自适应熵疫苗算子的免疫图像分割方法

本文针对二维熵图像分割算法存在计算量巨大的问题,基于免疫调节机制,设计了一种新的图像分割方法．该方法利用免疫疫苗理论,并与熵理论相结合,提出了熵疫苗算子．熵疫苗作为抗体疫苗进行选择,通过熵运算,提取更新疫苗库,从而使得最优分割阈值的形成及疫苗库的更新具有自适应性,疫苗的选择更加准确有效．仿真实验表明熵疫苗算子加快了算法的搜索速度、提高了算法的适应性．该算法对复杂图像具有良好分割效果和较强的实时处理能力．     

一种针对灰度非均匀图像的混合分割框架

该文将基于区域的局部和全局活动轮廓技术有机结合起来,给出了一种针对灰度非均匀图像的分割框架。考虑到灰度非均匀特性对图像非轮廓象素点影响较大而对图像轮廓象素点影响较小这一事实,在该框架中引入了图像边缘停止函数来平衡局部和全局灰度信息之间的相互影响。基于该框架,给出了一个具体的实例模型,运用快速的模糊对偶算法获取实例模型的全局最优解。用一组图像进行实验,并通过对实验结果的定量分析,验证了该模型的合理性。     

基于扫描枪的字符二维条码识读算法研究

不同于传统的图像二维条码,字符二维条码由字符组成条码矩阵.字符二维条码可通过扫描枪获取后,因其结构不同于传统图像二维条码,需对字符二维条码进行定位、分割以及字符识别.在扫描枪有限的内存空间和运行速度限制下,开发了字符二维条码的识读算法.提出了基于圆定位符的字符二维条码定位算法,对条码字符进行投影分割后,采用基于特征融合的识别方法实现了字符识别.实验表明:种字符二维条码识读算法能够很好地运行在扫描枪上,快速、准确地实现字符二维条码的识读.     

基于纹理结构异常的织物疵点检测算法研究

提出了一种基于织物纹理结构异常的织物疵点检测算法。首先计算代表正常纹理的主邻域结构图;其次通过比较每个像素的邻域结构图与主邻域结构图的差异来定义该像素的显著性,进而得到显著图;最后采用迭代最优阈值分割方法对显著图进行分割得到疵点区域。试验证明,该算法操作简单、计算速度快、鲁棒性强,具有较强的自适应性。     

基于车载LiDAR数据的建筑物三维重建

车载LiDAR点云数据量大且杂乱无章,当前尚没有完整算法来实现建筑物点云的自动分割和模型重建,特别是带有纹理信息的模型重建.以一栋结构复杂的建筑物为例,结合建筑物实际特征,采用自动与手动相结合、先简单后复杂、凹凸一致性等原则对数据进行分割和滤波处理;再采用点云数据与CAD底图配准的方式进行三维重建、纹理映射和渲染,从而实现结构复杂建筑物的真实三维重建.     

基于形态重构的豆粒分割算法

在实现大豆图像豆粒的分离时,针对分水岭算法中容易出现过分割等问题,综合利用H-Dome形态学重构以及距离变换改善梯度图局部多个极小值问题,再使用分水岭算法找到粘结边界点,从而将颗粒分离.实验结果验证了此方法的有效性.     

基于肤色的图像人数统计识别算法

提出一种YCbCr色彩空间中基于肤色的人数统计识别算法。通过计算所得阈值区分开肤色与非肤色区域,得出二值图像。对二值图像进行形态学处理,并根据人体生物特征进行筛选,选取目标区域,对连通区域进行统计。仿真结果表明,该算法能够准确地统计出图像的人数,且运算速度快,具有较好的实时性。     

分割虚拟人切片数据的SVM多类分割方法*

针对虚拟人切片数据量大、解剖结构复杂等特点,对分割虚拟人切片图像的基于二叉树SVM多类分割方法进行研究.基于二叉树的SVM多类分割方法较其他SVM多分类方法更符合人们分割虚拟人切片图像的习惯,而且能获得较高的分割性能和质量.通过对该方法的性能分析,为组织高效的二叉树SVM多类分割方法提供了理论支持.     

基于稀疏强特征提取的三维地震数据完备方法

随着复杂储层地震资料特征筛选的机器学习技术的进步,如何有效地对参与地震属性优选和储层反演的地震样本进行采集和分析,成为目前智能地震预测领域的一个研究热点。目前的方法多着重于模型分类算法的改进,在标签的制作和采集方面不仅耗费大量时间进行人工标注,还存在标签不平衡情况下类内可靠性、类间平衡性不强等问题。为此,提出基于稀疏强特征提取的三维地震数据完备方法。首先,基于多数决原则的样本分割(Sample Segmentation Based on Majority Rule, SSMR)寻迹多尺度、多标签三维地震样本,进行采集、自动标注;然后,改进标签洗牌平衡方法(Improved Label Shuffling Balance Method, ILSB),通过“2+1”的样本增广平衡策略进行数据完备处理,改善样本采样不平衡性导致的模型训练偏向性;最后,利用基于最小L₁范数稀疏表示对奇异值分解结果进行强特征提取(Minimum L₁-norm Based Sparse Representation for Feature Extraction, L     

基于局部积加权对比的红外弱小目标检测

针对复杂背景下因像素点噪声及高亮边缘干扰导致的对红外弱小目标检测率低、虚警率高的问题,提出一种基于局部 积加权对比的红外弱小目标检测算法。 首先,分别计算目标区域与背景区域均值,并得到目标与局部背景的差异性;提出一种 局部积加权方法,极大增强了小目标的显著性与抑制背景杂波的能力;其次,采用多尺度算法增强算法的自适应能力;最后,对 显著性图像进行自适应阈值分割,得到待检测的真实目标。 仿真实验结果表明,所提算法的信杂比增益( SCRg)和背景抑制因 子(BSF)相比现有算法均有一定提升,在复杂背景及强噪声干扰下仍具有良好的准确性和鲁棒性,实现了提高检测率,降低虚 警率的目的。