基于窄带图割的交互式快速目标提取

针对传统算法易陷入局部极值、提取效率不高的不足,运用图割理论,提出一种将目标提取问题转化为能量最小化的组合优化问题的BandCut算法。BandCut通过人机交互获取一个将目标边界包围在内的环状窄带区域,对该区域生成距离图,构造s-t网络,进行最小代价切割获取目标。实验表明,BandCut能获取最优解,提取效率是GrabCut的5倍。     

基于并行图计算框架大规模图最大流加速算法

最大流是一个重要的图计算问题,很多实际场景中如城市车流量和排水管道的排水量等问题若转化为最大流问题可以得到有效的解决.已有工作从多个角度对最大流问题进行了探讨,但仍存在一些问题.针对一些分布式图计算系统进行图分割计算复杂度较高,多次计算存在大量冗余工作等问题,提出基于GraphChi框架的大规模图最大流加速算法.根据原...     

基于图割的目标提取实时修正算法

对目标提取结果进行后期修正是进一步提高提取精度的重要举措。针对在前期目标提取算法框架内实现修正困难、局限较多、难于推广等不足,提出了一种基于图割理论的独立修正算法。首先通过人机交互选定修正区域,然后映射成s-t网络,最后运用最大流/最小割算法对s-t网络进行切割得到修正后的目标轮廓。实验表明,该方法不仅操作简便,实时响应,不破坏已有的正确提取结果;而且参数少,抗噪能力强,适用于一般的基于轮廓的目标提取。     

一种基于图割与GVF Snake的凹型目标快速提取算法

将图割理论与GVF Snake模型有机结合,提出了一种凹型目标的快速提取算法。首先用图割算法对初始轮廓线迭代变形,使其在快速提取非凹型段目标边界的同时将轮廓线有效地置于梯度矢量流力场的“有效逼近域”内,然后用GVF Snake算法继续对轮廓线迭代变形,提取凹型段目标边界。实验表明,该算法能快速、准确提取凹型目标。     

一种改进的基于最大流的Web社区挖掘算法

针对原始最大流算法给每条边的边容量分配一个常量值,在社区质量及成员数量上造成的问题,提出了一种改进的Web社区挖掘算法。该算法考虑不同边的重要性差异,将加权PageRank算法中页面的重要度转化为衡量页面之间边重要性的传递概率值,并使用该值对边容量进行赋值。实验结果表明,改进的算法有效地提高了Web社区的质量。     

不确定图最可靠最大流算法研究

文中首先基于可能世界模型提出了不确定图的最可靠最大流问题和可靠性计算模型,这对于构建可靠性网络、可靠传输路径选择以及系统薄弱环节分析等一系列实际问题具有重要意义;然后基于简单路径组合思想提出了一种求解最可靠最大流的算法SPCA,通过简单路径流量的组合,在无需求得所有最大流分布的情况下获得最可靠最大流,并在组合过程中引入概率剪枝与约束剪枝策略,对无效组合进行过滤,从而显著地提高了算法效率;接着文中针对SPCA算法易受路径数量及瓶颈容量影响的问题,又提出一种基于状态空间划分的最可靠最大流算法SDBA,该算法的主要思想是将不确定图所蕴含的子图空间划分为互不相交且满足最大流值的闭合区间集合,进而寻找所有闭合区间中概率最大的下界状态,经证明这个下界状态对应子图中的最大流分布为最可靠最大流;最后通过实验,比较了两种算法的性能.实验结果表明SDBA算法相对于SPCA算法其空间复杂度有一定的增加,但时间复杂度方面具有较大的优势,能够很好地解决SPCA算法性能受制于容量的问题,具有更好的性能与适用性.     

级连层次图的网络最大流算法研究

给出一种通过构造网络级连层次图的方法,来间接求出最大网络流的算法。对于给定的有n个顶点,e条边的网络N=G,s,t,C,该算法可在On2时间内快速求出流经网络N的最大网络流及达最大流时的网络流。     

网络最大流求解算法的研究

近年来,随着各种网络的飞速发展,对最大流问题的研究也取得了很大的进展。文章简述了网络最大流问题的现状,提出了一种求解网络最大流与最小截问题的算法。此算法使得计算网络最大流变得简便,且具有很强的实用性。     

基于图分割的求解最大流加速方法研究

随着科技的不断发展,交通、信息服务、电信等领域产生的数据都在飞速增长,通常这些数据都是以大规模图的形式呈现出来,城市交通最大车流量、双十一用户的交易信息传输、承载能力等很多实际问题都可以转化为最大流问题,大规模图中的最大流问题已经成为图论体系中的重要研究方向。现有的网络最大流问题,经过人们多年来的努力,建立的理论已趋于完善,但是大规模图的求解最大流的效率较低,依然无法满足目前很多应用场景的需求。为解决上述问题提出了利用割点构造原图覆盖图,确定从源点到汇点在覆盖图上对应的唯一路径后,将该路径上的节点对应的子图提交到GraphChi平台并行计算最大流。保证了每个子图最大流计算的独立性,可快速求解大规模图的最大流的。     

