融合边缘和区域信息的水平集矢量图像分割

在充分利用矢量图像各通道区域和边缘信息的基础上,变分IAC（集成活动轮廓）模型引入了非线性热方程的符号距离函数约束项,使水平集不用耗时的重新初始化而始终保持符号距离函数的特性。对非线性热方程传导率的均衡化,使水平集的演化分割过程快速稳定。另外,算法改进了曲线2维梯度和散度算子传统离散化方式,使梯度和散度算子保持空间旋转不变性。实验结果表明,该方法是有效的,提高了分割的准确性和鲁棒性。     

结合深度图像和强度图像的人脸浅浮雕生成算法

针对单纯基于深度图像压缩方法生成的三维浮雕模型容易存在大量噪声,并且易丢失细节的问题,为了生成特征表达准确且具有艺术美感的人脸浅浮雕,提出一种基于三维深度图像和与之对应的二维强度图像的混合人脸浅浮雕的生成算法.首先对三维深度图像的高度场进行压缩生成浮雕基网格;然后提取二维强度图像的灰度信息、梯度信息和显著度信息,并基于显著度信息对基网格的高度场相应地叠加灰度和梯度信息,以保持脸部五官的细节;最后根据显著度信息使用Laplace算子对网格进行光顺处理,使脸部光滑.实验结果表明,与单纯使用基于深度图像压缩方法相比,文中算法生成的浅浮雕模型可以更好地保持五官的细节特征;与基于图像的浮雕生成方法相比,该算法避免了复杂交互操作,可以更好地保持人脸的整体轮廓和形状.     

梯度和散度在弹丸图像边缘提取中的应用

本文将场论中等位线,梯度和散度的概念引入到图像分析中,基于梯度和散度的积分定义,结合图像梯度和散度的与坐标选取无关的简易近似公式,分析灰度图像梯度和散度的物理意义。本文将上述理论总结为一种图像处理方法,应用于弹丸的边缘的提取中,本文方法处理结果比动态边缘提取算子canny所提取的结果更理想。     

改进的模糊逻辑偏微分方程去噪方法

在研究图像噪声过滤时,为了既有效地去除噪声,又能够较好地保持图像边缘和重要的细节信息,将模糊逻辑思想与PM方法相结合,提出了一种对噪声图像更有效的基于模糊逻辑的偏微分方程去噪算法。该算法把PM方法中扩散方程的扩散系数看作像素梯度对于图像平滑区域的模糊隶属度函数,并通过定义合理的模糊隶属度函数,使得对不同的像素梯度大小采用不同的扩散系数。仿真实验表明,此算法在去除噪声的同时,能更好地保持图像的边缘细节,具有较好的处理效果。     

结合L0优化与拉普拉斯算子的图像平滑方法

针对平滑过度使图像的细节特征损失导致失真的现象,提出了一种L0测度优化与二阶拉普拉斯算子结合的图像平滑方法,采用拉普拉斯算子约束图像颜色变化,通过对L0模型的优化减缓颜色梯度的变化,达到图像颜色平滑过渡的目的.为了在平滑过程中更好地保持图像边缘特征,引入Sobel算子作为能量函数正则项,并采用交替求解策略求解能量函数....     

梯度倒数加权平滑算法的改进与实现

根据图像的相关性和连通性原理, 利用图像各部分的梯度信息, 基于原梯度倒数加权平滑算法, 提出了一种改进的梯度倒数加权平滑算法。处理结果表明, 改进算法较原算法能够更好地去除椒盐和随机噪声, 同时较好地保持了图像的边缘和细节信息, 处理过程的运算复杂度与原算法相当。改进的梯度倒数加权平滑算法为目标识别、图像分割等后继处理与分析提供了有力的支持。     

基于梯度算子的蚁群图像分割算法研究

提出了一种基于梯度算子的改进蚁群图像分割算法,解决了用传统分割方法很难将目标与背景灰度值相似图像分割的难题.该算法基于经典的梯度算子图像分割,从聚类的角度出发,综合像素的灰度、梯度特征进行特征分割.蚁群算法是一种具有离散性、并行性、鲁棒性和模糊聚类能力的进化方法,通过设置不同的蚁群、聚类中心、启发式引导函数和信息激素来解决蚁群算法循环次数多,计算量大的模糊聚类问题.实验证明,该改进蚁群算法可以快速准确的分割出背景和目标灰度值极其相似图片的目标图像,是一种有效的图像分割方法.     

