基于两级阈值的图像分割技术在文档图像中的应用

研究图像二值化分割问题。针对模糊或者蜕化文档图像背景与文字融合在一起导致难以区分的难点,提出一种快速有效的两级结构图像分割算法。首先利用迭代算法对图像进行单一阈值分割,在每次迭代过程中以图像均值为依据,对图像进行均衡化处理;在基于全局分割的基础上,在局部范围内根据噪声的统计特性对文档图像进行去噪处理。方法简单高效,实验结果显示该方法能快速地将文档中的文字与背景进行分离,为后续的文档自动化处理提供准确有效的二值化图像。利用该方法,可以方便地拓展到其他类型的二值化处理系统中,例如车牌分割等。     

基于简化的质点-弹簧模型织物变形仿真研究

研究织物变形特定性优化问题,针对织物形状动态改变提出了一种基于物理模型方法仿真织物变形,对织物采用质点-弹簧模型进行建模,解决织物变形在实际中的真实特用性,对质点-弹簧模型作了简化,即在模型中减少一部分剪切弹簧.在求解模型中,采用简单的显式欧拉积分法来求解织物的变形方程.同时对织物与环境之间进行了碰撞检测与处理.仿真结果表明,设计的模型稳定性和实时性好,为实际实现提供了参考.     

改进的自适应遗传算法医学图像配准研究

研究图像配准精度问题。图像配准技术一直被广泛应用在医学图像和遥感图像等众多领域,由于不同的模式设备对人体内的组织会存在不同的灵敏度和分辨率,造成了图像的分辨率不同,而传统的配准算法对于具有不同的分辨率的图像配准的精度度难以提高。为此提出了一种将改进的自适应遗传算法并应用到图像配准的优化过程中,该算法首先采用进化前后期分别调整交叉概率和变异概率来克服传统遗传算法容易陷入局部最优的缺点,同时采用了刚体旋转方法对图像进行旋转匹配,使得图像可以进行局部的匹配。仿真结果表明了该算法有效的提高了图像配准的精确度,验证了该算法是一种可行性有效的图像配准算法。     

基于粗糙集理论属性重要性的离散化算法

本文主要研究了粗糙集理论在决策表离散化中的应用,提出了一种基于粗糙集理论属性重要性的决策表离散化算法。该算法首先使用依赖度来定义属性的重要性,并据此对条件属性按照重要性由小到大排序,然后按排序后的顺序,考察每个条件属性的所有断点,将冗余的断点去掉,从而将条件属性离散化。     

基于MRF的SMT焊点区域分割的研究

基于马尔可夫随机场（MRF）图像分割模型,该文提出了一种能够较好分割出表面贴装技术（SMT）焊点区域的分割算法,即基于Gibbs采样的模拟退火算法,并讨论了影响图像分割效果的主要因素,最后将该算法与传统的Gibbs采样算法以及模拟退火算法进行比较。实验结果表明,该算法通过少量人工干预、降低采样维度,从而减少了优化收敛时间,能最快地收敛到全局最优,分割成功率较高,结果较为精确,为进一步的焊点质量分析提供了保证。     

近邻保持降维技术在网络异常检测中的应用

针对入侵检测中的高维数据处理问题,以直推式网络异常检测方法为原型,提出了一种基于近邻保持降维方法的新模型。该模型能够用于高维数据的降维,从而减少欧氏距离的计算量,加快异常检测算法的训练及检测速度。采用著名的KDD cup99公用数据集的仿真实验表明,相比较基于主成分分析法和单类支持向量机的网络异常检测模型来说,基于近邻保持降维技术的检测模型能够在降维的同时,保持较高的检测率和较低的误报率。     

海量小差异图像群中有效分类方法研究与仿真

对海量小差异图像群进行有效分类,能够极大地满足用户对于图像搜索及管理需求.传统的海量小差异图像分类的方法需要限定大量的分类约束条件,存在分类效率低,无效分类多的弊端.为此,提出基于模糊贴近度改进的海量小差异图像分类方法.利用SIFT算法对采集的海量小差异图像群进行特征提取分析,为进行图像进一步分类提供数据支持.把模糊贴近度的概念引入到分类算法中,对海量小差异图像群进行分类模型构建,求取最优解,完成对海量小差异图像群的最优分类.实验结果表明,运用改进分类算法对海量小差异图像进行分类,能够提高图像分类的效率和分类的准确率.     

神经网络在信息安全风险评估中应用研究

针对信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在-定的局限性.为了提高安全风险评估性能,将RBF神经网络理论、粒子群算法分析以及模糊评价法进行有机结合,建立了一种粒子群优化的RBF神经网络信息安全风险评估模型.首先通过模糊系统对信息安全风险因素指标进行量化,将模糊系统的输出输入到RBF神经网络的模型中,然后利用粒子群算法对RBF神经网络的参数进行优化并加以训练,最后得到优化评估模型.进行仿真的结果表明,改进的RBF神经网络模型可实现对信息系统的风险评估,解决了传统评估方法所存在的主观随意性大、结论模糊等缺陷,并且比RBF神经网络具有更高的拟合精度、更强的学习能力和更快的收敛速度.     

基于分块DCT的视频文字检测算法

针对大量视频图像中出现的各种文字信息,本文提出了一种基于离散余弦变换(DCT)的文字提取算法。该方法首先将图像分割为等大小基本块,然后对各小块提取DCT特征。在此基础上,利用图像对比度,设计了一种动态阈值分割方法,可将文字信息和背景信息进行分离。然后依据最小外接矩形算法,获得初始文字检测结果。最终使用Voronoi Diagram算法对初始区域进行合并得到最终文字区域检测结果。算法可以快速而精确定位文字所对应的区域,并且能适用于各种背景条件下的视频图像。     

Web数据挖掘在电子商务中的应用研究

数据挖掘技术的重点已经从传统的基于数据库的应用转移到了基于Web的应用。本文讨论了基于WEB的数据挖掘技术的概念与分类,提出了一个Web挖掘系统的逻辑框架,并针对常用WEB挖掘技术进行了说明,分析了在电子商务中应用的各个方面。