基于矩的数字图像多边形逼近方法

提出了两种基于矩的数字图像的多边形逼近方法。通过比较原始图形和近似图形之间几体矩或Legendre矩的偏差的大小,选择一个最佳的近似结果,进一步可以得到一个顶点数递减的近似多边形序列。与现存的方法比较,这种方法有效地避免了逼近这结果依赖于起始点的选取的缺陷。     

基于小波描述子和神经网络的形状识别

提出一种把小波描述子和神经网络相结合的形状识别方法。通过小波描述子提取待识别物体的形状特征,所提取的特征值不受物体位移、缩放和旋转的影响,接着用多层分类器网络对物体的形状进行识别分类,并采用BP算法对神经网络进行学习和训练。最后得出令人满意的实验结果。     

基于小波描述子和神经网络的形状识别

提出一种把小波描述子和神经网络相结合的形状识别方法。通过小波描述子提取待识别物体的形状特征，所提取的特征值不受物体位移、缩放和旋转的影响，接着用多层分类器网络对物体的形状进行识别分类，并采用BP算法对神经网络进行学习和训练。最后得出令人满意的实验结果。     

数字曲线的多边形逼近方法研究进展

在模型简化、图像处理和分析、模式识别以及计算机视觉等应用中常常涉及到数字曲线的多边形逼近问题。对该问题的国内外研究成果进行了较为系统地介绍,对一些典型算法的优缺点进行了分析,对相关技术的发展进行了展望。     

基于小波描述子的叶片轮廓几何建模

利用植物动漫部件组装整株植物是植物生长单帧建模的一个既简单又有效的方法,但由于植物形态的复杂性,其数据结构一般采用长度不等的链表来存储形态数值,这不但给特征点位置的设计和存储带来困难,而且影响图形显示速度.为此提出一种利用小波描述子来刻画植物器官形态的方法.以植物叶片轮廓的建模为例,先构造出刻画叶片轮廓形态的形状函数;...     

一种基于遗传算法的数字曲线多边形逼近方法

提出了一种基于遗传算法的数字曲线多边形改进逼近方法。该方法针对规则形状数字曲线的多边形逼近问题,以二进制向量序列表示的染色体作为每一个对应的逼近多边形候选解,将简化前后多边形质心偏移误差以及各被替换线段欧氏距离的方差引入到适应函数中,用迭代次数的sigmoid函数作为变异概率来控制遗传算法优化求解过程中的全局和局部搜索特性。实验结果表明,该方法对于保持曲线多边形简化逼近后的形状特征具有较好的效果。     

一种基于面积误差的多边形逼近算法

多边形逼近是提取曲线特征点和简化数据加快图形运算的一个重要方法。文中提出了一种基于面积误差的多边形逼近算法。算法可以在指定的面积误差门限范围内,满足用户对逼近效果的要求。同时这种算法稍加改造可满足指定逼近结果中多边形顶点数目的要求。实验证明这种算法逼近效果好,可以控制面积误差。     

一种基于面积误差的多边形逼近算法

多边形逼近是提取曲线特征点和简化数据加快图形运算的一个重要方法.文中提出了一种基于面积误差的多边形逼近算法.算法可以在指定的面积误差门限范围内,满足用户对逼近效果的要求.同时这种算法稍加改造可满足指定逼近结果中多边形顶点数目的要求.实验证明这种算法逼近效果好,可以控制面积误差.     

基于矩-傅里叶描述子人脸图像识别

本文介绍了在Radon变换下的图像矩特征的抽取方法，并得到图像的矩特征矩阵；进而对矩特征矩阵按行向量进行傅里叶变换组成矩－傅里叶描述子特征矩阵，采用矩阵的加权欧氏距离作为人脸图像的匹配识别的算法，产生较好的结果。     

基于遗传算法的多边形逼近3D数字曲线

首先对3D数字曲线进行简单的数据压缩．通过对该曲线上的点列进行二进制编码定义来表示数字曲线的染色体．二进制串中的每一个位称为基因,每一个逼近多边形和染色体形成1-1映射．目标函数使给定曲线和逼近多边形之间的均方差最小．构造了解决该问题的选择、交叉、变异三个算子．所得最优染色体中基因值为1的基因对应数字曲线的分界点．实验结果表明,该方法能够得到精确的逼近结果．     

基于Franklin函数的数字曲线多边形逼近

针对数字曲线多边形逼近中存在计算复杂度高、容易受噪声影响等问题,提出一种基于Franklin函数系的数字曲线多边形逼近算法.通过对原始数字曲线在Franklin函数系下进行正交分解,选取少量较大的、反映了原始数字曲线主要特征的分解系数进行重构,所得结果即为数字曲线的逼近多边形.实例结果表明,该算法计算复杂度低、对噪声有较强的鲁棒性,不仅可以实现对原始数字曲线的多层次的最佳平方逼近,而且还保留了原始数字曲线的整体特征.     

