基于区域特征和连接成分的地图规范化算法

地图图像规范化算法是使地图图像同类型对象的某种属性具有相同的表现形式的一种方法或过程,它是地理信息识别的一个重要步骤。根据彩色栅格城市交通地图图像中各类地理要素的特征,提出一种基于区域特征和连接成分的地图图像规范化算法。首先对地图图像中的区域特征进行分析,并建立区域识别测度,实现了区域颜色规范化;再通过对非区域对象的连接成分进行分析,并建立道路识别测度,在区域颜色规范化的基础上,实现了道路颜色规范化。实验结果表明,对于彩色城市交通地图图像,该算法取得了良好的效果。     

基于文本区域特征的图像型垃圾邮件过滤算法

垃圾邮件图像中通常含有大量文本区域,且这些区域常含有较多区分能力强的特征。提出一种基于图像中文本区域特征的垃圾邮件图像识别算法。首先提取出图像中文本区域的特征,包括：文本区域数量和面积、色饱和度、文字数量和颜色数量,以及图像的一些属性特征如图像面积等;然后利用支持向量机分类算法来识别垃圾邮件图像。实验表明,对于真实的邮件图像集,算法能够识别出98.5%的垃圾邮件图像,且正确率超过98%。     

基于区域特征和连接成分的地图规范化算法

地图图像规范化算法是使地图图像同类型对象的某种属性具有相同的表现形式的一种方法或过程，它是地理信息识别的一个重要步骤。根据彩色栅格城市交通地图图像中各类地理要素的特征，提出一种基于区域特征和连接成分的地图图像规范化算法。首先对地图图像中的区域特征进行分析，并建立区域识别测度，实现了区域颜色规范化；再通过对非区域对象的连接成分进行分析，并建立道路识别测度，在区域颜色规范化的基础上，实现了道路颜色规范化。实验结果表明，对于彩色城市交通地图图像，该算法取得了良好的效果。     

基于多尺度上下文的图像标注算法

提出了一种在层次化分割框架下,通过结合图像的底层局部特征以及高层的上下文特征,进行图像自动语义标注的新算法. 该算法的核心思想在于对较大的图像区域的识别结果有利于对其包含的较小图像区域进行识别.算法首先对每层分割后的图像区域进行识别, 然后利用贝叶斯定理将各层区域识别的结果通过线性加权的方式进行融合,从而达到对整幅图像进行自动语义标注的目的.与现有的图像标注算法相比,仿真实验表明本文算法获得了最好的标注精度以及最快的标注速度.     

分水岭变换在医学图像分割中的应用

分水岭变换是一种适用于图像分割的强有力的形态学工具,能够自动生成一系列封闭分割区域。详述了分水岭变换的两种描述方法(即模拟浸水和模拟降水)及其算法实现,就过分割问题采取分水岭变换前对梯度图像进行预处理和对变换后的区域进行合并及所用到的主要方法,然后介绍了分水岭变换在医学图像分割中的应用,最后指出其进一步研究方向。     

一种融合多特征的UAV快速目标识别

针对UAV（Unmanned Aerial Vehicle）侦察图像快速目标识别问题,提出一种融合多特征的UAV快速目标识别算法。该算法结合图像的不变矩特征和SIFT特征,用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域（Region Of Interest,ROI）。采用尺度不变特征变换算法（Scale Invariant Feature Transform,SIFT）在ROI区域中进行匹配识别,从而精确确定目标的位置。仿真结果表明：该算法的鲁棒性较强,能有效识别特定目标并显著减少识别时间。     

高斯模型与区域生长相结合的景物识别算法

研究景物图像特征提取,光照环境因素变化时,室外场景光学成像也随之发生很大变化,景物特征复杂,严重影响了景物识别的精度.为了解决上述问题,提出一种高斯模型与区域生长相结合的景物识别算法.先提取图像区域的底层视觉特征以及空间位置特征,并通过高斯分布为每类景物建立模型,然后根据模型测试图像中区域属于每一类景物的概率,把概率值较大的区域加入到模型中,更新模型参数,最后,把概率值较大的区域作为种子点进行区域生长得到景物识别的结果.采用Matlab 7.0软件对Pasadena 数据库中景物进行仿真识别.结果表明识别目标景物的有效性,为复杂场景下景物识别提供了一种有效的算法.     

