基于粗集方法的图像识别系统

提出了基于粗集理论的一种图像识别系统，该系统包括图像预处理，特征提取、决策表生成，条件属性简化等，运用粗集方法，能有效地压缩图像特征数目从而大大提高运行速度。     

基于微观形态的白酒鉴定方法研究

观察和分析了白酒显微形态结构,提出一种基于微观形态的白酒鉴定方法.以白酒显微形态图像信息为桥梁,将白酒内在的、微观的变化规律和特点同白酒宏观的酒质级别关联起来,利用白酒显微形态信息从微观上把握白酒的分级.提出白酒鉴别系统方案,构建出具体学习子系统、应用子系统和质量控制子系统框架结构,并进行应用展望.     

基于非线性结构张量自适应滤波图像去噪算法研究

针对Wiener滤波对具不同局部的图像去噪效果不佳的不足,研究了由非线性扩散方程导出结构张量的非线性形式,结合空间域自适应wiener滤波,优化滤波窗而达到更好去噪的一种图像去噪算法。通过基于扩散张量成像方法的改进不仅提高图像处理过程的计算效率,而且更好地保持了图像边缘等细微结构特征。实验结果进一步验证了该算法的有效性。     

一种改进多尺度形态边缘检测算法

提出一种改进的多尺度形态边缘检测算法。用不同尺度大小的结构元素分别检测出图像的不同尺寸的边缘信息,运用本文提出的基于直方图配准的自适应方法对所获不同尺寸的图像边缘进行融合,获得理想的图像边缘,有效地消除了噪声。实验结果表明当图像中加入了强度超过20％的椒盐噪声后,检测到的边缘仍然非常清晰。     

显微图像Gabor滤波增强

提出一种基于自适应融合的多尺度多方向Gabor滤波图像增强方法.使用特定不同方向不同尺度Gabor滤波器与图像卷积,卷积图像进行规格化,通过取极小值和平均值对多通道图像Gabor滤波结果进行自适应融合,得到增强图像.并将其用于AFM显微图像增强,能有效消除阴影和噪声,获得良好效果.     

基于BP神经网络的结晶成核速率预测

利用神经网络所具有的输入输出之间的高度非线性映射关系,给出了一种利用BP神经网络模型预测磷酸二氢铵结晶成核速率的方法。在对网络进行训练的基础上,建立了磷酸二氢铵结晶生长速率与过饱和度、冷却温度、饱和温度及悬浮密度和之间的数学模型。仿真结果表明,利用文中所提出的神经网络模型能够较准确、快速地预测结晶成核速率的变化,预测值与测量值的最大相对误差不超过5.9%,表明该网络预测模型有很大的实用性。     

反光和深色物体三维测量的改进方法

传统的基于结构光的三维测量方法,由于采用投射一定频率的黑白条纹式结构光栅进行测量,所以这种方法对光照和物体本身的颜色要有一定的要求。很多反光或者深色的物体均需要喷涂一定的显影剂才能完成三维形貌的测量,但对于一些特定的物体不能采用喷涂的方式。本文采用一种多次曝光的方法,在多频外差的三维测量方法基础上改进了对反光或者深色物体的三维测量,并将多次曝光和摄像机双目测量系统相结合起来进行测量。在对物体进行多次曝光之后,将多次曝光的图像融合后成为一次曝光图像。使用双目结构测量系统只对左右相机可视区域进行测量,该方法精度高、并最大程度地保留了物体上细节信息,同时提高了测量结果的完整性。     

基于融合的显微图像Gabor边缘提取算法

不同参数Gabor滤波器都具有各自的频率选择和方向选择特性,图像中纹理基元可以利用多个方向和中心频率Gabor滤波器组提取出来的频谱值来表示.据此提出一种适应于显微图像的Gabor滤波边缘检测算法.使用特定不同方向Gabor滤波边缘提取算子对图像进行边缘信息提取,获得不同方向上边缘特征信息,对其进行分析和融合提取图像边缘.运用该方法时所获不同方向的图像边缘进行自适应融合,获得的图像边缘较理想,模糊的边缘得到增强,并有效地消除了噪声.实验结果表明,该算法对显微图像处理有效,检测到的边缘清晰.     

一种改进的连续属性离散化方法

连续属性离散化在数据分析的数据预处理中非常重要。本文提出一种基于类信息熵的有监督连续属性离散化方法。该方法运用了粗集理论中决策表的一致性水平的概念。算法分成两部分:首先根据决策表的一致性水平动态调整聚类类别数目,运用分级聚类形成初始聚类。然后,基于类信息熵合并相邻区域,减少区间数目。实践证明该方法是可行的。     

基于塔形分解的局部熵差图像配准

以图像局部熵差为匹配准则,确定关键点的匹配位置。逐点计算图像局部熵,将图像局部熵序列进行塔式分解。采用金字塔式的数据结构,通过从低分辨率图像开始模板匹配,找出粗匹配点,逐步找到原始图像(即高分辨率图像)的精确匹配点,大大减少了计算量。该算法具有良好的抗噪声能力和抗几何失真能力。实验结果表明,当实时图相对于参考图旋转不超过5°时,正确匹配达到76%以上;当椒盐噪声强度不超过5%时,正确匹配达到78%以上;当零均值高斯白噪声方差不超过0.02时,正确匹配达到70%以上。