C语言的多维立体教学系统

目前各高校均开设C语言程序设计课程,该课程教学内容抽象,教师难教,学生也难学。因此,在传统教学模式基础上,提出多维立体教学系统,从教学手段和教学方法等方面对C语言程序设计课程进行教学改革和教学实践,提高学生学习兴趣并培养学生分析与解决问题的能力。     

基于二维直方图与FCM相结合的图像快速分割方法

基于二维直方图的模糊聚类分割方法,可以有效地抑制噪声。但是FCM(模糊C均值)算法用于图像聚类时最大的缺点是运算开销太大,进而限制了该算法在图像分割中的应用。通过构造合理的二维直方图,并筛选出符合规定条件的元素作为聚类样本,再结合FCM算法进行图像分割。实验结果表明该方法具有与基于一维直方图的模糊聚类分割方法速度相近,但却比其分割精度高很多的良好特点。     

电机软启动器节能运行功能及其应用研究

当前我国迫切需要的是提高电能的利用效率,作为电动机控制装置的软启动器配合适当的控制程序可以起到一定的节能作用.从低压电机理论人手,详细阐述了软启动器节能控制的工作原理.同时,详细分析了典型负载的特性和应用节能控制的效果之间的关系,并总结了实际应用软启动器节能控制需满足的一些条件.     

基于双阈值及迭代法的图像脉冲噪声检测算法

为了减少图像中的脉冲噪声对后续图像处理的影响,针对脉冲噪声的特点,提出了双阈值和迭代法的噪声检测算法。双阈值选取方法理论可靠,两次迭代保证了噪声点检测具有较高的正确率,最后的选择性中值滤波算法也使得图像的细节不被模糊。实验结果表明,所提算法具有较强的自适应性、较低的噪声漏检率以及较好的滤波效果。     

基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合，是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率，提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制；然后通过塔形分解来缩减聚类样本集；最后利用加权FCM聚类算法进行分类。仿真结果表明，该方法的效率明显优于标准的FCM算法。此外，为确定分割的最优类别数c，还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度，实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。     

基于噪声检测的高密椒盐噪声自适应滤波算法

为了减少图像中的椒盐噪声对后续图像处理的影响,针对高密度噪声污染图像,提出了基于噪声检测的高密度椒盐噪声滤波算法。噪声检测方法理论可靠,保证了较高的噪声检测率,根据噪声点邻域信号点分布的不同采用不同的策略,能最大限度保护图像的细节信息,使得高密度噪声污染图像也能得到较好的恢复。实验结果表明,所提出的滤波算法具有较强的自适应性、较高的算法保真率及较好的滤波效果。     

基于改进型FCM聚类的图像分割新方法

传统的模糊C均值(FCM)聚类算法在判定当前像素归属时没有考虑像素的空问信息,因而对噪声十分敏感.为提高图像分割的准确性,通过引入空间约束信息的惩罚项,对传统FCM算法中的目标函数进行修正.基于人造图像和实际图像的测试实验结果证明了该方法对噪声具有较强的鲁棒性.     

一种结合交叉熵和投影特征的图像匹配算法

基于图像交叉熵的图像匹配方法对于噪声不敏感,并且具有一定的抗几何失真能力,但算法复杂度高,不适合用于实时匹配系统中.而投影变换可将图像的二维灰度降为一维的特征向量,且还具有抗噪性好的特性,因此定义图像的局部交叉投影熵,提出了一种新的图像匹配算法.该算法首先计算模板图的行、列投影;然后计算模板图和实时图的交叉投影熵;最后根据行、列交叉投影矩阵确定出最优匹配坐标.新算法不仅具有较好的抗噪和抗几何失真性能,并且提高了在强光照射及云层遮挡情况下的匹配能力.通过实验仿真并对比局部熵、局部投影熵、局部交叉熵和局部交叉投影熵四种算法的匹配效果,表明该算法不仅匹配效果良好,并且计算速度快,是一种精确而实用的图像匹配方法.     

汽车牌照定位与识别系统设计

车牌自动识别系统对于智能交通的发展至关重要。针对国内较多的蓝底白字车牌和黄底单行黑字车牌汽车图像,分别从车牌定位、字符分割和字符识别三个模块出发,提出基于颜色定位、边缘检测和支撑向量机相结合的方法实现车牌区域的准确定位;采用字符轮廓寻找法及人工神经网络法实现字符分割及字符识别,可有效识别比较复杂环境下的车牌颜色和车牌号码。基于C++平台设计了一种汽车牌照自动定位和识别系统。大量实验结果表明,三个模块和整体系统的总体识别率都能达到92%以上甚至更高,并且通用于蓝牌小轿车和黄牌单行字符的大轿车。     

基于模糊聚类遗传算法的图像分割方法研究

图像分割是图像处理和图像分析的关键步骤,在图像工程中占据重要地位.模糊C均值聚类(FCM)算法是一种经典的模糊聚类分析方法,但其算法初始聚类原型是随机选取的,从而造成算法性能强烈地依赖聚类原型的初始化,将遗传算法强大的通用性应用于模糊聚类算法,对模糊聚类中心进行编码,然后依据FCM算法的目标函数建立适应度函数,选择适当的交叉率和变异率,最终实现基于模糊聚类遗传算法的图像分割.采用这种方法一方面能较好地解决模糊聚类对初始化敏感的问题,又能在一定程度上提高了分割速度.实验结果表明,该算法具有良好的分割效果.