基于时空熵与标签技术的运动目标检测算法

针对生物运动目标检测问题,为解决生物目标在运动检测中存在着非线性运动、检测速度慢以及目标易变形等问题,提出了一种基于时空熵与标签技术相结合的运动目标检测算法。方法结合标签技术将熵的相关原理运用于生物运动目标检测领域。首先对每个象素点建立一个基于时间和空间的滑动窗,按着运用标签技术对滑动窗分配标签,并求得点的直方图进而计算出点的时空熵,可利用熵的大小来判断点是否属于运动目标点,进行对生物运动目标的实时仿真。实验结果表明运算复杂度降低、参数鲁棒性较强、抗噪声能力较好,证明是一种可靠和有效的生物运动目标检测方法。     

基于视觉感知与V-detector的水质异常检测方法

为了快速准确地对水质进行评价分析,提出了一种新的水质异常检测方法.该方法将视觉感知技术与人工免疫系统中的否定选择原理相结合.首先采用视觉驱动的生物监测技术对水质指标进行采集,然后利用基于否定选择原理的可变V-detector算法对水质指标进行评价分析.由于视觉感知技术具有敏感性、综合性以及人工免疫系统具有自组织、自学习、自识别等特点,故该方法能够快速准确地对水质进行实时检测评价.实验结果表明该方法是一种实用的水质检测评价方法.     

否定选择算法综述

对否定选择算法进行了综述,首先回顾了否定选择算法的产生与发展;接着按照不同技术标准对其进行分类,并列举否定选择算法的实际应用情况;最后讨论了该算法所存在的问题以及未来的发展方向。     

基于拟随机序列与克隆选择的进化V-detector 算法

阴性选择(NS)算法是人工免疫的核心方法,检测器生成是其关键。针对其经典V-detector算法中高维数据失效及随机生成初始检测器集过于集中而导致过早收敛等问题,首先采用拟随机序列生成初始检测器;然后通过克隆选择优化检测器集合,以覆盖非自体空间大小及数量作为亲和力标准,克服传统进化阴性选择(ENS)算法的局限性,并采用新型进化算子使得算法生成最优检测器集合;最后,通过实验验证了该方法的有效性。     

基于克隆选择的图像分割算法研究

为了快速有效地对生物运动图像进行分割,提出了一种新的图像分割算法,该方法基于传统的2维最大熵分割法,将计算机免疫学中的克隆选择算法应用于图像分割中。首先对图像2维阈值进行编码,然后依据2维最大熵准则建立亲和力函数,在给定的初始种群下,对种群进行选择、克隆、变异、更新等操作,由于克隆选择算法具有生物免疫系统自组织、自学习、自识别、自记忆的能力,所以能够快速地得到全局最优解,实现图像的有效分割。从实验结果表明该算法所用搜索时间大约只有标准2维最大熵法的1.3%,证明该算法高效稳定,是一种实用有效的图像分割算法。     

基于模糊推理背景分割的目标检测方法

为解决传统背景差分法存在的背景更新缓慢问题,提出基于模糊推理背景分割的目标检测方法。该方法在传统的背景差分方法中引入帧间差分方法,结合IF THEN推理规则进行模糊推理,实现了背景的快速更新及目标的正确检测。引入抗噪声推理机制,抑制跟踪目标抖动,增强方法鲁棒性。通过对鱼的运动检测实验表明,该方法能有效快速地提取干净的背景,对运动目标进行实时检测。     

视觉驱动的可变V-detector水质检测方法研究

水质安全是国家安全与社会安全的关键内容之一,为了快速准确地对水质进行实时评价分析,提出了一种新的水质异常检测方法。该方法结合视觉感知技术,将人工免疫系统中的否定选择原理应用于水质异常检测领域。首先采用视觉驱动的生物监测技术对水质指标进行采集,然后利用基于否定选择原理的可变V-detector算法对水质指标进行评价分析。由于视觉感知技术具有敏感性、综合性以及人工免疫系统具有自组织、自学习、自识别等特点,故该方法能够快速准确地对水质进行实时检测评价。实验结果表明该方法高效稳定,是一种实用的水质检测评价方法。