基于超像素快速模糊聚类的印刷品图像分割方法

针对当前彩色印刷品色差检测过程中效率低、复杂性高等问题,提出了一种基于超像素快速模糊聚类的印刷品图像分割方法（SFFCM）。先用简单线性迭代聚类（SLIC）算法将图像分割为紧密相邻的超像素区域。每个超像素区域被视为一个独立的聚类单元。随后,将模糊C均值聚类（FCM）算法应用于超像素的归属关系计算中,即引入隶属度值,允许超像素归属于多个聚类中心,并通过权衡归属度值来实现模糊聚类。实验结果表明,相对于其他算法,本文方法在保持良好实时性的同时,实现了较好的分割效果,有效平衡了算法复杂度与分割效果之间的关系。     

基于局部随机游走的超像素分割方法

针对基于图论的超像素分割方法缺乏超像素紧凑性控制和运算复杂度过高的问题,提出了一种基于局部懒惰随机游走（LLRW）的超像素分割方法,并将超像素分割形式化为像素邻接图的局部划分问题,提出了一种直观的分割质量度量。该方法首先将均匀平铺的六边形重心作为超像素种子点初始位置;然后利用局部随机游走算法计算种子点与周围像素的相关程度,将其最相关种子点的标号赋予该像素;最后计算新的超像素重心,并将其作为下一轮迭代的种子点位置,通过若干次迭代逐步优化超像素分割结果。此算法具有线性的时间复杂度和线性的空间复杂度,同时超像素分割质量具有理论保证。通过标准数据集上的实验证明,该方法不仅能够较好地保持图像边界,还可以保证超像素的紧凑性,从而达到理想的超像素分割效果。     

基于免疫密母算法的图像分割

密母算法具有全局和局部搜索能力,但其具有对参数敏感、个体学习计算复杂度高的缺点.为了克服密母算法的缺点,本文提出了基于免疫密母算法的图像分割(IMAIS)方法.该方法对图像分割时采用了两个种群,并分别用密母算子和免疫克隆算子对这两个种群同时进化,加快种群收敛速度.实验结果表明了本方法的可行性和有效性.     

一种改进的二维最小交叉熵图像分割方法

针对当前二维最小交又熵阈值法存在计算复杂度高等问题,提出了一种改进的二维最小交叉熵阈值分割方法.首先,依据图像的含噪声类型选择邻域模板并建立相应的二维直方图来提高分割效果;然后,对二维最小交又熵公式进行推导和简化处理,利用定义的数组运算推导出新型递推算法,再确定图像及其邻域图像的实际灰度级别范围,并用这种新算法在所求的灰度级别范围内搜索最佳阈值向量来降低计算复杂度;最后,使用关键阈值一对滤波后的图像进行分割达到最佳的分割效果.仿真实验结果表明,与当前的二维最小交又熵阁值分割法相比,本文提出的方法不仅分割性能及抗噪性能更强,而且分割时间大大减少,小于0.05 s.     

基于超像素的联合能量主动轮廓CT图像分割方法

为解决医学CT图像主动轮廓分割方法中对初始轮廓敏感的问题,提出一种基于超像素和卷积神经网络的人体器官CT图像联合能量函数主动轮廓分割方法。该方法首先基于超像素分割对CT图像进行超像素网格化,并通过卷积神经网络进行超像素分类确定边缘超像素;然后提取边缘超像素的种子点组成初始轮廓;最后在提取的初始轮廓基础上,通过求解本文提出的综合能量函数最小值实现人体器官分割。实验结果表明,本文方法与先进的U-Net方法相比平均Dice系数提高5%,为临床CT图像病变诊断提供理论基础和新的解决方案。     

基于超像素分割的扫描图像去网算法

目的研究一种扫描图像的去网算法,以去除影响扫描图像质量的半色调网纹或者加网网纹。方法首先基于SLIC超像素算法对扫描图像进行分割并对边界进行矢量化,然后采用线性平滑滤波器和非线性平滑滤波器对图像进行逆半调处理,得到平滑的背景图像,最后把矢量边界与平滑背景整合在一起得到去网后的图像。结果在去除网纹的同时有效保留了边界信息,实验图像的峰值信噪比和结构相似度优于其他算法。结论文中方法可以有效去除网纹,与其他算法相比具有较好的去网效果。     

基于数学形态学的显微图像分割算法

分水岭算法是一种图像分割的强有力的工具,而其分割性能和待分割图像梯度的计算方法相关,LucVincent所提出的分水岭算法主要存在过分割的问题。文章提出用形态学混合开闭重建运算的尺度空间平滑算法对图像进行平滑滤波处理,以消除图像细节和噪声而保留重要的边缘轮廓,再对平滑后的图像进行梯度修正,并进行梯度极小值抑制,进一步消除造成过分割区域,然后对修正后的梯度边缘图像进行分水岭分割。实验结果表明,采用本文的算法对显微动物精细胞图像分割能较好的解决过分割问题。     

二维直方图区域斜分Otsu阈值分割的快速迭代算法

鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的otsu法的快速迭代算法.在实验结果中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他两种快速算法进行了比较.结果表明所提出的快速迭代算法,使分割后的图像内部区域均匀,边界形状准确,有稳健的抗噪性,同时运行时间大幅减少.     

