光学4f系统灰度误差补偿的实现

为补偿光学4f系统灰度误差,提出基于直方图匹配和径向基函数(RBF)神经网络的灰度误差补偿方法。首先利用径向基函数神经网络拟合经光学4f系统输出图像的直方图与对应输入图像的直方图之间的非线性变换,得到输出图像与输入图像的直方图匹配变换曲线的最优估计;再依据直方图匹配曲线的最优估计对经光学4f系统的输出图像进行直方图匹配,得到灰度误差补偿后的图像。利用实际的光学4f系统进行光学实验,灰度误差补偿后图像的信噪比平均提高了2.96dB,视觉效果明显改善。实验结果表明,该方法能有效补偿光学4f系统灰度误差,提高基于光学4f系统的光学信息处理的精度。     

一种CT医学图像分割新算法

针对临床辅助诊断的需要,提出了一种结合传统分水岭算法和新型核聚类算法的CT医学图像分割新算法。首先,通过分水岭变换,CT图被分割成不同的小区域。然后,根据改进的KFCM算法,利用Mercer核将各个小区域的平均灰度值映射到高维特征空间,使得原来在分水岭算法分割图中未显示出来的特征显现出来。通过此方法,相较于传统核聚类(KFCM)算法,我们可实现更准确的聚类,并有效解决分水岭算法分割CT医学图像的过分割问题,因此能取得更好的分割效果。实验结果显示,本文方法能够很好分割腹腔CT图,获得更清晰的分割图像。     

自动指纹识别系统中指纹图像分割方法的研究

在研究和分析传统的指纹分割方法：方差法和方向图法的基础上,介绍了一种基于最大类间方差的指纹图像分割方法,并将它和方向图法合理结合,然后提出了一种新的基于方向图和最大类间方差的复合分割方法。该复合分割方法的优点是不仅具有良好的分割效果,而且该方法在运算速度上比传统方法更快,更适合于实时处理。     

一种快速鲁棒运动估计方法

经典的相位法易受高频噪声影响,且计算量大,难以满足实时性要求。提出了基于提升小波变换和离线预建立相关归一化系数与旋转角度对应关系数据库的快速鲁棒运动估计方法。试验结果表明,该方法在保持较高估计精度的情况下,具有较快的估计时间和较好的鲁棒性。     

结构振动状态输出的灰色预测主动反馈控制

针对主动即时控制中的时滞问题,提出了对结构振动状态（即输出）向量实施灰色预测即时主动控制,设计了结构的即时预测控制方案,推导了灰色预测方程,并用Mauab编程进行了仿真分析．将该方案应用于某房屋的抗震控制中,并将计算结果与理想的即时控制、不控制等工况的控制效果进行了比较,仿真结果显示采用灰色预测控制能有效减小时滞影响,控制效果较为理想．     

基于指标权重的喀斯特地区水资源承载力评价

在前人研究的基础上,采用新的指标权重确定法,运用多目标灰色关联投影法对贵州省各地区的水资源承载力进行排序,得出了不同的结论。     

基于布谷鸟迭代更新策略的多重优化算法

针对布谷鸟算法在寻优过程中存在的收敛速度慢和局部探索能力弱的缺点,基于布谷鸟迭代更新策略提出了一种新型的多重优化算法.通过引入Skew tent映射初始化种群,增强种群的多样性.受粒子群算法启发,引入社会学习和自我学习来提高种群的信息交流能力,并采用对数自适应参数平衡来提高全局搜索能力和局部开发能力.借鉴灰狼算法的狩猎...     

灰色偏相关评价法在认知型学生模型中的应用

针对认知能力评价这类因素较多,且难以进行定量描述的问题,建立认知能力因素评价体系,利用灰色偏相关评价法建立认知型学生模型。首先分析各认知能力因素的相互影响关系,计算偏相关系数得到各认知能力因素的权重值。然后确定评价灰类,建立白化权函数,得到各认知能力因素关于各评价灰类的灰色评价权值,从而建立认知型学生综合评价模型。最后通过实例对方法模型进行验证。实例表明,该方法模型能够对学生知识水平作出评价并引导学生进行学习,其结果具有一定的可靠性。     

指纹图像复合分割算法研究

良好的指纹分割能够有效提高特征提取精度和减少后续处理时间,在指纹图像预处理中具有重要作用。文章在分析了传统指纹分割方法优缺点后,改进了传统方向图计算方法,然后提出了一种基于方向图法、方差法和跑长码目标标记法的复合分割方法,通过实验证明,这种方法能够有效解决传统方法的一些缺点,并对不同类型指纹图像有较高的适应性。     

基于K-means聚类和LVQ神经网络的OLED缺陷像素识别

提出改进的K-means聚类分割和LVQ神经网络分类的方法，用于有机发光二极管显示面板喷墨打印制程中缺陷像素的识别。首先采用改进的K-means聚类算法对预处理后的打印像素进行分割，然后采用连通域水平矩形确定每一个打印像素的坐标及几何特征，再通过灰度共生矩阵提取其纹理特征，最后通过LVQ神经网络对所述特征进行分类，完成缺陷像素的标记及分类统计。结果表明，本文算法的识别率明显优于其他常用分类识别算法，平均缺陷检测率为100%，分类准确率达到98.9%，单像素检测时间为8.3 ms。