基于进化思想的聚类算法及其类簇融合算法

针对K均值聚类算法对类簇数目预先不可知及无法处理非凸形分布数据集的缺陷,提出基于进化思想的聚类算法及其类簇融合算法．该算法将K均值聚类算法嵌入进化聚类算法框架中,通过调整距离倍参,将数据逐渐划分,在此过程中自动确定类簇数目,提出基于最近距离的中间圆密度簇融合算法和基于代表类的中间圆密度簇融合算法,将相似度大的类簇进行融合,使得k值逐渐趋向真实值．实验表明,该方法具有良好的实用性．     

模拟退火改进K均值算法在镜头聚类中的应用

针对基于内容的视频检索中的镜头聚类问题,采用了一种基于模拟退火思想改进的K均值聚类算法.该方法提取视频帧的时间信息、均值、方差、偏度和信息熵等颜色直方信息作为特征,利用模拟退火算法全局寻优的能力来改善K均值聚类易陷入局部极值的缺点,从而提高视频镜头聚类的准确性.理论分析和实验结果表明该方法是一种有效的视频镜头聚类算法.     

改进的K均值分割算法在关键词检测中的应用

鉴于K均值分割算法中隐马尔可夫模型(HMM)参数重估公式简单、实用,目前大多数基于HMM的关键词检测系统都采用此算法训练参考模型.为了提高参考模型的有效性和解决该算法在具体实现时所遇到的问题,本文提出了改进的K均值分割(MSKM)算法.MSKM算法以关键词检测系统的检出率为模板收敛的判决依据,使HMM参数调整从一定程度上而言是以检测系统性能为目标函数;同时引入了基于HMM的聚类方法,使聚类和参数估计融为一体.实验结果表明,采用MSKM算法比原算法可使关键词检测系统的平均检出率提高1.8%.     

ISODATA高效迭代算法在基于内容的图像检索中的应用

颜色直方图作为颜色特征描述了图像颜色的统计分布特征,具有平移和旋转不变性,提出一种迭代自组织聚类分析算法可以用来实现基于颜色直方图的图像检索.该算法将ISODATA算法引入图像检索领域,实现了通过聚类算法来优化图像检索的目的.实验结果表明,该算法的应用大大提高了图像检索的速度以及图像命中率.     

基于密度的改进K均值聚类算法在配网区块划分中的应用

在已知城市中压配电网的变电站位置、数量和容量的前提下,提出一种基于密度的改进K均值聚类算法,从初始聚类中心的选择和最佳聚类数K的确定两方面进行改进,并提出基于类间差异度和类内差异度的评价函数,对聚类结果的质量进行评估。将配电网划分为大小合适的配电网格,距离相近的变电站划分在同一网格内,每一网格独立供电,避免了距离过远的变电站之间的联络,为后续配电网络的优化规划提供了支撑。算例分析结果验证了该方法的有效性。     

基于KAZE特征匹配的偏振图像配准算法研究

偏振成像系统主要通过多相机或多通道成像,图像之间存在平移或旋转,偏振解析前必须进行图像配准,否则可能会产生虚假偏振信息。传统的配准算法主要有SIFT和SURF的特征配准算法,但其采用线性高斯金字塔进行多尺度分解来消除噪声和提取特征点,易造成边界模糊和细节丢失。本文从非线性尺度空间构建出发,提出一种基于KAZE特征匹配的偏振图像配准算法。首先,利用Hessian矩阵寻找特征点及其描述向量;然后以最小Hamming距离作为特征点的度量,计算单应矩阵并利用双线性插值实现不同偏振方位角图像之间的配准;最后,以FD1665P相机拍摄的图片为样本进行了实验验证。实验结果表明,本文算法相对基于SIFT和SURF特征点匹配的配准算法,归一化互信息增大、均方根误差减小,配准精度有很大提高。     

