基于超像素分割的图像复制粘贴篡改检测

提出了一种基于超像素分割的结果进行聚类来检测复制粘贴篡改区域的方法.常规K-means等点聚类方法是直接对点进行聚类分析,而该方法则是将若干随机种子置于图像中,借助于超像素分割方法进行区域分割,随后获得包含预先匹配特征点的区域.所提算法以此区域内匹配特征点的数目作为衡量标准,判定区域内的匹配特征点是否为有效特征点.当匹配点的数目到达某个阈值时则将子区域内的点聚为一类,这样聚类的结果更加贴近图像内容,符合实际情况.实验结果表明,所提方法比传统的SIFT等方法更加有效.     

植物三维点云分割

针对植物点云具有形状不规则、密度不均匀的特点,提出一种适用于植物的三维点云分割方法。将烟草、玉米、黄瓜这3种植物作为样本数据,以滤波等预处理方法去除离群点与背景点,以欧氏聚类算法分割植物群体,并用区域增长算法、边缘提取算法、超体素聚类算法以及基于凹凸性的方法来分割叶片器官。将所提出的方法用于分割烟草、玉米的三维点云,其覆盖率分别为87.5%、96.9%,从而验证了该方法的可行性与有效性,为自动提取作物叶器官表型研究提供了线索。     

基于超像素的行人检测算法研究

行人检测一直都是计算机视觉领域极具挑战性的研究热点和难点,广泛用于视频监控、机器人学、智能驾驶等领域.提出了一种基于SLIC超像素聚类和HOG特征算法的融合的行人图像的分割和识别方法.首先,用超像素聚类算法将彩色目标图像分割成几个紧凑的超像素;然后,分别提取超像素的HOG特征;最后,应用SVM算法作为分类器进行训练和检测.实验结果表明,算法对测试数据库具有较低的漏检率和误报率,且在测试样本发生变化时,依旧保有的检测精确度,所提出的实验方法是有效的.     

融合高斯核及指数函数聚类的点云目标物提取

针对聚类算法的聚类中心重复性和无法对点云聚类的问题,提出了融合高斯核及指数函数的聚类中心均匀化的点云聚类方法,以优化聚类中心的均匀化分布,实现点云的均匀化聚类。首先,根据高斯核函数及密度指数函数确定局部密度,再依据局部密度的大小确定距离参数。其次,依据局部密度和距离参数的乘积确定聚类中心,同时消除聚类中心的邻近化,使得聚类中心更加均匀分布于整个数据集中。最后,利用数据点到聚类中心距离逐个确定每个数据的聚类归属,并合并邻近聚类实现点云目标物的提取。将该算法与常规的基于密度峰值的聚类算法（clustering function based on density peak, CFDP）、K-means聚类算法、具有噪声的基于密度的聚类方法（density-based spatial clustering of applications with noise,DBSCAN）进行比较,该文所提方法可以对教室内3排椅子实现100%的提取。与相对密度关系的峰值聚类（density peak clustering, DPC）算法及深度学习方法相比,所提方法对不同分辨率目标物点云的提取精度均为96.7%...     

利用群体CT计划图像的多任务前列腺自动分割

为了实现CT计划图像中前列腺的自动分割,提出一种基于群体CT计划图像的多任务前列腺分割方法.将群体CT计划图像分别映射到不同参考图像空间,形成多个训练任务.利用随机森林算法和自动上下文模型训练出一系列随机森林分类器,将分类器作用在待分割CT计划图像上获得多个分类概率图,最后使用多数投票法求得最终分割结果.实验表明,与单任务分割方法相比,基于群体CT图像的多任务分割能有效提高CT计划图像中前列腺的分割准确率.     

融合高斯核及指数函数聚类的点云目标物提取

针对聚类算法的聚类中心重复性和无法对点云聚类的问题,提出了融合高斯核及指数函数的聚类中心均匀化的点云聚类方法,以优化聚类中心的均匀化分布,实现点云的均匀化聚类。首先,根据高斯核函数及密度指数函数确定局部密度,再依据局部密度的大小确定距离参数。其次,依据局部密度和距离参数的乘积确定聚类中心,同时消除聚类中心的邻近化,使得聚类中心更加均匀分布于整个数据集中。最后,利用数据点到聚类中心距离逐个确定每个数据的聚类归属,并合并邻近聚类实现点云目标物的提取。将该算法与常规的基于密度峰值的聚类算法（clustering function based on density peak,CFDP）、K-means聚类算法、具有噪声的基于密度的聚类方法（density-based spatial clustering of applications with noise,DBSCAN）进行比较,该文所提方法可以对教室内3排椅子实现100%的提取。与相对密度关系的峰值聚类（density peak clustering,DPC）算法及深度学习方法相比,所提方法对不同分辨率目标物点云的提取精度均为96.7%,在计算效率和精度方面均优于其他两种方法。     

一种基于SLIC的超像素快速色彩传递算法

提出了基于SLIC超像素分割的快速色彩传递算法.该算法有两个主要步骤:首先利用SLIC技术实现两幅图像的超像素分割;然后根据超像素特征,对两幅图像的超像素进行相似性匹配,在此基础上进行色彩传递.实验结果表明,与基于像素点传递的一类算法比较,该算法不仅提高传递速度,还进一步改善了传递效果,结果图像更加自然,平滑.     

