噪声图象中提取边界的随机启发式搜索方法

在噪声图象中如何有效地提取边界是图象分析领域中的难点。启发式搜索的方法常常用于提取边界,但是,这种方法由于采用固定的起始点、固定的引导度量以及对图象仅进行一次性搜索,对噪声往往很敏感,为此提出了一种随机启发式搜索算法,该方法随机地选取起始点,并依照引导度量的概率反复地进行随机搜索获得各种可能的边界轨迹,然后进行各搜索轨迹的积累自增强,最后根据自增强积累统计结果获得边界。大量的实验结果证明,在噪声图象中,随机启发式搜索方法可以在提取出有意义边界的同时有效地抑制噪声。     

景物边缘提取的边缘分段自增强算法

景物边缘信息是进行图象分析和识别的重要属性,如何有效地从噪声图象中提取边缘是这些领域中的难点。该文提出了一种边缘分段自增强算法用于噪声图象的边缘提取。该算法首先对噪声图象进行小尺度高斯滤波,并使用该文设计的新型边缘检测算子获取引导信息,此边缘检测算子在定位精度、抑制噪声和虚假边缘方面具有很好的性能;然后对各搜索轨迹进行分段自增强,最后根据自增强累积的程度获取噪声图象中的边缘。实验结果表明:此算法能够有效地从噪声图象中提取物体的真实边缘,并能最大限度地保留细节信息。     

双线性广义模糊增强边界图像检测算法

在模糊集和广义模糊集理论的基础上,给出了用于模糊增强图像区域对比度的线性广义模糊算子,实现了图像的双线性快速无损边界检测算法．该算法利用线性左半梯形模糊分布函数和线性广义模糊算子实现灰度图像空间、普通模糊空间和广义模糊空间之间的转换,同时对广义模糊空间进行区域对比度增强,最后在灰度图像空间中提取边界．大量实例表明：利用文中算法提取图像边界速度快、效果好,并且在多项指标上均超过了Pal算法、陈武凡算法和王晖算法．     

基于双特征和松弛边界的随机森林进行异常点检测

针对现有基于随机森林的异常检测算法性能不高的问题，提出一种结合双特征和松弛边界的随机森林算法用于异常点检测。首先，在只使用正常类数据构建随机森林的分类决策树过程中，在二叉决策树的每个节点里记录两个特征的取值范围（每个特征对应一个值域），以此双特征值域作为异常点判断的依据。然后，在进行异常检测时，当某样本不满足决策树节点中的双特征值域时，该样本被标记为候选异常类；否则，该样本进入决策树的下层树节点继续作特征值域的比较，若无下层节点则被标记为候选正常类。最后，由随机森林算法中的判别机制决定该样本的类别。在5个UCI数据集上进行的异常点检测实验结果表明，所提方法比现有的异常检测随机森林算法性能更好，其综合性能与孤立森林（iForest）和一类支持向量机（OCSVM）方法相当或更好，且稳定于较高水平。     

改进的二维增强贪婪软硬件划分算法

针对嵌入式系统中的单处理器和单ASIC体系结构,将软硬件划分问题抽象为MKP模型,通过扩展其边界的维数,引入二维的贪婪算法来解决软硬件划分问题。算法旨在满足硬件面积约束、功耗约束和存储空间需求约束的前提下使系统的运行时间最优,算法的时间复杂度降低到O（log n·log n）。算法基于代表功能块粒度的控制数据流图（CFG）,摒弃了传统的面向软件或硬件的方法,给出了一种新的选择初始状态的方法,该方法将关键节点映射到软件,其余的用硬件实现,因缩小了算法的搜索空间,从而进一步提高了算法的运行速度。最后进行对比实验,实验结果证明该算法在运行时间和稳定性方面均优于遗传算法和模拟算法。     

双线性快速模糊增强图像边界检测最新算法

本文利用广义模糊集(GFS)理论,给出了全新的用于模糊增强图像区域对比度的线性广义模糊算子(LGFO),从而给出了双线性快速模糊增强图像边界检测最新算法。首先利用线性右半梯形隶属变换将灰度图像的普通空间变换为广义模糊空间,再利用LGFO对广义模糊空间进行区域对比度增强,然后把增强后的广义模糊空间变换为普通空间,最后对处理后的普通空间进行边界提取。通过大量实例验证,使用本文算法提取图像边界速度快、效果好。而且多项指标均超过了文[1～4]。     

基于多边形偏移蒙版和边界增强的场景文本检测

目前,多方向文本检测方法已经在各种数据集上取得了不错的性能,但是任意形状文本检测仍然存在一些困难,尤其是具有不同大小、形状、方向、颜色和样式的文本实例.为了更好地区分连续任意形状的文本实例和周边非文本区域,提出了一种基于分段的文本检测器,通过使用多边形偏移蒙版和边界增强来检测任意形状的场景文本.为了评估该方法的有效性,在ICDAR2015和Total-Text等公开数据集上进行了多组对比实验,实验结果证明该方法有着更卓越的性能.     

