基于纹理的自适应提升小波框架的图像增强

经典二维小波变换仅在图像的水平和垂直方向进行变换,对图像的纹理信息表示能力不足,基于小波变换的图像增强的效果还不尽人意。为了更好地表示图像的纹理信息,提出一种基于纹理的自适应提升小波的图像增强方法,根据图像的局部特征预测图像的纹理方向,沿纹理方向应用小波变换,使图像的纹理信息表示更准确,而且小波变换法在抑制噪声方面性能优良,将其应用于图像增强,仿真及实验结果表明该方法具有有效性和实用性。     

自适应特征加权的Gibbs随机场影像分割方法

针对现有分割算法很少同时兼顾不同特征分量区分能力的差异和相邻像素间的相关性的问题,提出了一种结合Gibbs随机场的特征加权遥感影像分割方法.该方法首先依据训练样本计算各特征分量的区分能力,确定不同地物类别相应的特征分量的权重;然后利用加权最小距离分类法对影像进行初始分割,并利用Gibbs随机场来描述像素的空间相关性;最后综合Gibbs随机场描述的标记场和加权最小距离分类法描述的特征场来获取影像的最终分割结果.实验结果表明,Gibbs随机场能够有效地描述空间相关性,根据区分能力确定的权重强化了区分能力强的特征分量.     

应用泛在学习模式提高研究生科研创新能力的探索与实践

为了满足研究生多样化、个化性的培养需求,提出了应用泛在学习模式来提高研究生科研创新能力的方法.文章分析了传统研究生培养方式的不足之处,总结了基于EduCoder平台建设泛在学习系统的过程,并探讨了引导研究生应用泛在学习系统进行自主式学习的方法.泛在学习模式激发了研究生利用碎片化时间进行学习的热情,有效缓解了师生交流压力,提高了研究生的科研创新能力.     

基于EMD和小波分析的多尺度边缘检测

提出了一种基于EMD(Empirical Mode Decomposition)与小波分析相结合的多尺度边缘检测方法。首先将图像信号进行EMD分解,将其分解成n个IMF(Intrinsic Mode Function)函数,再对每个IMF函数进行小波变换。将该方法应用于图像的边缘提取,较好地得到了图像的边缘信息。     

基于有限邻域EMD和小波分析的图像边缘检测

提出了一种基于有限邻域EMD(Neighborhood Limited Empirical Mode Decomposition)与小波分析相结合的图像边缘检测方法。首先将图像信号进行有限邻域EMD分解,将其分解成n个IMF(Intrinsic Mode Function)函数,再对每个IMF函数进行小波变换。将该方法应用于图像的边缘提取,较好地得到了图像的边缘信息。     

基于小波包分析的ATM网分层传输

针对DCT固有的方块效应以及小波变换存在“高频低分辨”的缺点,本文提出基于小波包分析的ATM网分层传输,并运用MATLAB工具箱进行实验。结果表明,小波包分层法适合ATM网络中多种业务传输的要求。     

免疫系统模型的优化及其应用研究

通过免疫系统模型的介绍,文章提出多属性r连续位匹配规则来优化免疫系统模型并将其应用于图像识别中。实验表明,优化的免疫系统模型不仅提高了模式识别的效率,而且算法的时间复杂度和空间复杂度令人满意。     

结合光谱和形态剖面特征自适应加权影像分类

针对遥感影像分类中多特征利用的问题,提出一种综合利用光谱和形态剖面特征的分类方法.该方法首先将原始影像经形态属性滤波器滤波所得的形态剖面特征和影像光谱值一起组成特征向量;然后依据训练样本各特征分量的方差确定不同地物类别相应特征分量的初始权重,并通过训练样本的特征加权获得各类别的初始中心;随后,根据初始权重计算每个训练样本到各聚类中心的加权距离,将最小距离对应的类别作为训练样本的初始类别;再对每一类别,根据该类训练样本中那些被错分为其他类别样本的均值与该类初始中心的距离来调整该类初始权重;最后,根据调整后的权重,采用加权距离最小分类方法对整个影像进行分类.实验结果表明,形态剖面特征有效地弥补了光谱信息区分能力不足的缺点,调整后的权重强化了区分能力强的特征分量.     

多源影像融合与分割的协同方法

针对现有影像融合与分割方法之间缺乏协同的问题,借鉴数据同化系统能够协同其模型算子和观测算子,并且能够自适应地优化其本身的思想,提出一个多源影像融合与分割的协同框架.在该框架下,以基于对比度金字塔变换和基于非下采样的Contourlet变换的两种融合方法分别模拟模型算子和观测算子,以评价分割效果的概率随机系数为目标函数,以带交叉算子的粒子群算法作为数据同化系统的优化算法.该框架可根据融合结果影像来调整分割算法的参数,利用分割结果来指导融合结果的优化,从而使得影像融合与分割协同工作.二组实验验证了该框架的有效性.     

一种优化的ARTIS免疫系统模型研究及其应用

在介绍ARTIS免疫系统模型的基础上,提出多字段r连续位匹配规则来优化ARTIS模型并将其应用于汽车图像识别中。实验表明,优化的ARTIS模型不仅提高了模式识别的效率,而且算法的时间复杂度和空间复杂度是令人满意的。