基于密度峰值剪枝后的最短路径聚类算法

聚类是通过数据标签或者属性，将一系列经验数据按照相似性或者相近性进行归类.基于密度属性展开的聚类算法，主要聚焦在聚类中心的确定和剩余点如何分配的问题上展开讨论.针对基于密度峰值的可训练最短路径算法，通过密度峰值确定聚类中心，提出使用截断阈值、对路径图进行剪枝的算法改进.然后基于最短路径法对剩余点进行全局分配.实验结果证明，在保持聚类精度的同时，有效地提升了算法执行效率.     

两阶段纹理图像分割

谱聚类是一种以图和相似性为基础的聚类新算法.当图像很大时,计算相似性矩阵及其特征值和特征向量十分耗时.为了将谱聚类算法应用于大规模聚类问题,该文提出一种两阶段纹理图像分割算法,采用改进的分水岭算法进行预分割,然后用特征值尺度化特征multiway谱聚类算法进行最终分割.为了检验算法性能,将其应用于纹理图像分割,分割结果令人满意.     

一种边界梯度组合的图像识别技术与分割方法

提出了一种基于边界和梯度特征的图像识别与分割方法.图像识别就是在相差仿射变化的过程中,将图像边界和梯度特征进行组合,提高图像识别效率.图像分割就是利用高斯平滑对图像进行预处理,然后通过Krisch算法得出图像梯度信息,随后利用二维最大类空间方差法进行图像分割,最后采取依据目标和背景的空间关系来消除个别误提边缘.严格的数学推导和实验都表明了算法的有效性和算法的应用性.     

基于灰云的改进白化模型及其在灰色决策中应用

针对传统的灰色决策中白化函数在处理复杂决策问题时的缺点,研究了基于灰云的改进的白化模型及其决策应用。首先概述了传统的白化模型及其缺点,提出了一种集成灰性和随机性的灰云模型,给出了灰云数字特征和正态灰云模型生成方法;然后给出了替代传统的白化函数的基于灰云的灰数白化模型;最后给出了基于正态灰云的灰数白化模型在灰色聚类决策中的应用,并通过实例验证了该方法的有效性。     

基于语义的Ontology聚类研究

提出了一种基于语义的Ontology相似性计算方法,该方法不仅考虑概念本身的相似性,还考虑了属性集合和相关概念集合的相似性,通过概念基本相似性极限控制属性集合相似性计算的范围,通过语义半径控制相关概念的范围.以基于语义的Ontology相似性方法计算Ontology聚类的相似性矩阵,采用凝聚层次聚类算法实现Ontology聚类.实验表明:基于语义的Ontology聚类能够获得满意的效果,在性能上优于使用oMAP相似性方法的Ontology聚类.     

基于分层聚类的k-means算法

为了更好地实现聚类,在分析分层聚类和k-means算法优缺点的基础上提出了一种改进的聚类算法.改进算法将分层聚类和k-means聚类算法的优点相结合,首先采用分层聚类,得到一个初始的聚类结果,然后应用k-means聚类算法继续聚类.实验结果表明,改进算法较原先传统的聚类算法,不但算法执行速度快、效率高,而且聚类效果也比较好。     

基于加权特征的无监督模糊聚类入侵检测研究

鉴于网络入侵检测数据样本特征属性的异构性及贡献率不同,提出一种加权特征的异构数据相似性度量法来反应网络数据样本间的相似程度.针对基于模糊C-均值聚类的网络入侵检测算法聚类数目难以确定的问题,提出了一种自动确定最佳聚类数的无监督模糊聚类入侵检测算法.通过KDDcup1999数据集的仿真对比实验,结果表明本文算法能找到最佳...     

基于色度直方图的颜色聚类算法

提取目标背景的主色是迷彩设计中的重要步骤,通常采用的颜色聚类算法具有监督性的缺陷. 为此,提出一种基于色度直方图的、无监督的颜色聚类算法. 该算法采用CIE 1931色度系统建立色度直方图,根据像素点在该坐标系的分布规律自动生成聚类中心. 逐一计算像素点与各聚类中心的色度的欧氏距离,将像素点与最近的聚类中心归于一类. 实验结果表明,采用该聚类算法能够准确提取主色,自动分割彩色图像,且比普通聚类算法的时间效率更优.     

基于流程时间矩阵的单元化制造系统设计

近几年来,单元化制造系统(CMS)作为一种由于能满足不同客户需求、缩短产品生产周期、提高企业的全球竞争力的先进制造组织模式而备受关注。本文提出了一种新的矩阵聚类方法（HERBAL）设计制造单元,并探讨了该方法与其它聚类方法如ROC、ROC2、DCA等方法在成组效率、成组功效等评价指标上的优劣,证明了该方法的可行性和高效率。同时该方法中的设备_零件矩阵（MCM）中的二元值元素,采用反映实际生产中的流程时间替代,可使聚类结果更符合实际的生产需求。     

利用显著性的点云模型客观质量评价

点云模型质量的客观评价是三维几何模型研究中不可或缺的工作. 根据显著性能够较好地反映人类视觉系统的特点,提出以点的法向量与其邻域点法向量的差异作为该点的显著性计算依据,利用原始点云模型和处理后点云模型在显著性上的差异判断点云模型质量的变化,实现点云模型的质量评价. 实验结果表明,所提出的客观评价模型和主观的人工评价得出的结果基本一致,且比信噪比方法更能体现人的视觉感知.     

基于聚类的双中心检测机制的研究

分布式协同攻击是网络应用安全中不可忽视的威胁，而目前入侵检测系统中常用的检测方法均以入侵者为中心点来检测，对分布式协同攻击的检测能力很弱。针对这一问题，提出了一种双中心检测机制，并采用聚类的方法对双中心检测机制的实现做了初步的研究。