消除光晕效应和保持细节信息的图像快速去雾算法

现有的基于大气散射物理模型的图像去雾算法,在去雾过程中大都无法避免的会产生光晕效应和细节丢失。针对这一问题,提出了一种消除光晕效应和保持细节信息的图像快速去雾算法。首先运用四叉树子矩阵划分的分层遍历方法得到更精确的大气光值,再通过分析大气散耗函数,利用融合梯度信息的改进引导滤波得到精确估计的大气散耗函数,并自适应的获取最小值图像与大气光平均值的阈值,求解出透射图,最后反演复原出无雾图像,并对复原后的图像进行亮度调整。对多组有雾图像进行了实验,本算法能有效地抑制去雾过程中产生的光晕效应,较多地保留了图像的细节信息,且运行时间大约减少了一倍。融合梯度信息的改进引导滤波不但可以较好地保留透射图的细节信息,有效地消除光晕效应,而且具有较好的鲁棒性和时间复杂性。本算法适用于交通等室外场景的去雾。     

基于全自动控制显微镜的自动聚焦算法研究

图像自动聚焦评价函数的选择是垒自动控制显微镜无源方式自动聚焦系统的关键问露。对几种主要的图像聚焦评价函散(灰度方差算子、灰度梯度算子、能量谱方法等)进行了比较、研究，并在此基础上首次将改进的Laplacian算子作为聚焦评价函数引人自动聚焦之中,同时为了消除噪声的影响，引入了步长和阈值两个参数。实验结果表明，改进的LapIacian算子比其他评价函数更为准确、稳定和可靠，该算法已成功应用于显微镜自动词焦系统中。     

基于导向滤波的多聚焦图像多阶特征融合算法

传统的图像特征融合算法未进行多阶特征分解,存在边缘信息保持度、平均梯度、清晰度等指标不佳问题,为此提出导向滤波的多聚焦图像多阶特征融合算法.通过图像导入法获取输入图像的不平滑区域,利用损失函数实现多阶特征分解.采用高斯滤波曲线获取图像内部参数,根据矫正矩阵获取矫正后二值图.计算清晰度、边角保留度以及对比度,并据此进行噪声权值优化,从而实现多聚焦图像多阶特征融合.实验结果表明,提出的融合算法能够更好地保持多聚焦图像原始高频信息,有效提升边缘信息保持度、平均梯度以及清晰度.     

基于自适应遗传算法的多项式模型结构与参数的一体化辨识

基于自适应遗传算法,提出一种多项式模型结构与参数的一体化辨识方法.针对组合非线性系统,首先将选定的候选项原始序列与输出序列进行相关度评估,根据其大小排列进行遗传算法染色体结构的自适应编码;在迭代辨识充分后,再次计算候选项贡献序列与由该项造成的模型损失序列间的相关度,剔除相关度较小的项,调整模型结构;如此循环迭代,在完成参数辨识的同时最终确认模型结构.仿真实例验证了算法的有效性.     

求解TSP的人工萤火虫群优化算法

人工萤火虫群优化算法是一种新型群体智能算法,已在复杂多目标函数优化方面得到了成功的应用,并表现出良好的性能.为了充分发挥人工萤火虫群优化算法的优点,将该算法与C2Opt算子相结合,设计了求解旅行商问题(TSP)的一个新的高效人工萤火虫群优化算法,并用其求解TSP这一经典的NP难问题.通过对比TSP实例测试,所得结果表明,所提出算法在种群规模较小、迭代次数较少的情况下可以收敛到已知的最优解.     

基于快速自适应差分进化算法的电力系统经济负荷分配

提出一种求解复杂电力系统经济负荷分配问题的快速自适应差分进化算法(FSADE).从矢量运算角度对变异算子进行分析,提出了一种改进的变异算子,大大提高了算法的收敛速率.根据个体的进化过程,引入自学习机制,对个体的变异和交叉概率常数进行自适应地调整,提高了算法的鲁棒性.3个不同规模的算例仿真结果表明,与其他4种典型智能优化算法相比, FSADE具有更好的计算精度和计算速度,是一种求解电力系统经济负荷分配问题的有效方法.     

