SVM与组合矩在工件识别中的应用研究

针对工件识别问题,提出了一种应用支持向量机(Support Vector Machine,SVM)与组合矩对工件进行识别的方法;通过对提取图像的Hu不变矩进行处理,形成利用组合矩进行工件识别的新方法;改进后的算法降低了特征维数,缩减了识别时间,提高了识别准确率;结合试验比较了两种方法的分类效果,其中提取Hu不变矩作为特征的识别率为82.3%,而采用组合矩作为特征的识别率高达94.1%,高于Hu不变矩作为特征的识别率.     

基于彩色图像不变矩的交通标志特征提取方法

本文提出了一种利用RGB颜色差分矩阵对Hu不变矩进行加权的新方法．并将该方法和Hu不变矩投影变换快速算法相结合,对彩色交通标志的特征值进行提取．实验表明,该方法可以在Hu不变矩不受目标图像大小、位置、旋转等因素影响的基础上,进一步减小光照条件及天气因素对彩色目标图像的影响,快速、准确地提取出目标特征值,为目标识别提供依据．     

演化神经网络算法

演化算法的应用使神经网络的训练有了一个崭新的面貌,目标函数既不要求连续,也不要求可微,仅要求该问题可计算,而且它的搜索始终遍及整个解空间,因此容易得到全局最优解.应用这一思想,本文提出了一种新的演化神经网络算法—EPANN,并通过算法实例说明EPANN是可行的.     

多目标最优控制问题的优化及其在水平井设计中的应用

为求得一类多目标系统在有效解集上均匀分布的多个具有代表性的满意解,提出一种改进的GA算法.该算法由多个适应值函数引导搜索,其中每个适应值函数都等于两个性能指标标准化以后的加权和且其权值由均匀设计产生;为保持群体的多样性和加速算法收敛还构造一个新的选择算子,该算子在选取下一代种群时按均匀设计选取多个搜索方向引导搜索.将该算法用于辽河油田多口水平井的优化设计,数值结果表明该算法的有效性.     

结合本体子图的RDF数据关键词分布式搜索

针对现存资源描述框架(RDF)查询方案不能满足日益剧增的海量RDF数据的关键词搜索要求,提出一种面向大规模RDF数据的分布式搜索算法(KDSOS).该算法首先结合RDF本体构建查询关键词对应的本体子图集并利用评分函数评分;其次在大规模的RDF数据图上优先搜索评分高的本体子图对应的结果子图,直到找到Top-k结果.实验结果表明,KDSOS算法在搜索效率和准确率上都具有明显的优势.     

Hu不变矩在图像识别中的应用与实现

Hu不变矩是图像的一种统计特征,因其具有平移、旋转与比例不变性而被广泛应用于图像识别领域。该文以MATLAB作为技术实现平台,以Hu不变矩作为判断依据,配合数字形态学、欧氏判据等数学方法,通过基于MATLAB的算法进行程序设计,实现区域图像特征数据获取,并与库内图像特征数据进行对比,选出与最接近的一组数据,实现图像识别的目的。计算机模拟结果表明该方法的有效性和可行性。     

Hu矩匹配方法在显微视觉目标识别中的应用

在介绍了传统模板匹配算法原理的基础上,分析了该算法在识别和定位目标方面的不足之处,并对其进行了改进,提出将Hu不变矩的模板匹配方法应用在显微视觉目标识别中.实验结果表明:采用Hu不变矩的模板匹配算法解决了传统方法存在的对目标的旋转无法识别的问题,在目标识别上具有旋转和平移不变性,提高了目标识别的准确性.     

约束Minimax问题的无罚函数无滤子的SQP算法

文章提出了一种求解带等式与不等式约束的minimax问题的既无罚函数又无滤子的SQP算法。首先引入了ε-积极约束集,在此基础上建立了两个新的二次规划子问题得到搜索方向,既克服了Maratos效应,又大大地减少了算法的运算量;另外给出了一种新的线性搜索步长策略,该方法既避免了罚因子的选取,又减小了计算机储存量;在适当的假设条件下,证明了算法的全局收敛性;初步数值实验验证了算法的有效性与优越性。     

基于gSpan算法的未知化合物毒性预测

gSpan算法是一种基于频繁图的挖掘算法。该算法基于无候选人产生的频繁子图,在图中建立字典序标号,将每个图映射为最小DFS code,再采用深度优先搜索策略挖掘频繁连接子图。与前人算法相比,该算法在生成候选子图时,冗余子图的产生量大大减少;在计算候选子图支持度时避免了大量重复扫描数据库,性能卓越。该文的贡献是将gSpan算法应用在挖掘与已知毒性化合物具有相同子结构的化合物研究工作中,进行未知化合物的毒性预测,对相关领域应用发展具有重要意义。     

一种基于边缘不变矩推广的图像形状检索

目的 解决图像形状信息复杂,特征描述不够准确所导致的检索精度问题.方法 提出了一种基于Canny边缘提取的融合Hu不变矩及其推广的5个新不变矩作为形状的可视特征描述的方法,并通过归一化的特征向量的加权相似距离在图像形状检索过程中进行匹配.结果 实验结果表明:该方法能够充分利用图像的形状信息,比单一提取Hu不变矩特征具有更好的检索性能.结论 新推广的5个不变矩与原有的7个不变矩结合之后能够更为完整地描述图像的形状信息,并且能够提高检索性能.     