基于空间邻域信息的二维模糊聚类图像分割

传统模糊C均值聚类(FCM)算法进行图像分割时仅利用了像素的灰度信息,并且使用对噪声较敏感的欧氏距离作为像素与聚类中心距离度量的标准,因此抗噪性能较差.为了克服传统FCM算法的局限性,本文提出了一种基于空间邻域信息的二维模糊聚类图像分割方法(2DFCM).该方法利用二维直方图描述的像素邻域关系属性,一方面为聚类提供较准确的初始聚类中心,从而避免聚类中的死点问题;另一方面通过提出聚类中心同时在像素值、像素邻域值二维方向上进行更新的思想,建立了包含邻域信息的新的聚类目标函数,实现了图像的分割.实验结果表明,这种方法抗噪能力强、收敛速度快,是一种有效的模糊聚类图像分割方法.     

一种基于熵率超像素分割的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于熵率超像素分割的多聚焦图像融合方法。首先,将多聚焦源图像进行预融合;然后,用熵率超像素分割方法将融合图像分割成不同的区域,得到一幅融合图像的分割图像,对得到的分割图像进行膨胀操作得到新的分割图像,每个区域计算源图像相应区域的区域空间频率,从源图像中选择区域空间频率大的区域赋予融合图像。最后,当融合图像的相邻区域来自不同的源图像时,对他们的边界进行边缘处理,从而得到最终的融合图像。实验结果表明,所提出的方法能够得到较好融合效果,同时还具有运行效率高等优点。     

李级数法与Runge-Kutta法

对线性自治系统证明了二阶、四阶李级数法分别与Runge—Kutta法中二级二阶改进Euler法和四级四阶经典R—K法的一致性；说明了李级数法和Taylor级数法的一致性，但两者计算导数的方法不同，导致不同的应用价值。分析了李级数法在求解非线性问题时的优越性。     

退火-遗传算法寻优及其实现

分析了遗传算法及退火算法的优缺点,提出用退火算法改进遗传算法局部的最优值搜索效率低问题。退火算法与遗传算法融合后,使算法在寻优结果上更加迅速精确。通过水泥的配比工程实例,与单纯的遗传算法的结果进行对比,说明该方法是有效的。     

光互连网络中排序算法研究

通过对光互连网络排序算法的研究,提出利用二分法构造二分图依次确定内外节点开关的连接状态,得到可重排无阻塞的 Omega 网络, Banyan 网络和 Crossover 光网络,每种光互连网络都可实现 8×8 信号全排列无阻塞的输出和排序。针对二分法互连函数不一致的问题,继而采用优化的 Looping Algorithm 算法,生成路由标签确定各级节点开关的状态,从而得到互连函数相同结构简单性能优越的光网络。     

可靠性优化的一种新的算法

建立了可靠性冗余优化模型,提出了一种基于粒子群优化算法的可靠性优化的新方法,该方法结合了遗传算法的思想。实例结果表明,粒子群算法比模拟退火算法和遗传算法效果好。     

基于混合粒子群算法的物流配送路径优化问题研究

针对物流配送路径优化问题,提出了一种融合Powell局部寻优算法和模拟退火算法的混合粒子群算法,以克服单用粒子群算法求解问题早熟收敛的不足,增加算法的开发能力,提高算法的全局搜索能力,并进行了实验计算.计算结果表明,用混合粒子群算法求解物流配送路径优化问题,可以在一定程度上提高粒子群算法在局部搜索能力和搜索全局最优解概率,从而得到质量较高的解.     

k-supplier问题的贪婪近似算法

给定无向完全图G=(V,E)和正整数k,图G的顶点集V被划分为子集F和子集D=V-F.k-supplier问题主要研究如何寻找F中顶点数不多于k的子集S,使得S中的顶点到D中顶点的最大距离最小.研究了k-supplier问题,得到了一个近似比为3的多项式时间贪婪近似算法,并通过实例验证了该算法的有效性.     

基于BP算法与遗传算法的气体识别模型应用

本文采用遗传学习算法和误差反向传播算法（BP 网络）相结合来训练前馈人工神经网络（BPN），使网络收敛速度加快并避免局部极小。依据算法建立网络模型，用小批量训练替代单样本训练和大批量样本训练，提高网络的训练速度。通过模拟，预测结果表明，该算法收敛速度快，预测精度高，为气体模糊识别和预报提供了一种新思路和新方法。     

对Sutherland-Cohen算法的改进

提出了对Sutherland-Cohen算法的改进.通过引进辅助直线进行直线裁剪,只需两次求交运算就即求出线段的可见部分,还减少了对线段的重编码运算,具有和NLN算法相同高的效率.通过引入辅助平面进行三维裁剪,克服了NLN算法不能扩展到三维的缺点,而且其三维裁剪效率高于Sutherland-Cohen算法和梁友栋-Barsky算法.     

求解大规模TSP问题的混合算法

遗传算法求解大规模TSP时呈现出求解时间长、后期效率明显降低等缺陷。通过结合分块方法、局部搜索算法以及禁忌算法,本文提出一个求解TSP的混合算法,以提高初始解质量,减少计算量。利用遗传算法和混合算法对几个TSP进行数值实验,表明无论在结果的质量上还是在运行效率上,混合算法都明显优于遗传算法,而且,规模越大效果越明显。