基于非均匀热扩散的交互式图像分割算法

交互式图像分割是图像分割中的重要分支,在现实生活和医学领域都有着广泛的应用.该文基于计算测地距离的热方法,引入了热扩散系数,提出了一种基于非均匀热扩散的交互式图像分割算法.该算法利用图像的颜色信息构造三角网格作为热扩散的媒介,首先由热方程找到距离增加的方向,再利用泊松方程还原测地距离.将前景中人工交互区域上的热流扩散速...     

一种新的灰度非均匀图像分割模型

基于局部区域的主动轮廓分割模型在针对灰度非均匀图像进行分割时,容易受到初始轮廓曲线位置的影响,且基于水平集模型的数值实现速度较慢。为此,提出一种新的图像分割模型。该模型采用局部符号差能量项作为曲线演化的驱动力,为减少模型对初始轮廓曲线位置的依赖,采用全局凸分割策略,得到一个离散化的凸分割模型,该模型包含Mumford-Shah分割模型中的二次光滑项,使分割后的区域更加平滑,使用split Bregman迭代算法进行数值实现。实验结果表明,与局部二值拟合模型、局部符号差能量模型相比,该模型能对灰度非均匀图像进行较准确的分割,具有较快的运算速度和较好的鲁棒性。     

基于图层分割的文档图像压缩方法

传统的图像压缩技术,大都基于图像空域和色度空间同质性的假定,在文档图像的压缩中并不能取得最好的压缩效果。针对文档图像的特点,提出了一种基于图层分割的文档图像压缩方法。该方法首先利用多尺度的2色聚类算法进行文档图像的图层分割,然后根据不同图层的特征,分别采用效果最佳的压缩技术,能够获得比传统的方法更好的压缩效果。     

基于非均匀切割的HiCuts分类算法

数据包分类技术广泛应用于许多网络服务当中, HiCuts算法是多维包分类中最具有代表性的数据包分类算法。但由于规则集分布不均匀,通过简单地随机等分某个域很难将规则划分到不同的节点去,从而导致决策树树深度急剧增加,使算法查找的时间效率和空间效率大大降低。通过大量统计分析发现,规则集中的规则域并非均匀分布在其取值范围内,为此,在HiCuts算法的基础上提出了一种利用非均匀切割技术的N-HiCuts算法来构建决策树。算法对于分布不均匀的域依据统计规则进行非均匀切割,对规则集中分布均匀的某些域采用等分函数来进行切割,从而提高每次对规则集进行切割的效率。实验证明,该算法的整体性能得到较大的提高。     

基于均匀分割的多种群并行遗传算法

针对标准遗传算法在处理多峰函数优化问题时易出现的成熟前收敛现象，在讨论了模式样本分布特点的基础上，提出了一种通过均匀分割对种群分类的多种群并行遗传算法。由均匀分割可以得到几个既不重叠又都能反映函数整体性质的子空间，在这些子空间上并行搜索最优解，同时将每一代在各自空间上搜索到的优秀个体集中在一起，进而在全空间上搜索最优解的具体位置。由于在这些子空间上的搜索是彼此独立的，所以同时发生“早熟”现象的机会大大降低。理论分析和对多峰函数的仿真结果均表明，该算法在不影响收敛速度的条件下，发生成熟前收敛的概率明显下降。     

带钢表面缺陷图像的增强和分割方法

对带钢表面缺陷进行检测时,由于光照不均匀,将导致缺陷难以识别和分割.针对此问题,提出了改进的图像增强与分割方法.首先,利用自适应二维高斯函数对图像背景进行估计,并结合图像的像素运算均匀图像背景灰度;然后,采用灰度变换函数提高缺陷区域与背景的对比度,增强细节信息;最后,采用最大相关准则方法选取阈值对缺陷图像进行分割.实验...     

