基于小波变换和Retinex算法的显著性检测

近些年来,关于图像显著性检测的研究越来越热门。基于之前提出的很多算法产生的显著图都存在背景信息杂乱、干扰噪声多、细节丢失等问题,本文提出了一种基于小波变换和Retinex算法的显著性检测算法来解决以上问题。首先,利用Retinex算法对图像进行前期处理;然后,对前期处理过的图像进行SLIC超像素分割,对超像素进行小波变换,分别生成原始图像低频部分和高频部分的特征图,并进行适当的双边滤波降噪,生成对应的显著图;最后,通过加权组合这两种显著图,得到最终的显著性图。实验结果表明,本文提出的算法生成的显著图具有受背景影响小、噪声少以及细节突出等优势。     

基于ViBe的改进运动目标检测方法

提出一种基于ViBe算法的改进运动目标检测方法。改进的方法利用二十帧图像进行背景模型的初始化,通过比较SILTP特征值来对前后景像素进行分类,模型更新机制采用替代异常值的方式。在不同场景下的实验结果表明,改进后的算法对光照变化、鬼影产生和噪声具有强鲁棒性。     

玻璃微光管及其应用

简述了玻璃微光管的结构和性能特点，并介绍了利用玻璃微光管开发微光夜视仪应注意的一些问题。由于玻璃微光管的价格相对低廉，其在民用和准军用方面的应用还大有可为。     

组件树理论和方法研究综述

组件树方法是数学形态学理论及方法的进一步发展，它利用一系列阈值截集产生连通分量，构造其上的层次关系。利用组件树方法发展出的一系列高效的图像处理算法，非常适合图像底层特征的快速提取，在广大的领域，尤其是医学图像处理领域，得到了广泛的应用。对组件树方法的发展和现状进行了系统的回顾，概述了现存的组件树建树算法以及基于组件树的图像处理算法。对组件树在多值（彩色）图像相关领域、树的快速构建、并行化处理算法方面的研究进行了展望。     

基于改进inception的脱机手写汉字识别

由于字形的复杂多变,脱机手写汉字的识别一直是模式识别的难题,深度卷积神经网络的发展为其提供了一种直接有效的解决方案。研究基于inceptions 结构神经网络的脱机手写汉字识别,提出了一种inception结构的改进方法,它具有结构更加简单、网络深度扩展更加容易、需要的训练参数量更少的优点。该方法在数据集CISIA-HWDB1.1 上进行了实验验证,采用随机梯度下降优化算法,模型达到了96.95%的平均准确率。实验结果表明,使用改进的inception结构在图像分类上具有更好的鲁棒性,更容易扩展到其他应用领域。     

融合文本图卷积和集成学习的文本分类方法

为了提高文本分类的准确率并解决文本图卷积神经网络对节点特征利用不足的问题,提出了一种新的文本分类模型,其内在融合了文本图卷积和Stacking集成学习方法的优点。该模型首先通过文本图卷积神经网络学习文档和词的全局表达以及文档的语法结构信息,再通过集成学习对文本图卷积提取的特征进行二次学习,以弥补文本图卷积节点特征利用不足的问题,提升单标签文本分类的准确率以及整个模型泛化能力。为了降低集成学习的时间消耗,移除了集成学习中的k折交叉验证机制,融合算法实现了文本图卷积和Stacking集成学习方法的关联。在R8、R52、MR、Ohsumed、20NG等数据集上的分类效果相对于传统的分类模型分别提升了1.5%、2.5%、11%、12%、7%以上,该方法在同领域的分类算法比较中表现优异。     

基于随机集的合成信息系统粗集模型

研究基于随机集的实值信息系统及其合成系统的粗糙集模型。用随机集值映射表示专家对实值信息系统知识结构的认识,给出 2类合成信息系统的形式化定义,并研究对象合成信息系统和属性合成信息系统的基于随机集值映射的粗糙集模型及其性质,讨论其中上、下近似算子之间的关系。实例证明,该模型能利用此关系由原信息系统模型估算或计算出其合成信息系统模型的上、下近似算子。     

基于Spatially-Variant数学形态学的二值图像边缘检测

结合二值图像边缘检测的需要,提出一种基于Spatially-Variant数学形态学的图像边缘检测算法。该算法使用了依像素位置而变化的Spatially-Variant (SV)结构元,使其能够依据图像细节而变化,达到自适应的效果并能有效检测图像边缘和保持边缘的平滑性。与传统边缘检测算子进行的对比实验结果表明,该算法有以下明显优点:抗噪声性能好,实时性好,非常容易实现,具有一定的实用性和可行性。     

基于随机模糊集的不完全信息系统粗集模型

传统的Pawlak粗集理论对处理不完全信息系统具有一定的局限性,研究其相关理论及方法具有重大意义.本文引入随机模糊集概念,首先根据专家的领域知识对不完全信息系统进行模糊值完备化,在对象论域构造以随机模糊集为基础的复合模糊关系,以此作为构造复合近似粗糙集模型的出发点.将Krysckiewez容差关系粗集模型和Stefanowki不对称相似关系粗集模型扩展到模糊领域,并对属性约简的一些重要概念进行模糊集扩展.本文的结果为利用粗糙集理论处理不完全信息系统提供了一种新思路.     

基于概念格的最简规则挖掘算法

概念格是知识处理和数据分析的重要数学工具.概念格快速构造算法对挖掘关联规则非常重要.本文构造了决策表对应的形式背景和概念格模型,分析了扩展不可分辨矩阵、概念格和最简决策规则发现之间的关系:概念格的内涵都来自于扩展不可分辨矩阵的特征元,最简决策规则的条件元一定是概念格某个结点的内涵缩减.本文给出了形式概念格的快速渐进式构造算法和基于概念格的最简规则获取算法,该算法直观简捷.最后以一个工程实例对本算法的有效性作出了证明.