脸特征点的初始位置.在特征点位置搜索中,本文结合肤色概率信息对ASM方法进行了改进,从而提高了仅基于灰度梯度信息的传统ASM方法的鲁棒性和准确性.最后选取改进ASM搜索后的某些特征点一定领域内梯度值较高的点,提取其Gabor小波特征,通过线性判别式分析法(Linear Discriminant Analysis)和最近邻分类法对其进行分类,搜寻最符合训练样本Gabor特征的点作为最佳位置点,修正了ASM的搜索结果,使得搜寻结果更加精确.     

基于正则化Adaboost的红外目标识别

对于高维特征空间的分类,Adaboost算法是一种有效的分类算法.然而,如果把Adaboost算法直接运用到红外目标的识别,就会面临高噪声下的Adaboost过拟合问题.采用正则化后的Adaboost算法,即AdaboostKL算法作为分类算法的学习模型,以NaiveBayes作为弱学习器,提出了基于正则化Adaboost的红外目标识别算法.正则化的目的是为避免在红外图像特征高噪声下分类器的过拟合,改善了在高噪声数据下目标识别的可靠性.在求取Adaboost的权重分布时,采用的是熵正则化的方法.通过实验,验证了此算法,则即使面对高噪声的红外数据,也能获得较好的识别效果.     

基于容积卡尔曼滤波的异质多传感器融合算法

针对机动目标跟踪系统建模中的非线性问题,提出一种基于容积卡尔曼滤波(CKF)的雷达与红外传感器融合算法。考虑到被估计系统对目标跟踪算法实时性与精度的要求,在容积滤波框架下构建了集中式量测融合(CMF)和分布式状态融合(DSF)两种结构形式。CMF结构采用最优加权方法,首先对雷达和红外两种异类传感器的方位角度量测信息进行融合,并将其与融合后的雷达径向距量测构建新的量测数据,进而通过CKF算法对机动目标进行跟踪。DSF结构则首先对雷达量测中径向距信息进行加权融合,并将融合结果作为红外传感器的虚拟径向距量测,以实现红外量测的扩维处理,进而对每组量测数据应用CKF进行分布式并行加权融合,获得目标运动状态的最终估计。仿真场景中,对两种融合方法的性能进行比较,理论分析与仿真实验验证了算法的可行性与有效性。     

基于改进模糊算法和相对熵的遥感图像增强

针对传统的Pal-King算法阈值难以确定的缺点,利用改进的最大类间方差(OTSU)算法来自适应获取阈值,通过改进的模糊增强算法对遥感图像进行全局增强,然后以相对熵为判别标准,进行领域信息的自适应对比度增强。实验结果表明,该算法增强的结果在主观上能获得很好的视觉效果,客观指标中清晰度和标准差有了大幅度的提升。因此该算法能获得很好的视觉效果和更加明显的细节信息。     

基于权重一致性优化的实时Marginalized粒子滤波算法

针对Marginalized粒子滤波中随机量测噪声对于非线性状态估计精度的不利影响以及线性状态估计中计算量较大问题,提出了一种基于权重一致性优化的实时Marginalized粒子滤波算法.首先,结合量测系统建模中先验信息的提取和利用,通过粒子权重间一致性距离和一致性矩阵的构建,提出了量测提升策略下权重的一致性优化方法,以改善粒子滤波在非线性状态估计中的滤波精度.其次,通过对Marginalized粒子滤波实现中时间更新和量测更新环节的结构优化,给出了实时Marginalized粒子滤波,以降低蒙特卡罗仿真实现下卡尔曼滤波在状态线性估计中的计算复杂度.最后,在两者的动态结合基础上给出了新算法具体实现步骤.利用基于单站雷达目标跟踪仿真场景,分析了算法性能.理论分析和仿真实验结果验证了算法的可行性和有效性.