基于混沌序列的数字图像加密算法

给出了一种基于混沌序列和图像融合的数字图像加密算法，可以实现对数字图像的快速加密，实验证明。该算法具有较高的效率和较好的加密效果。     

基于互包含度的数据分类效果评价研究

针对模糊C-均值聚类算法对初始化分类参数的选择比较敏感而导致分类结果差异性较大的不足,提出了基于互包含度的有效性函数进行数据分类效果好坏的评价。实验结果表明,本文定义的分类效果评价方法是可行的。     

基于数据划分最大信息的聚类有效性函数

基于样本最大分类信息的改进划分系数仅仅利用了数据的模糊分类信息,为了将数据分类的几何结构信息考虑进去,结合数据分类的最大内变差,提出一个聚类有效性标准。实验结果表明,该方法具有良好的分类性能。     

基于Sugeno补的广义模糊熵阈值分割方法

鉴于传统的基于模糊熵的图像阈值分割方法对于光照不均匀图像的分割结果很不理想,该文提出了基于Sugeno补的广义模糊熵图像阈值分割方法。首先按照Sugeno补函数不动点的变化,对一幅图像产生9个阈值,然后利用图像分割质量评价指标对这9个阈值进行评价,最后选择使得评价指标最大的阈值作为最优的阈值。与传统的模糊熵阈值分割方法相比,新方法增加了选择更好的分割结果的机会,对于光照不均匀的图像能够获得比传统模糊熵方法更好的分割效果。     

一种基于模糊C均值的图像超像素分割方法

在分析现有图像分割算法基础上,提出一种基于超像素的模糊C均值分割算法.首先利用像素间灰度和距离定义像素间相似度,从而循环迭代出图像的超像素;然后进一步提取每个超像素的小波能量特征并利用模糊C均值算法对该特征进行聚类.大量实验表明,提出的图像分割算法对噪声有一定稳健性,分割准确率高,并能有效抑制孤立点的影响.     

基于多样本的多核Fisher判别分析研究

多核Fisher判别分析法是一种有效的非线性判别分析法,对其涉及的参数利用遗传算法进行确定是一个有效的途径。针对训练样本较多时遗传算法搜索时间较长的问题,提出一种基于多样本的多核Fisher算法。其做法是将犬的训练集拆分成若干个小样本集,依次求得投影映射,并利用“投票策略”来判别待测样本。在人脸识别上的实验表明,基于多样本的多核Fisher算法可以在不降低分类正确率的前提下,提高算法的运算速度。     

基于双模板Siamese网络的鲁棒视觉跟踪算法

近年来,Siamese网络由于其良好的跟踪精度和较快的跟踪速度,在视觉跟踪领域引起极大关注,但大多数Siamese网络并未考虑模型更新,从而引起跟踪错误。针对这一不足,该文提出一种基于双模板Siamese网络的视觉跟踪算法。首先,保留响应图中响应值稳定的初始帧作为基准模板R,同时使用改进的APCEs模型更新策略确定动态模板T。然后,通过对候选目标区域与2个模板匹配度结果的综合分析,对结果响应图进行融合,以得到更加准确的跟踪结果。在OTB2013和OTB2015数据集上的实验结果表明,与当前5种主流跟踪算法相比,该文算法的跟踪精度和成功率具有明显优势,不仅在尺度变化、平面内旋转、平面外旋转、遮挡、光照变化情况下具有较好的跟踪效果,而且达到了46 帧/s的跟踪速度。     

新的滤波-逆投影成像算法

滤波-逆投影是一种公认的比较理想的转台成像方法,广泛应用于很多领域。但该算法忽略了时频耦合问题,使其成像效果受到了一定的影响。为此,提出了一种新型的滤波-逆投影算法。经过实验分析对比,证明了新算法的有效性。     

区间值数据模糊c-均值聚类新算法

针对范九伦等提出的两种模糊ｃ－均值聚类算法进行了改进,提出了更一般的区间值数据模糊ｃ－均值聚类算法．证明了当加权系数λ为１时,新算法等效于老算法Ⅰ;当λ趋于０ 时,新算法趋近于老算法Ⅱ．新算法以老算法Ⅰ和Ⅱ为其特例,并可用现有的模糊ｃ－均值工具箱直接实现．     

一种改进的混沌序列产生方法

介绍了一种混沌二值序列的产生方法,该方法以混沌动力学模型为基础,利用非线性的方法产生的混沌二值序列具有较好的随机性和初值敏感性,同时,还给出了该方法在图像加密中的应用。实验表明,该方法具有较好的效率和安全性。