基于密度的K-Means算法及在客户细分中的应用研究

针对K-Means算法所存在的问题进行了深入研究,提出了基于密度的K-Means算法（KMAD算法）。该算法采用聚类对象区域空间的密度分布方法来确定聚类个数K的值,然后用高密度区域的质心作为K-Means算法的初始聚类中心。理论分析与实验结果表明了改进算法的有效性和稳定性,并将改进的算法应用于客户细分研究中。     

一种求取物体凹点的算法研究

在图像识别的应用中,物体凹凸情况的分析是非常重要的,它既是描述物体形状的一个特征参数,也是一些重叠物体分离算法的前提。目前,求取物体边界凹点的算法已有多种,但都存在一些不足之处,为此,本文介绍了一种简便算法,该算法在我们开发的微生物细胞图像自动判读系统中已得到应用。     

图像处理系统中宏的设计与实现

图像处理算法具有特定性,一种算法对某类图像可能是有效的,但对其它类图像却未必奏效。在实际应用中,为了能够得到满意的处理结果,对不同类目标图像所采用的算法序列通常也是不同的,因此需要系统具备能够实现算法过程重组的能力。为此,论文介绍了图像处理系统中宏的设计与实现,允许用户自己定义应用于目标图像的算法序列及参数。实验表明,该技术的实现可以极大地提高系统的灵活性。     

基于边界跟踪的快速欧氏距离变换算法

提出了一种基于边界跟踪、剥离的快速二维欧氏距离变换算法.从目标区域的最外层边界开始,自外向内、逐层对目标区域进行边界跟踪、剥离,直至目标区域为空.每跟踪到一个边界像素点,即根据其邻域像素所传递的最短距离信息来计算与最近背景像素间的欧氏距离,并利用一个链表结构来完成对已经过距离变换的像素点的距离更新,以解决距离传递的路径可能改变的问题.实验结果表明,该算法能够得到准确的欧氏距离,并且算法时间不到3×3倒角近似欧氏距离变换算法的2倍,比基于桶排序的欧氏距离变换算法快几十至上千倍.     

一种新的区域种子填充算法

在未知边界的区域种子填充算法中,改进扫描线算法犤1犦具有非常高的填充效率,但它只适用于四连通区域,为此,文章提出了一种新的基于边界跟踪的填充算法,该算法弥补了文献犤1犦算法的不足,可以填充任意的四连通或八连通区域,而在填充效率上仅比其略低几个百分点,因此更具有实际应用性。     

基于边界剥离的细胞图象分离算法

细胞图象的自动判读中，经常遇到聚堆细胞的问题，因而需要采用一种有效的分离算法把它们分离为单个细胞，目前存在的大多数分离算法都要求聚堆细胞连接处的凹陷性比较明显，或者要求在细胞连接处存在局部最小灰度值，否则难以实现正确分离，为了解决这一问题，提出了一种基于边界剥离的分离算法，该算法首先对聚堆细胞区域进行层层剥离，然后根据剥离结果判断是否发生了细胞分裂，进而完成分离，这样就避免了对凹陷性及局部最小灰度值的要求，实验结果表明算法是有效的。     

受损Word文档的数据挽救技术

人们经常遇到因为Word文档文件损坏而造成许多麻烦和损失的现象。文中通过对Word文档结构的分析，提出了简单、有效的挽救受损Word文档中数据的方法。     

一种改进的Harris角点检测算法

图像拼接中,提高角点检测的精确度可以提高配准的精度。在Harris算法的基础上,提出了一种改进的角点检测算法,算法首先分别对图像中每行、每列上所有像素点的Rharris进行X、Y方向的曲线拟合,然后对拟合后的曲线进行分析,若某个像素点的Rharris值在两个方向上都处于“波峰”位置,则将该像素点检测为角点。实验结果表明该算法可以避免阈值的选择,有效地克服了阈值选择不当造成的角点冗余或丢失,提高了角点检测的精度。     

无标志的人体步行腿部骨架检测与跟踪

在计算机视觉领域,人体运动分析的研究正因其广泛的应用前景而越来越受到研究者的重视。对于单目图像序列的人体运动跟踪,现有的方法大多需要进行人工干预,或者在身体上附着标志物,或者对第一帧图像进行手工标记。本文针对这一问题,提出一种简单而有效的自动检测人体腿部骨架的算法,该算法不需要任何人工干预,继而在传统的运动建 模及矩形块RGB颜色匹配的基础上,提出一种圆周相交定点算法,结合踝关节的运动预测对获取的腿部骨架进行跟踪,有效地解决了两腿的自遮挡问题。论文最后给出了跟踪的实实验结果。     

运动物体的阴影检测与分割

阴影检测与分割在基于视频的运动物体检测与提取中具有重要作用.为了准确检测与分割阴影,提出了基于体色向量匹配的阴影检测与分割算法.提取前景区域以后,运用亮度测试法去除亮度值高于对应背景区域的前景区域,然后预判断阴影区域,最后利用体色向量匹配提取阴影区域.另外,提出了亮度步长的方法来检测阴影中的半影.实验结果表明,算法在多数情况下对运动物体阴影检测与分割具有较好的鲁棒性,提高了检测与分割的速度.