非均匀采样系统的修正与补偿

提出一种针对非均匀采样失真的修正补偿方法.用正弦波激励与波形拟合,获得各子A/D的增益、直流偏移和相对于参考子A/D的延迟时间差.将各子A/D的采样序列叠加直流偏移修正因子使各直流偏移一致,补偿偏移采样失真,将各子A/D的样本序列乘以增益修正因子使各增益一致,补偿增益采样失真,通过等间隔采样插值运算,补偿采样延迟失真,获得均匀采样结果.在一组16个子A/D的仿真数据上的补偿实验验证了方法的正确性.在具有8个子A/D的一个数据采集系统的实测数据上的补偿实验,验证了方法的可行性.     

非均匀背景目标图像的分割方法

对于非均匀背景下目标图像的分割,由于用通常的图像分割方法不能取得令人满意的效果,文章提出了一种新的图像分割方法。实验结果表明,用该图像分割方法能取得良好的效果。     

基于图论和均匀性测度的彩色图像分割算法

Graph-Based方法是基于图论的彩色图像分割算法中比较新颖的一种方法,且分割速度非常快。针对该算法对边缘和纹理处理效果不佳,且分割效果易受阈值影响的局限,改变了其颜色空间,结合拉普拉斯算子将带权图的边分为边缘边和非边缘边,优先处理非边缘边;再引入均匀性测度求取分割效果最佳的阈值。实验结果表明,相对于Graph-Based方法,改进的算法分割效果具有较好的准确性和适应性,更接近于人眼的感觉。     

一种基于局部符号差能量的非局部分割模型

针对灰度非均匀的图像,提出一种基于局部符号差能量的非局部图像分割模型。该模型包含基于局部符号差能量的数据驱动项和非局部全变分正则项,具有局部可分离性和全局一致性的特点。由于本文模型是凸的,因此在数值实现上可以采用split-Bregman迭代算法,具有较快的运算速度。同经典的基于局部区域的主动轮廓分割模型相比,该方法具有以下优点:(1)该模型受初始化的影响很小;(2)采用split-Bregman迭代算法,运算速度更快;(3)能够对具有细密纹理和具有弱边缘目标的图像进行正确分割。实验结果表明,该模型对灰度非均匀图像能够进行较准确的分割,相比其他模型具有更好的鲁棒性。     

基于核密度估计的故障诊断信号非均匀量化方法

在工业物联网的某些故障诊断场景中,由于缺少电信网络覆盖,采集信号通过远距离无线电（Long Range Radio,LoRa）技术实现无线可靠回传,但其较低的传输速率会限制故障诊断的精度。针对LoRa窄带宽的技术限制,提出了采样频率和量化分辨率固定条件下的时域信号非均匀量化方案。首先,通过建立基于核密度估计（Kernel Density Estimation,KDE）的非参数拟合模型,重点研究了带宽受限场景中合适的核函数类型和带宽确定准则,拟合生成传感信号幅度的概率密度函数（Probability Density Function,PDF）。其次,以PDF为输入,以最小化量化噪声为目标函数,通过非线性规划,输出最佳的一组非均匀量化电平值。其特点在于针对出现频次最高的时域幅度,采用更小的量化间隔,实现量化噪声的最小化。最后,以轴流风机状态检测为例进行了实验,结果表明,基座松动和轴承故障对量化电平的影响更大。随着量化分辨率的增加,KDE量化逐渐趋近均匀量化,相较于高斯量化的优势逐渐缩小。因此,提出的KDE量化方案适合窄带宽条件下的非均匀量化,可提高信道利用率,并在传输带宽和量化噪声之间取得折中。     

基于神经网络模型的最小预测误差非线性自适应控制器

主要研究基于神经网络模型的最小预测误差非线性自适应控制算法.利用神经网络激励函数的分段局部线性近似,将基于神经网络的非线性系统一步前向预测控制转化为一系列局部的线性预测控制问题.利用线性系统参数估计方法获得神经网络预测模型的参数估计.在此基础上利用并联线性系统的预测控制方法设计全局收敛的非线性系统预测控制器.     

一种基于非均匀采样的图象重建方法

利用分块Toeplitz矩阵和分块循环矩阵的性质,对非均匀采样图象提出了一种重建方法。该方法可以直接利用离散傅立叶变换,不需要迭代,并且可以实时进行。仿真结果表明该算法是有效的。     

基于均匀角点匹配的基础矩阵估计方法

鉴于Harris角点匹配时产生的聚簇现象,引入邻近点剔除策略,可以提取到较为均匀的匹配角点.在此基础上,进一步对计算基础矩阵的8点算法进行改进,通过对匹配点进行分组求解基础矩阵,以每组得到的基础矩阵求平均值作为最终值.实验结果表明,该方法求解的基础矩阵具有较高精度.     