基于强跟踪滤波器的MACA-MIE 模型及跟踪算法

结合自适应常加速模型(ACA)、改进输入估计(MIE)和强跟踪滤波器,提出一种新的自适应目标跟踪模型和算法.该算法通过扩展 ACA 模型状态矢量和改进状态噪声协方差调整方法,利用 MIE 和强跟踪滤波器,实现了机动加速度方差和状态预测协方差依据残差信息的实时完全自适应调整,在缺乏目标加速度先验知识的情况下,能够实时高精度跟踪目标突变状态、弱机动和非机动状态.仿真实验表明,相比 ACA 模型和 MIE,该算法具有更好的机动状态和非机动状态跟踪性能.     

基于受控旋转门的量子神经网络模型算法及应用

提出一种量子神经网络模型及算法．首先借鉴受控非门的含义提出一种受控量子旋转门,基于该门的物理意义,提出一种量子神经元模型,该模型包含对输入量子比特相位的旋转角度和对旋转角度的控制量两种设计参数;然后基于上述量子神经元提出一种量子神经网络模型,基于梯度下降法详细设计了该模型的学习算法：最后通过模式识别和时间序列预测两个仿...     

基于直觉模糊证据合成的多传感器目标识别

对证据理论和直觉模糊集理论之间的本质联系进行分析,提出一种基于直觉模糊集改进的证据合成实用算法用于多传感器目标识别.根据直觉模糊集中隶属度和非隶属度的概念,对证据理论的可信度函数模型进行改进,提出了直觉模糊可信度分配函数模型并构造了相应的证据合成规则,以提高证据合成计算效率,使合成结果便于最终决策.通过与其他算法的对比实验验证了所提出算法的有效性.     

一种人工免疫算法优化的高有效性模糊聚类图像分割

针对传统模糊聚类初值敏感、易陷入局部最优的缺陷,将具有良好勘探和开采能力的人工免疫算法用于模糊聚类的优化并提出了相应的图像分割算法.利用改进的Hausdorff距离提出一种新的抗体浓度评价算子并定义了相应的免疫算子,简化了免疫操作,增强了算法自适应寻优能力.采用最近提出的一种有效性函数作为聚类适应度函数,以人工免疫算法寻优,从而自适应地确定聚类数日与中心,实现自动图像分割.仿真实验表明,该算法可以实现图像的自动高有效性分割.     

基于粒子滤波的检测前跟踪改进算法

针对低信噪比环境下微弱目标的实时检测与跟踪,提出一种基于粒子滤波的检测前跟踪改进算法.该算法在粒子滤波的基础上融合不敏卡尔曼滤波(uKF1)算法,融合后的新算法在利用重要性密度函数产生粒子时充分考虑当前时刻的量测,从而引导粒子向高似然区域移动,使得粒子的分布更接近状态的后验概率分布.仿真实验表明,改进算法的检测与跟踪性能优于标准的粒子滤波算法.     

一种基于类别属性关联程度最大化离散算法

针对现有离散化算法难以兼顾计算速度和求解质量这一难题,提出一种新的基于类别属性关联程度最大化监督离散化算法.该算法考虑了类别、属性值的空间分布特征,根据类别与属性之间的内在联系构造离散化框架,使离散化后类别和属性的关联程度最大.实验结果表明,基于类别属性关联程度最大化离散算法在保证计算速度的前提下能有效提高分类精度,减少分类规则个数.     

混合单变量边缘分布算法及其仿真应用

针对单变量边缘分布算法(UMDA)容易陷入局部最优解且搜索效率较低等缺点,提出一种混合单变量边缘分布算法(HUMDA).该算法采用两阶段参数动态控制策略来控制算法的均值与方差参数,在搜索初期保持群体的多样性,在算法后期提高了算法的局部搜索能力,并引入混沌搜索机制有效提高了算法的搜索精度和效率.采用多峰高维标准测试函数进行测试,测试结果表明 HUMDA 具有更优的全局搜索能力且搜索精度较高.将其应用于求解水库优化调度问题,亦得到较好的结果.