基于遗传模糊C-均值聚类算法的图像分割

将遗传算法（GA）与模糊C－均值聚类算法（FCM算法）相结合，并运用于图像分割，以期解决标准FCM算法在图像分割中运算速度慢和对初始值依赖大的两大缺陷。首先对模糊聚类中心进行编码，然后依据FCM算法的目标函数建立适应度函数，在适当的交叉率和变异率下，最终实现了基于遗传模糊C－均值算法的图像分割。考虑在一维图像分割特征向量情况下，通过引入直方图统计特性，实现了遗传模糊C－均值算法的快速运算，最后，运用真实的磨粒图像对算法进行了详细验证，并与标准FCM算法进行了对比，分割实验表明了本方法比标准FCM算法具有更快的计算速度和更好的鲁棒性。     

改进的模糊C-均值算法在图像分割中的应用

针对传统的模糊C-均值算法在图像分割中存在的缺陷,提出了一种基于点密度函数加权的模糊C-均值聚类算法。将图像像素的点密度函数作为权值,并依据类间相关度定义了一个聚类有效性函数用以确定最佳聚类数,结合聚类有效性完成对图像的分割。理论分析和对比试验表明,该算法在一定程度上克服了模糊均值算法的缺陷,在图像分割中具有良好的分类精度。     

分形编码技术在图像型火灾烟雾探测中的应用研究

图像型火灾探测技术是火灾探测领域中近几年发展起来的较新的技术分支，由于其自身非接触性探测等优越性，成为国内外火灾探测领域关注的焦点。文章介绍了图像型火灾烟雾探测技术的发展和现状，并针对火灾烟雾的分形特征引入分形编码技术，分析了通过基于K均值聚类方法的分形编码技术进行烟雾图像分割的实用性。     

改进的K—Means聚类算法在保险客户信用分析中的算法实现

针对保险业对客户信息的分析中缺乏考虑客户信用分析的问题,根据聚类分析算法理论和保险公司客户数据库特点,进一步对K-means聚类算法在大样本环境下初始聚类中心的选取提出有效改进,同时选取一家财产保险公司的客户信用数据,来探讨聚类算法在保险客户信用分析中的应用．     

多点多样性密度算法及其在图像检索中的应用

提出多点多样性密度(MPDD)算法。针对经典多样性密度(DD)算法对样本包内容表述单一问题,采用多个密度点对包内容进行描述,避免了内容表述的片面性。将MPDD算法应用于图像检索。图像被均匀细分成小块,提取图像的颜色特征和纹理特征表示图像块内容,然后采用K均值算法对实现图像块进行聚类,产生包示例,最后应用MPDD算法对图像进行检索。实验结果表明,MPDD算法的检索效果好于DD算法。     

混合迁移学习方法在医学图像检索中的应用

针对医学图像的复杂性,将迁移学习理论引入到医学图像的语义映射和检索中,提出了一种以解决多任务学习为目标的混合迁移学习方法。首先,对医学图像目标领域的数据进行部分语义标记,找出源领域和目标领域中具有相同语义标记的医学图像,并对这些图像进行聚类,而后剔除一些在特征上距离较远的图像数据,完成实例迁移;然后,采用在源领域和目标领域中具有相同语义的医学图像数据进行稀疏矩阵分解,完成特征的迁移;最后,完成目标领域中未标记图像数据的语义映射。利用200幅医学图像进行语义标注进行检索,实验表明准确率超过50%的图片数量占了80%以上,验证了方法的可行性。     

EM算法在纹理织物图像分割中的应用

提出了一种基于多特征值高斯混合模型（Gaussian Mixture Model）期望最大化（Expectation Maximization,EM）聚类的图像分割算法.该算法采用YCbCr彩色空间提取每个像素点的颜色特征,选择像素点邻近的一个方块计算每个像素点的纹理特征,然后采用基于高斯混合模型的EM算法对图像每个像素进行聚类,根据聚类结果进行区域合并得到纹理织物图像分割的最终结果.通过和其他分割算法进行对比,此算法具有较好的分割效果.     