基于Sentinel数据估算非均匀下垫面蒸散发的方法研究

蒸散发是水循环和能量平衡的重要组成,在地下水监测、农业灌溉等研究中发挥重要作用,但非均匀下垫面会导致遥感估算的水热通量产生空间尺度误差。以Sentinel数据作为基础数据,利用EFAF(Evaporative Fraction and Area Fraction)方法和温度降尺度法校正水热通量偏差,并且对比两种方法的差异。研究结果表明：EFAF方法和温度降尺度法的精度不相上下,决定系数R2约为0.86,平均偏差MBE约为18 W/m²,均方根误差RMSE约为64 W/m²,两种方法的精度都高于未校正潜热通量的精度,对于校正非均匀下垫面造成的潜热通量偏差有一定的效果。EFAF方法估算的潜热通量在像元尺度上的分布与土地分类数据一致,在区域尺度上和未校正的潜热通量分布一致。温度降尺度法估算的潜热通量在像元尺度上与地表温度的分布高度相似,其空间细节信息更加丰富,局部特征明显。     

基于改进模拟退火算法的均匀设计表构建

当 为偶数时,使用好格子点法不能产生因素数较大的设计表,且只能在解空间的子空间内产生设计表,所产生的设计表无法保证最均匀。针对上述问题,引入智能计算方法,包括粒子群优化算法和改进的模拟退火算法。对3种算法的优化性能进行比较,结果表明智能算法可以对较大范围的因素数产生设计表,与好格子点法相比,智能算法能够得到均匀性更好的设计表,并且相对粒子群优化算法,改进模拟退火算法构建的均匀设计表的偏差更小。     

基于边界曲线弧分割的多椭圆检测

不同于传统的Hough变换算法,提出一种基于边界弧分割的椭圆检测方法。首先将边界从交点处分割成弧段,将得到弧段划分为长弧和短弧两组并按长度降序排序,然后从两组中找出属于某个椭圆的若干弧段,利用最小二乘法拟合得到候选椭圆并验证是否为真正椭圆。实验表明该算法能快速检测出图中椭圆,运行时间远小于采用随机Hough变换算法,在具有噪声、椭圆残缺的情况下仍能有较好的检测结果。     

基于相对坐标控制的非均匀纹理合成方法

针对当前非均匀纹理合成方法或无法保持非均匀纹理的大尺度结构,或受网络结构限制,无法合成任意大小的纹理的问题,提出基于相对坐标控制的非均匀纹理合成方法.该方法基于全卷积金字塔结构生成对抗网络SinGAN,首先,引入相对坐标信息作为条件输入进行引导控制合成,从而保留非均匀纹理样图的整体结构特性;然后引入旋转图块增强训练,通过下采样和角度旋转,获得大量纹理图块训练数据,从而进一步提升纹理合成的细节质量.最后,通过对多张挑战性非均匀纹理进行任意比例合成实验,结果表明,该方法可合成具有任意大小的新纹理样本,合成结果能够有效地保持源图像的全局结构和局部精细纹理.此外,用户还可根据需要选择源纹理区域进行扩展合成,从而带来更好的可控纹理合成体验.     

基于概率模型的非均匀数据聚类算法

针对传统K-means型算法的"均匀效应"问题,提出一种基于概率模型的聚类算法。首先,提出一个描述非均匀数据簇的高斯混合分布模型,该模型允许数据集中同时包含密度和大小存在差异的簇;其次,推导了非均匀数据聚类的目标优化函数,并定义了优化该函数的期望最大化（EM）型聚类算法。分析结果表明,所提算法可以进行非均匀数据的软子空间聚类。最后,在合成数据集与实际数据集上进行的实验结果表明,所提算法有较高的聚类精度,与现有K-means型算法及基于欠抽样的算法相比,所提算法获得了5%~50%的精度提升。