结合小波变换与图像分割的快速目标提取

基于图割理论的GrabCut算法具有全局最优性和结合多种知识的统一性,但其基于全部像素点的参数估计以及为达到一定分割精度采取的迭代求解模式,使算法效率大大降低。以GrabCut算法为基础,通过小波变换将图像分解,用分解后低频图像的像素点作为GMM参数迭代估计的样本点,减小了问题规模。实验结果表明,算法的效率得到较大提高。     

基于人机交互式图割的目标快速提取

根据RGB颜色值表征像素距离,运用图割理论,提出一种人机交互式的目标快速提取方法。在目标外围人工划出封闭折线作为初始活动轮廓线,向内生成单侧变宽域,消除前后重叠,避免重复切割,构造能量函数,生成s-t网络,通过对s-t网络的最小代价切割实现目标提取。后期对局部错误提供方便快捷、安全导向、手自结合的纠错措施。实验表明,所提算法人机交互方便快捷,纠错方式有效完备,目标提取快速准确。     

基于彩色图像边缘差分的运动目标检测算法

针对目前常用的运动目标提取易受到噪声影响、易出现阴影和误检漏检等情况,提出了一种基于Sobel算子的彩色边缘图像检测和帧差分相结合的检测方法。首先用Sobel算子提取视频流中连续4帧图像的彩色边缘图像,然后将边缘图像进行隔帧差分相与,提取出较精确的运动目标边缘轮廓。提取的轮廓经过一系列的形态学操作填充,可得到完整的运动目标。实验结果表明,该方法对运动目标边缘轮廓提取准确,抗噪能力强,且鲁棒性好。     

边界与区域相结合的目标提取算法

对于目标中带孔或目标颜色信息和背景颜色信息相似的图像,单独根据边界信息或区域信息无法提取出准确的目标.从图像的边界信息与区域信息综合考虑,以图割理论为基础,提出了一种基于图割的边界信息与区域信息相结合的目标提取算法.实验结果表明,该算法对目标中带孔或目标颜色信息和背景颜色信息相似的图像,能够准确、有效地提取出目标,自动分割精度高,用户工作量少,分割效率高,达到了预期的效果.     

基于梯度阈值对象提取的图像检索技术研究

为加强图像检索领域中图像有效特征的提取,提出一种基于对象提取的图像检索技术.该方法采用二维Otsu梯度阈值选取的快速迭代算法,利用灰度级-最大梯度二维直方图进行阈值选取,同时采用迭代思想代替穷举搜索,快速选取阈值进行对象分割,提取出目标对象,克服了传统二维Otsu算法分割效果不够准确、计算复杂度较高的缺点.将分割出的目标对象进行特征提取与比对,用于检索系统进行检索.实验结果表明,该算法能够较准确的分割出适于图像检索的对象,同时可以得到较高的查准率.     

基于图割的压缩域运动对象提取

随着在视频监控等方面的应用,视频数据量不断增加,如何快速有效地处理和分析视频内容仍然是一个亟待解决的问题。目前的运动对象提取通常采用像素域的分析方法,虽然有较好的主客观效果,但由于计算复杂度高,在实际应用中有诸多限制。因此,提出了一种基于图割的压缩域运动对象提取算法。该算法基于4×4分块的高斯背景建模,得到视频帧中各子块的初始概率,结合运动矢量（Motion Vector）信息构造压缩域图割能量函数,利用图割算法对前景区域进行修正,从而实现对运动对象的快速提取。与其他运动区域提取算法的对比实验表明,该算法具有较高的准确率和较低的计算复杂度,具有较高的实际使用价值。     

基于概率分布图的运动目标轮廓快速提取方法

以对图像分析起重要作用的目标轮廓提取技术为重点,研究并提出一种基于概率分布图的目标轮廓快速提取方法,该方法先从视频中检测到前景目标并建立目标概率模型,再根据建立的模型计算目标概率分布图,用该分布图提取出目标轮廓。对2330幅包含运动目标的视频帧进行测试,结果表明,该方法简单有效,处理速度快,提取的轮廓准确、清晰,对目标形变具有很好的鲁棒性。     

一种基于三次帧差边缘交集的视频对象提取方法

为了克服利用变化检测分割视频对象过程中的噪声、复杂运动、暴露背景的影响,提出了一种新的视频对象分割方法。该方法利用间隔为k帧的两帧图像代替连续两帧求帧差,然后取三次帧差边缘的交集,并且对运动对象的断裂轮廓点进行连接。最后,通过填充和数学形态学处理实现视频对象的分割。试验结果表明,该算法能够自动精确的定位运动对象的外轮廓。