复杂多边形区域边界搜索算法的研究

首先分析了经典的区域填充算法的两个问题。在此基础上，借鉴种子填充算法的一些思想，提出了一种针对任意复杂多边形区域的搜索算法，该算法克服了传统算法的一些缺陷，可以满足实际编程需要。     

基于多边形边界约简的启发式在线时间序列表示算法

提出了一种新颖的可在线计算的时间序列启发式算法。算法具有多边形约简算法相同的优良的近似质量,并可在固定数据缓冲区空间内在线运算。用启发式搜索方法自动获取最佳分段数。在随机时间序列上仿真试验证明算法有很高的逼近质量和较低的计算复杂性。     

英文句子边界自动识别

英语句子边界的识别是英文文本分析的基本问题，是进一步进行英汉机器翻译的基础，本文采用了统计决策树与错误驱动相结合的方法进行英语句子边界的识别，首先通过决策树学习训练语句中的句子划分规则，之后用错误驱动的方法对所获得的结果进一步修正，对PennTreeBank语句进行测试，正确率达到98．6％。     

基于腐蚀算法的图像边缘检测的研究与实现

边缘提取与检测在图像处理与识别中占有很重要的地位,其算法的优劣直接影响着所研制系统的性能.现有诸多边缘检测的方法各有其特点,同时也都存在着各自的局限性和不足之处,因此图像的边缘检测这个领域还有待进一步的改进和发展.提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的图像边缘精确检测算法,并给出仿真实例,与传统的边缘检测算子Laplacian-Gauss算子、prewitt算子和canny算子相比较,算法具有检测精度高和抗干扰能力强的优点.     

基于随机搜索算法的薄膜分切管理系统

建立了薄膜分切的一维下料数学模型,提出采用一种基于随机搜索的启发式算法进行大卷薄膜的分切。给出了分切算法的实现步骤,将其与薄膜数据库查询、筛选、导入和报表等功能集成,形成了一体化的分切综合管理系统。与其他多种一维下料系统进行算例对比,排样方案及计算时间证实了该系统的有效性。     

LOG算子边缘检测方法的改进方案

本文对LOG算子边缘检测方法的性能进行了分析和评价。针对LOG算子的缺陷,提出了选择性平滑方式清除图像中的椒盐噪声;提出了依据图像灰度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法,抑制了图像中的大部分其它噪声,并保持了边缘定位精度;还通过用图像灰度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值,实现了图像边缘的自动提取。实践证明该方法具备有效性和实用性。     

统计启发式搜索算法在函数优化中的应用

本文讨论统计启发式搜索算法在优化计算中的应用，主要是函数求优化。为此引入新的ＭＡＸ统计量，构造相应的ＳＡ算法（称之为ＳＡ（ＭＡＸ）算法），并分析了新算法的精度和计算复杂性。最后给出计算机模拟的结果，以验证理论的正确性。     

边沿检测与噪声消除方法研究

应用灰度台阶的概念,对二值图像和灰度图像的噪声与边沿的特征进行分析,给出边沿与噪声的本质特征,并给出区分噪声与边沿的函数关系式,据此公式,可以比较简单地进行边沿检测与噪声消除。     

自主车辆越野路径规划的新方法——领域式规划法

本文提出了一种解决 ALV(Autonomous Land Vehicle)越野路径规划的新途径——领域式规划法.介绍了一种面向地形本身分布特点和性质的地形分割方法,讨论了领域式规划空间的二叉树表示方法.在此基础上,提出了采用虚拟矩阵匹配搜索二叉树以确定领域式规划空间中邻接关系的方法,并描述了启发式方法和概率方法相结合的路径搜索算法.领域式规划方法有效地解决了非结构化环境中的规划效率问题.     

一种基于边缘的广告垃圾图像过滤方法

随着互联网的普及,电子邮件作为一种被人们广泛使用的工具,已被越来越多的不法分子用作广告、反动、色情等信息传播的工具,产生了大量的垃圾邮件.目前主流的垃圾过滤器是基于文本的,垃圾邮件制造者为了逃避被过滤,常常将文字转化为图像或者将文字嵌入到图像中,产生了大量的垃圾图像.针对广告垃圾图像多为文字图像这一特点,根据文字图像中的文字边缘分布特征,提出一种基于边缘特征的广告垃圾图像过滤方法,先检测出图像的纵向边缘,然后根据纵向边缘的分布特征提取文字行区域,最后将文字行区域去噪,确定最终的文字区域.实验证明,该方法效果良好.     

一种图像序列的运动目标检测方法

提出了一种在图像序列中的运动目标定位方法,运用了多种图像数据处理的技术,有效地去除复杂背景下的噪声,并对运动目标进行精确的定位.方法主要由两个部分组成:一是对运动目标的背景进行提取,并采用预先设定的经过边缘检测的像素点变化明显的特征区域匹配技术,二是对下一幅图像的运动目标进行定位,求出目标中心.实验结果表明,该方法有效.