对扭转鲁棒的SIFT图像匹配在商标识别中的应用

为识别任意角度扭转的货品商标图像,提出了对扭转鲁棒的SIFT图像局部匹配算法。通过模拟商标图像的垂直和水平多角度扭转,对数据库中所有商标图像提取多组SIFT特征。提取查询图像的SIFT特征,并与库中特征进行匹配从而识别商标。提出了一种仅采样少量角度来近似模拟任意角度图像扭转的方法。实验结果表明,该方法在1000幅商品图像集上正确匹配率高于传统的SIFT算法,可从各种角度的图像中有效地检测到商标图像。     

一种结合Seam Carving和人脸检测的人像缩放算法

人脸是人物图像中的重要特征区域.针对应用Seam Carvng算法缩放人物图像后造成人脸畸变的现象,提出了一种结合人脸检测的人物图像缩放算法.首先识别图像中的人脸区域,其次在使用Seam Carving算法缩放图像的过程中提高梯度图中人脸区域的梯度值,防止低能量线穿越人脸区域,进而达到在缩放图像的同时保持人脸特征的目的.实验结果表明,该算法实现非等比缩放人物图像的同时有效保护了人脸区域,提升了缩放后的图像质量.     

矿物显微图像中的直线段特征提取算法

直线段特征作为图像中一种特殊的纹理信息,是图像分析、目标识别中的基本元素。矿物的双晶等光学性质在矿物显微图像中表现为具有定向性的直线段。针对矿物图像,提出了一种基于图像梯度信息的动态阈值区域生长的直线段检测算法。该算法能通过提取边缘梯度方向相似的边缘从而得到候选直线段区域,并根据直线段区域内特征点的密度大小判定区域有效性以达到降低矿物图像中噪声、其他纹理造成的误提取。实验结果表明所提算法能够提取矿物图像中的直线特征。     

On the interpretation and classification of mesoscale cyclones from satellite infrared imagery

Subjective interpretation of cloud imagery is commonly used to identify mesoscale cyclones in cold air streams (mesocyclones) over the southern oceans. To determine mesocyclone attributes, and evaluate the classification of their cloud vortex signatures, Defense Meteorological Satellite Program ( DMSP) Infrared (IR) imagery is analysed for selected transition and winter season months of 1988 and 1989. Mesocyclones occupy a statistically smaller size range compared with synoptic scale ( frontal) vortices, and have maximum frequencies of occurrence in transition season months. The mesocyclone classification scheme separates the different signature types most reliably in winter, which is also the season when they are most frequently represented on hemispheric-scale synoptic chart analyses. Characteristic patterns of cloud form and level associated with vortex types, provide insights into mesocyclone dynamics that are now being evaluated using microwave techniques.     

MCEDA: A novel many-objective optimization approach based on model and clustering

To solve many-objective optimization problems (MaOPs) by evolutionary algorithms (EAs), the maintenance of convergence and diversity is essential and difficult. Improved multi-objective optimization evolutionary algorithms (MOEAs), usually based on the genetic algorithm (GA), have been applied to MaOPs, which use the crossover and mutation operators of GAs to generate new solutions. In this paper, a new approach, based on decomposition and the MOEA/D framework, is proposed: model and clustering based estimation of distribution algorithm (MCEDA). MOEA/D means the multi-objective evolutionary algorithm based on decomposition. The proposed MCEDA is a new estimation of distribution algorithm (EDA) framework, which is intended to extend the application of estimation of distribution algorithm to MaOPs. MCEDA was implemented by two similar algorithm, MCEDA/B (based on bits model) and MCEDA/RM (based on regular model) to deal with MaOPs. In MCEDA, the problem is decomposed into several subproblems. For each subproblem, clustering algorithm is applied to divide the population into several subgroups. On each subgroup, an estimation model is created to generate the new population. In this work, two kinds of models are adopted, the new proposed bits model and the regular model used in RM-MEDA (a regularity model based multi-objective estimation of distribution algorithm). The non-dominated selection operator is applied to improve convergence. The proposed algorithms have been tested on the benchmark test suite for evolutionary algorithms (DTLZ). The comparison with several state-of-the-art algorithms indicates that the proposed MCEDA is a competitive and promising approach.     

基于DWT和SVD相结合的图像水印算法

以多级小波变换,奇异值分解为基础,一种新的可以同时抵抗几何变换及噪声攻击的图像数字水印算法被提出.首先对水印图像先做加密处理,将原始图像进行多级小波分解,然后对其低频部分进行奇异值分解,并把已加密的水印信息嵌入其中.实验结论和攻击测试表明:该算法不仅具有较好的不可感性,而且与相近算法相比,该方法可以同时抗击几何变换,如旋转、剪切、镜像,及叠加噪声如椒盐、高斯噪声等外界攻击,并具有很好的鲁棒性.     

