基于蜂群算法的图像边缘检测*

提出了一种基于蜂群算法的图像边缘检测方法。利用蜂群算法的特点,对图像边界进行快速搜索,得到一组局部最优点,然后分别从局部最优点开始进行搜索,找出图像中各物体的边缘点,所有蜜蜂找出的边界点的并集就是图像边缘。仿真实验表明该算法是可行和有效的。     

无机纳米-聚酰亚胺复合薄膜介电性研究

测试了纳米Al2O3-聚酰亚胺(PI)复合薄膜和纳米SiO2-聚酰亚胺复合薄膜的介电常数、介质损耗角正切和电导电流特性.结果表明,随着无机物含量的增加,两种复合薄膜的相对介电常数和介质损耗角正切增大,电老化阈值减小;无机物含量相同时,Al2O3-聚酰亚胺复合薄膜的相对介电常数和介质损耗角正切比SiO2-聚酰亚胺复合薄膜大,电导电流大,电老化阈值小.     

双阈值法在文字轮廓提取中的应用

在图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法区分了阶梯型边界和跳跃型边界,从而提取了阶梯型边界．上述算法中需选择峰值阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,对变换后的整幅图像取固定阈值时,那么微弱边缘将会随着因灰度不均匀、噪声等一并被滤除．针对这一问题,在上述算法中用双阈值法代替固定阈值,在文字图像轮廓提取中取得了较好的效果．     

改进的基于移动小波树的数据流异常检测方法

针对移动小波树数据流异常检测算法的不足,提出了一种改进的移动小波树异常检测方法,利用比率阈值去除颠簸数据的干扰,提高了检测精度;利用二分查找检测算法,提高了检测的效率;结合实时增量更新算法满足了数据流在线处理的要求;改进了阈值设定方法,可实现双边异常检测。用射线数据和电能质量扰动数据进行仿真实验,结果验证了方法的有效性。     

指纹图像的自适应方差分割法

指纹图像分割的目的是从图像背景中分离出有用的指纹区域。灰度方差法是一种简单快速的指纹图像分割算法,本文给出一种自适应阈值的灰度方差分割法。实验表明,本文方法选取的分割阈值能够较好的分离出指纹图像的前景和背景,是一种有效的指纹图像分割算法。     

一种新信息熵定义及其在图像分割中的应用

熵阈值法是图像分割中的重要方法,并在图像处理中得到了广泛的应用。针对香农熵阈值法因存在对数计算而导致计算量过大的问题,本文首先提出了一种新的信息熵;其次对其一些性质进行了探讨;最后用于图像分割的阈值选取。实验结果表明,本文的新熵阈值法是可行的,且其计算所需时间量远小于比香农熵阈值法。     

基于实时负载的HDFS负载均衡改进与实现

针对HDFS系统自带的负载均衡策略所使用的静态固定阈值的主观性太强以及未考虑集群繁忙时启动均衡机制对主业务运行效率的影响,重新定义了系统负载,提出了基于实时负载的动态阈值的计算方法.该方法根据各DataNode所占磁盘空间使用率情况以及DataNode的工作繁忙状态,使集群动态地计算出能反映当前集群繁忙状态的阈值,减少均衡机制对整个集群主业务的影响,从而实现集群在系统使用和磁盘占用空间之间更好的平衡.     

基于计数排序的最小种子集贪心算法

网络最小种子集问题与网络影响最大化问题相关,研究的是对于具有节点阈值的网络,构造网络的最小节点子集,使得如果这个子集中的节点是活的,则在给定的影响传播模型下整个网络都受到影响。为此提出了新的贪心算法,以节点的度与阈值的差为关键值对网络节点进行计数排序,然后取值最小的节点进行处理。新算法在时间复杂度上改进了基于最小堆的种子点选取算法。在简单多数阈值模型上针对经典的无标度网络得到了所构造的种子集规模上界。实验在随机生成网络和一些实际网络数据集上进行,结果表明所提方法的有效性,特别在无标度网络上生成的种子集具有比相关算法更小的规模。     

基于Contourlet变换阈值的图像降噪

本文研究利用Contourlet变换阈值方法去除图像中的高斯噪声,先对图像进行Contourlet变换,然后对变换后的系数根据特点进行了划分,一类变换系数通常被舍弃;另一类通常采取保留或修正的策略,最后给出了软阈值函数和硬阈值函数,并对它们的降噪效果进行了比较。实验结果表明,与小波阈值降噪相比,Contourlet变换阈值方法能更有效地去除图像中的噪声,获得了更高的峰值信噪比。     

基于一种新的阈值函数的小波图像去噪

文中在D. L. Donoho和I. M. Johnstone提出的小波阈值去噪基础上,提出了一种改进的阈值函数。该阈值函数采用双阈值模式,通过逐渐增大对小波系数的缩减力度来处理双阈值之间的小波系数,尽可能多地保留有用信息,直至小波系数缩减为零。在这里引入了一个控制变量来调节系数的缩减幅度。与传统的软、硬阈值方法相比,改进的阈值函数最大的优点是函数连续且减小了估计系数的误差。通过仿真实验,从视觉和客观评价标准（峰值信噪比和均方根误差）上验证了新阈值函数去噪的有效性。