基于多样字典理论与多尺度距离度量的彩色图像检索

针对在图像检索中因色彩因素导致的相关算法正确率低、稳定性差等问题,提出了一种多样字典理论与多尺度距离度量的彩色图像检索算法.首先,对输入图像进行量化,将其转换为一维字符串形式;其次,采用多样字典统计对图像视觉模式编码,并计算编码后的图像特征值;最后,给出多尺度距离的相似度量准则,并根据该准则对查询图像与数据库图像的特征值进行处理,寻找与其匹配的特征图像.实验结果表明:本文所提出的算法在查准率与查全率上要优于当前流行的检索方法,其对彩色图像的检索精度和稳定性也有了明显提高,因此具有较好的应用价值.     

综合颜色和形状特征的交通标志图像检索算法

为了实现对交通标识的快速准确识别,将颜色特征和形状特征相结合,利用特征融合提出图像快速检索算法。在颜色特征方面,改进了传统的颜色直方图方法,引入基于主色调的颜色直方图算法;针对道路交通标志特殊的语义特征,经过特征过滤筛选缩小搜索的范围。在形状特征方面,采用傅里叶形状描述,突出了轮廓线的切向角度(曲率),忽略了中心距及复坐标等因素,提高了识别速度。将颜色空间HSV特征和形状描述ART特征融合,提高识别率,同时适应复杂背景下交通标志识别。通过对颜色和形状特征间的权重λ进行调,通过VC6.0实现自主移动机器人平台测试。其准确率和实效性都达到实际应用效果。     

基于改进纹理特征的现堪图像检索算法

针对灰度共生矩阵缺少图像纹理的整体空间分布特征与双树复小波变换对图像结构细节敏感的缺陷,提出一种融合图像空间分布与结构细节的纹理特征提取算法,应用于现堪图像检索。首先,利用灰度共生矩阵与双数复小波提取图像的纹理信息;然后,将图像均匀分块,分别计算各个块的角点疏密度和纹理细节特征并级联,以此组成图像的空间分布特征和结构细节特征;最后,对纹理信息融合图像的空间分布特征与结构细节特征,完成现堪图像的纹理特征提取。在现堪图库上的检索实验结果表明,该算法能更全面的描述图像的纹理内容,并且可有效提升现堪图像检索算法的检索准确率。     

基于信息熵的图像检索

在分析了现有的基于颜色、形状、纹理等基于内容的图像检索算法的基础上，提出了一种新的基于信息熵的图像检索算法，即利用图像的信息熵来描述图像的特性，结合网格描述符及图像颜色信息，采用图像单元熵构成的熵矩阵特征值矢量作为图像的特征描述，并提出了利用特征矢量进行图像检索的检索算法．实验结果表明，该算法具有尺度不变性、旋转不变性，并且对于颜色直方图不同但有视觉一致性的图像也有较好的检索效果．     

细菌觅食算法在图像压缩中的应用

基于传统反向传播(back propagation,BP) 网络,提出一种结合细菌觅食算法(bacterial foraging algorithm,BFA) 的改进型BP网络(BFA-BP),并将其用于图像压缩.为克服传统BP网络容易陷入局部极小值的缺点,算法引入BFA特有的复制和驱散操作,以提高网络收敛速度,加强全局寻优能力.对标准测试图像进行仿真实验表明,该算法能有效提高重建图像质量.     

图像增强算法在车牌图像预处理中的研究与应用

雾天场景下摄像头采集到的车牌图像质量较低,在车牌识别系统中对图像预处理产生较大影响,从而造成车牌定位和识别效果较差。以雾天环境下实际采集的车牌图像为例,分别采用带色彩恢复的多尺度Retinex算法和暗原色先验去雾算法对实际图像增强进行仿真实验。实验结果表明,利用暗原色先验去雾算法对图像进行增强处理,能够提高图像的对比度,实现去雾效果,从而使车牌定位和车牌识别达到更好的效果。     

基于支持向量机的局域线性嵌入算法在图像检索中的应用

SVM算法复杂度与样本维数无关,具有的泛化能力强、分类精度高的特点,而LLE是有效的非线性降维方法,本文利用支持向量机（SVM）算法对局域线性嵌入（LLE）算法进行改进,有效地解决了基于内容的图像检索中的高维特征向量的降维问题,实验表明具有较高的查全率和查准率。