色彩量化的模糊粒子群优化技术

把粒子群算法应用到色彩量化中,结合已有的模糊C均值聚类量化方法,提出了一种基于粒子群优化的色彩量化算法。模糊C均值聚类量化算法是一种局部搜索算法,对初始值较为敏感,容易陷入局部极小值而不能得到全局最优解;PSO算法是一种基于群体的具有全局寻优能力的优化方法。将模糊C均值聚类量化算法和PSO算法结合起来,把模糊C均值聚类量化算法的聚类准则函数作为PSO算法中的粒子适应度函数。仿真实验表明,新算法在均方根误差和峰值信噪比评判准则下能够得到最优的量化结果。     

OSD和Chase的并行互补译码

在研究分阶统计译码（OSD）算法和Chase算法的基础上,提出了一种新的针对中短LDPC码的OSD-Chase并行互补级联译码算法。OSD算法对接收序列的个可信度较高的符号（MRIPs）作为消息位进行比特翻转和重新编码,产生候选码字;而Chase算法则是对接收序列的可信度较低的符号（LRPs）进行比特翻转和代数译码。如果过多的错误出现在MRIPs中,则OSD算法不能成功,而如果过多的错误出现在LRPs部分,则Chase译码不会成功。为此充分利用OSD算法和Chase算法这种互补特性,设计了一种并联级联译码算法。仿真显示该文提出的算法是有效的,相比BP-Chase和BP-OSD算法,译码性能得到提高。     

一种改进的turbo码译码算法

本文主要针对目前turbo码的对数最大后验概率（Log-Map）译码算法和工程中普遍使用的最大值近似最大对数后验概率（Max-Log-Map）译码算法的性能进行了研究和分析,并提出了一种基于泰勒级数近似最大对数后验概率译码算法（Taylor-Log-Map）译码算法。此算法计算简便,易于工程实现,同时具备更加接Log-Map译码的性能。文中在对新算法进行理论推导后,给出了仿真。     

基于概念模型的个性化搜索引擎研究

在对用户兴趣模型探讨的基础上,提出了一种基于概念的用户兴趣模型,用于区别用户兴趣的大小.讨论了基于链接的查询聚类算法,并针对该算法的不足提出了一种基于概念的聚类算法,该算法根据用户兴趣模型建立查询-概念二分图,然后计算图中查询顶点间的概念相似度,并将概念相似度最高的查询顶点进行合并以实现聚类.设计实现了一个基于Web数据挖掘的个性化搜索引擎系统,对系统的个性化查询进行了测试,并对比分析了链接聚类和概念聚类的实验结果.     

Iterative algorithm of wavelet network learning from nonuniform data

The learning algorithm based on multiresolution analysis (LAMA) is a powerful tool for wavelet networks. It has many advantages over other algorithms, but it seldom does well in the learning of nonuniform data. A new algorithm is proposed to solve this problem, which develops from the learning algorithm based on sampling theory (LAST). From the good concentration of wavelet energy, we discuss the approximation capacity of wavelet network in the local domain when the training data are not dense enough. From this discussion, the new algorithm is realized by the iterative application of LAST. The corresponding theorems based on the sampling theory are also proposed to prove the rationality of new algorithm. In the simulation, we compare the performance of new algorithm with that of LAMA and LAST. The results show that our new algorithm has as many advantages as LAMA and LAST, does better in the learning of nonuniform data and has high approximation accuracy.     

一种基于速度的移动对象轨迹简化算法

目前对移动对象轨迹简化问题分为离线简化和在线简化。以往的简化方法中许多依赖轨迹的几何特性,而针对移动对象的速度这一重要特征没有足够的关注。本文基于速度研究移动对象轨迹的离线简化新方法,提出了移动对象轨迹离线简化的动态规划算法、基于广度优先搜索的轨迹简化算法及其优化算法、时间复杂度更低的近似算法。并通过大量实验验证本文提出的算法比基于方向的简化算法和基于位置的简化算法具有更好的简化效率。     

一种新的核线性鉴别分析算法及其在人脸识别上的应用

基于核策略的核Fisher鉴别分析（KFD）算法已成为非线性特征抽取的最有效方法之一。但是先前的基于核Fisher鉴别分析算法的特征抽取过程都是基于2值分类问题而言的。如何从重叠（离群）样本中抽取有效的分类特征没有得到有效的解决。本文在结合模糊集理论的基础上,利用模糊隶属度函数的概念,在特征提取过程中融入了样本的分布信息,提出了一种新的核Fisher鉴别分析方法——模糊核鉴别分析算法。在ORL人脸数据库上的实验结果验证了该算法的有效性。