基于代价敏感的图分类算法

引入图的误分类代价矩阵,选取以最小误分类代价为目标的加权子图作为图样本的特征属性,建立起图的决策树桩分类器,进行集成学习,得到一个对新图进行分类的判别函数.在生成候选子图时,利用子图的超图增益值具有上界的性质来裁剪增益值比较小的候选子图,从而减少候选子图数量,提高算法效率.实验结果表明,所提算法比其他图分类算法的误分类代价更小.     

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.     

基于形状图像检索系统的设计与实现

基于形状特征的图像检索是基于内容的图像检索的一个重要的组成部分.本文介绍了小波变换应用于图像边缘检测的基本原理,并利用二次样条小波变换和Hu不变矩算法建立图像检索系统.实验结果表明,本系统具有较好的检索性能.     

一种基于改进Hu矩的图像检索方法

提出了一个在形状轮廓的基础上,进行改进的Hu矩的形状特征提取与检索方法。首先,对图像进行预处理,利用多阈值颜色分割法提取出图像的前景对象,再采用轮廓跟踪法得到该对象的形状轮廓特征;然后,计算7个不变矩,再转化为10个改进的Hu矩,组成图像的特征向量;最后,用欧氏距离度量图像间的相似度。实验结果表明,该方法具有较好的检索效果。     

一种高分辨率遥感卫星帧间图像配准的方法

针对某高分辨率遥感卫星高精度图像配准要求,提出了一种采用边缘特征的提取和特征点提取相结合的方法,解决了卫星云图存在云层遮挡导致图像边缘信息无法准确提取的问题。该方法基于改进的Canny算法和Harris检测算子对图像的边缘特征和特征点进行提取,并采用Hu氏不变矩实现图像特征点的匹配,通过仿真试验验证了该方法对提高图像配准精度的有效性。     

商标图像检索中子图像特征融合准则研究

该文对商标图像检索中的子图像特征融合准则进行了研究，根据子图像可信度对子图像特征融合准则进行加权改进。用Hu不变矩进行基于子图像特征融合的商标图像检索实验，用PVR指数作为图像检索性能评价准则。实验表明，基于子图像特征融合的商标图像检索优于基于全局图像特征的检索，子图像特征融合加权准则优于未经加权的子图像特征融合准则，其中最小加权平均准则最优。     

基于图像直方图的一维不变矩研究

由于基准日与实测图之间存在灰度变化，基于灰度不变矩的匹配方法不能满足实际匹配的要求．图像灰度变化时，对应的直方图基本形状保持不变．据此定义了基于直方围的一维不变矩，并提出基于直方图不变矩的匹配方法．由于直方图不变矩是基于一维矩的定义，运算时间大大减少．     

基于局部对比度的局部直方图均衡算法

为了更好地增强图像,提出一种新的图像增强方法。首先,将图像分为若干子块,计算每个子块的对比度,根据子块的对比度确定局部点的密度,进而确定子块的个数,然后采用保持亮度的双直方图均衡算法对这些子图进行增强,最后融合各个子图得到最终增强的结果。实验测试结果表明,本算法能够保持均值亮度,提高处理速度,在减少过增强的基础上,增强局部细节,增强后的图像具有良好的视觉效果。     

基于分块信息熵和特征尺度的图像配准算法

针对当前图像配准技术中特征点的检测和匹配存在的问题,提出了一种基于分块信息熵和特征尺度的图像配准算法.通过对图像进行分块,结合每块图像的信息熵,改善了Harris-Laplace算子提取的特征点分布过于集中的问题.通过比较角点响应函数的值,剔除了特征点中的冗余点.通过结合特征点的尺度信息、Hu矩和双向匹配策略,提高了初始匹配点对的准确率.仿真结果表明,改进的配准算法可以实现高精度的图像配准,对图像的几何变换具有很强的鲁棒性.      

基于形状特征的图像检索技术

提出一种新的基于图像形状的检索方法.首先,用Canny算子对图像进行平滑处理,提取图像边界方向直方图特征;其次,用改进的不变矩来描述图像形状的区域特征,改进后的不变矩特征不受图像的缩放、平移和旋转影响;最后,为了克服不变矩只针对对象区域而忽视图像边界的缺点,提出改进的不变矩与边界方向特征相结合的方法,使得检索取得更好的...