基于反调和平均的张量形态学算子模型及其在彩色图像边缘检测中的应用

旨在建立基于张量模型的彩色图像形态学算子。通过将HSV彩色空间下的三维向量利用二阶对称正定张量进行建模表示, 提出一种基于反调和平均的彩色形态学算子。在此基础上, 借助于张量相似性度量构造基于参考张量的形态学算子, 该算子能够实现滤波的输入保持。通过基于形态学梯度的边缘检测实验验证模型的可行性和有效性。对比实验表明基于张量的彩色形态学模型相对于原有的向量模型在图像处理中具有更好的结果。     

基于距离度量学习的半监督多视角谱聚类算法

为了有效利用少量先验信息提高多视角数据聚类效果,提出了一种基于距离度量学习的半监督多视角谱聚类算法(简称ML-SMC)。首先,利用距离度量学习引入先验信息,将多视角数据映射到反映先验约束条件的空间.然后,根据相似性构造每个视角的视图,将多视角聚类问题转化为最小正则割的图划分问题。实验结果表明：ML-SMC算法聚类结果的精度优于3种经典的多视角聚类算法和4种半监督单视角聚类算法。并且通过利用少量先验信息ML-SMC算法能够有效提高聚类效果。     

改进的分水岭图像分割算法

针对分水岭图像分割算法对噪声敏感和易于产生过分割现象,提出了一种基于粒子群和区域生长的改进分水岭算法。该算法将区域生长与分水岭分割算法相结合,依据香农熵构建一个目标函数,确定区域生长参数;利用灰度均值计算区域间的差异度,将比较小的区域合并到与之相邻的差异度最小的区域中;利用粒子群算法对该目标函数进行全局寻优,实现图像分割。实验证明新算法较已有的几种分割算法有了很大提高,并有效地解决了分水岭算法的过分割问题,分割结果更加符合人的直观视觉特性,是一种有效、准确且实用的图像分割方法。     

自适应中心加权的彩色图像中值滤波方法

提出一种彩色图像自适应中心加权的矢量中值滤波方法。通过引入投影距离确定与待滤波点最接近的若干个像素的关系,并考虑该点与由聚合距离所确定的中值的关系,自适应地确定该点的权系数,形成相应模板下的一个多重向量集合,将该集合的中值作为滤波中值。实验证明所提出方法能有效地去除彩色图像的椒盐噪声,同时能够较好地保持其色调和细节信息。     

旧路路面维修改造方案比选探讨

以苍梧县某路面维修方案为例,依据旧路面的检测结果,拟定了几种路面结构方案,并从可行性、经济性、施工的便利性三个方面对路面方案进行了分析比选,最终确定了路面改造方案,为旧路路面改造提供了思路。     

基于路径形态学的图像边缘连接方法

经过边缘检测得到的边缘图,通常会出现不同程度的边缘断裂现象,对后续目标识别、目标提取等带来了极大的困难。路径开（或闭）算子的特点是可定义一簇由单像素宽且方向、长度灵活的链式结构元素进行相关形态学运算,对于处理图像中线性结构具有极大的优势。提出了一种基于路径形态学的断裂边缘修复技术;实验表明,该算法能有效修复断裂边缘并控制其错误连接,为后续的图像处理提供了准确的信息。     

高维数据离群点检测的局部线性嵌入方法

由于高维空间中数据点比较稀疏,用传统方法来检测高维空间中的离群点不能达到预期效果。提出了一种基于局部线性嵌入的离群点检测方法（OLLE）。在OLLE降维方法中,建立了一种有效的粗糙集模型,使数据集的下近似中的点保持局部线性结构。同时构造两个权重,使所有样本点保持局部近邻结构,且保证在降维的过程中使离群点远离正常点。最后,在低维空间中,采用基于最小生成树的k-最近邻启发式方法来检测离群点。通过一系列的模拟实验,证明OLLE方法能达到很好的降维效果,并且在低维空间中可以有效地检测出离群点。     

关于集值映射的次连续、P─连续与U─连续性

首先给出了集值映射的次连续定义，并研究了集值映射空间的次连续性；然后给出了集值映射的Ｐ─连续定义，研究了集值映射的Ｐ─连续性，最后给出了集值映射的Ｕ─连续定义并研究了集值映射的Ｕ─连续性。     

二型模糊集的模糊熵研究

研究基于质心的二型模糊集的模糊熵和加权模糊熵,构造了两个二型模糊集的模糊熵度量.针对二型模糊集的特殊情形,提出一种新的区间值模糊集的模糊熵度量,既弥补了现有区间值模糊集退化为普通模糊集时熵为零的不足,又克服了两个明显不同的区间值模糊集熵相等的缺点.数值实例和仿真实验表明了所提出模糊熵的合理性和实用性.