一种改进的骨架曲线串行多边形近似算法

常见骨架提取算法对复杂多变的目标边缘具有较强的敏感性, 提取出的骨架曲线结构相对复杂, 数据量仍然较大. 针对这一问题, 提出了一种新的骨架曲线多边形近似算法. 该算法结合骨架曲线的特点, 在传统串行多边形近似算法的基础上引入了平滑度保持、结构特征保持以及拓扑特征保持等约束条件, 既较好地保留了原始骨架的主要拓扑结构特征, 又有效地简化了骨架曲线的结构, 进一步压缩了数据. 仿真研究证明了该方法的有效性.     

多边形近似曲线的基于排序选择的拆分合并算法

将遗传算法的排序选择策略引入到传统的拆分与合并算法,提出一种基于排序选择策略的拆分与合并算法（RSM）来求解平面数字曲线的多边形近似,解决了传统的拆分与合并算法对初始解的依赖问题．用2条通用的benchmark曲线对RSM算法进行测试,结果表明该算法的性能优于遗传算法和传统的拆分与合并算法．将RSM算法应用于湖泊卫星图像的多边形近似,取得了较好的近似效果．     

遗传算法用于曲线的误差约束多边形近似

提出了一种求解曲线的误差约束多边形近似问题的遗传算法.其主要思想是:1)采用变长染色体编码机制,以减少存储空间和计算时间的消耗;2)针对问题的特点,提出了一种新的杂交算子——基因消去杂交,以尽可能地消去染色体上的冗余基因,从而提高算法的寻优能力;3)采用染色体修复策略处理遗传操作产生的不可行解,该策略通过迭代地向染色体追加有价值的候选基因来实现染色体的修复,并提出一种对染色体的候选基因进行评估的机制.通过实验评估并与其他遗传算法进行比较,结果表明,提出的算法性能更优越.     

一种基于离散微粒群优化的数字曲线的多边形近似算法

数字曲线的多边形近似是图像分析研究领域的一个热点问题.获取数字曲线的优化多边形近似是一个复杂的问题,其计算复杂度非常高.微粒群算法是近些年来提出的一种新的优化方法,已经被广泛应用于各种优化问题的求解.提出了一种求解数字曲线的多边形近似问题的基于整数编码的离散微粒群算法(IPSO).IPSO通过重新定义标准微粒群算法的速度和位置更新公式中的加法、乘法和减法运算,使得算法能运行在离散的解空间.IPSO的位置向量修复机制保证了解的可行性,而局部优化器提高了算法的搜索精度.实验结果表明,IPSO求解的质量和求解的效率均优于遗传算法和0-1编码的微粒群算法.     

基于多边形拟合的细胞图像特征提取算法

细胞图像自动检验与识别是现在生物医学工程领域的一个热点问题.在细胞图像识别中传统应用目标的形状特征提取算法存在不足.为了提高图像提取精度,在分析边界直线拟合基础上提出了一种改进的细胞图像特征提取算法,建立基于平滑后边界拟合多边形的曲率向量、边长向量,分析定义了基于拟合多边形的拐点数、端点数,曲率均值、曲率方差、长轴、短轴、长短轴比、对称率、平行度等形状特征描述子.改进算法应用于蕞本形状与显微镜细胞图像中目标形状的特征提取,计算机仿真表明算法得到的形状描述子可以有效区分基本形状,并具有位移不变,并保证细胞图像提取的精度.     

一种新的基于Legendre矩的fMRI图像配准方法

提出了一种脑功能磁共振图像配准的方法。Legendre正交矩可以用来作为图像配准的策略，它的快速计算至关重要，边界的拟合精度和速度对Legendre矩的计算影响很大。根据推导出的Legendre矩的边界特点，提出了采用四连通链码法和改进的矢量斜率法进行边界拟台，从而解决了Legendre矩快速计算的问题。采用遗传算法进行多参数配准策略优化，避免了局部极值的干扰。改进的Legendre矩配准方法是一种快速脑功能图像配准方法。