基于SAR图像的自动船只检测模型与算法实现

船只检测是实现船只航行安全的重要方法之一,利用SAR图像可实现船只检测。本文论述了海上船只检测的方法、过程及相应的算法。根据实际检测多位于存在陆地和岛屿的近海图像,利用分形维作为海陆分割的阈值,采用改进的分裂合并算法进行分割,并利用轮廓跟踪及种子填充消除分割遗留的孤立区域,使得海陆分割达到了较好的效果。在比较、试验的基础上,船只检测中采用了改进的CFAR算法,依据视数的不同选择不同的杂波模型,既消除了杂波模型参数计算复杂性,又取得了较好的时效性。通过试验证明,本文提出的算法在实际检测中取得了较好的效果,识别率高、虚景率低且实时性好。     

基于特征线段匹配的救援机器人建图方法

针对救援机器人的环境识别及其建图(SLAM)问题,提出了一种基于特征 线段匹配的方法。通过激光雷达获取环境信息,采用特征线段提取匹配的方法提高了系统运 行速度,在救援机器人移动过程中,系统能够及时、准确地进行全局地图更新。在救援环境 中,利用救援机器人进行环境识别及建图,实验结果表明：采用基于特征线段匹配方法实现 建图,能够得到较完整的环境地图,其方法具有很好的实用性。     

基于划分-合并和稳健M-估计的运动图像分层表示方法

本文提出了一种基于划分－合并和稳健Ｍ－估计以及最小描述长度约束的运动图像分层表示方法，与现有的方法比较，算法在参数估计方面有较大改进，不仅免除了人工干预，而且计算量也比较小，在参数优化过程中，采用了更符合实际情况的主成分滤波，得到了满意的结果。     

基于八叉树分裂合并的医学体数据分割

提出一种基于八叉树的分裂合并算法,能够准确而高效地对医学图像体数据进行分割操作,并通过可视化技术重现人体器官.实验表明该方法实用有效,能够得到符合人类视觉系统特性的分割结果.     

四叉树结构在复杂多目标图像分割中的应用

针对有噪声的复杂多目标图像,引入四叉树的数据结构,区域生长条件运用象素周围k×k邻域的特性进行判决.由于是两个邻域比较特性,需要用到统计学中的假设检验等方法,采用最优阈值作为区域增长的相似性检测准则.达到了以下目的:第一,通过剪切过程减少了许多计算冗余,分割速度明显快于传统的区域增长;第二,由于考虑了邻域性质,抗噪声能力和工作鲁棒性也有所增强.实验表明,把四叉树结构引入复杂多目标图像分割能取得较好的效果.     

一种纹理图像分割方法--分开-扩张方法

针对分开-合并方法分割纹理图像存在的纹理特征不规则性的问题,提出了一种新的基于四分树的分开-扩张的区域分割方法.通过对各类别的不同测量区域的纹理样品进行监督分类,确定分割的初始区域和终止区域,并把样品分类的精度作为各测量区域的纹理特征的权值,根据是否满足一致性属性和区域的性质进行分开或扩张.该方法较好地处理了不同测量区域的纹理特征可信度不一致的问题,扩张的过程可提高分割的精度并避免小区域纹理特征的不稳定.实验结果表明,分开-扩张方法能有效地分割纹理图像,其分割精度优于分开-合并方法.     

基于信息瓶颈法的图像分离-合并分割算法

在图像处理中,分割算法是其主要研究焦点之一。针对该问题,提出基于信息瓶颈法的新图像分离 合并分割算法。该方法的目的是抽取与输入相关的一个变量的紧密表征,并使得在考虑与输出相关的另一个变量互信息的损失最小。首先,基于一系列图像区域和强度直方图集合之间定义信息渠道,在此渠道中,以互信息的最大化来优化图像分割法;然后,通过最小化互信息损失,完成在上一阶段中获得的多区域合并过程。在二维图像上做的实验表明所提出算法的性能。     

基于特征线段匹配的救援机器人建图方法

针对救援机器人的环境识别及其建图(SLAM)问题,提出了一种基于特征线段匹配的方法。通过激光雷达获取环境信息,采用特征线段提取匹配的方法提高了系统运行速度,在救援机器人移动过程中,系统能够及时、准确地进行全局地图更新。在救援环境中,利用救援机器人进行环境识别及建图,实验结果表明:采用基于特征线段匹配方法实现建图,能够得到较完整的环境地图,其方法具有很好的实用性。     

基于在线分裂合并EM算法的高斯混合模型分类方法*

为了解决传统高斯混合模型中期望值EM处理必须具备足够数量的样本才能开始训练的问题,提出了一种新的高斯混合模型在线增量训练算法。本算法在Ueda等人提出的Split-and-Merge EM方法基础上对分裂合并准则的计算进行了改进,能够有效避免陷入局部极值并减少奇异值出现的情况;通过引入时间序列参数提出了增量EM训练方法,能够实现增量式的期望最大化训练,从而能够逐样本在线更新GMM模型参数。对合成数据和实际语音识别应用的实验结果表明,本算法具有较好的运算效率和分类准确性。     

多边形近似曲线的基于排序选择的拆分合并算法

将遗传算法的排序选择策略引入到传统的拆分与合并算法，提出一种基于排序选择策略的拆分与合并算法（RSM）来求解平面数字曲线的多边形近似，解决了传统的拆分与合并算法对初始解的依赖问题．用2条通用的benchmark曲线对RSM算法进行测试，结果表明该算法的性能优于遗传算法和传统的拆分与合并算法．将RSM算法应用于湖泊卫星图像的多边形近似，取得了较好的近似效果．