基于最大模糊熵原理的多阈值图像分割新算法

基于最大模糊熵准则,提出了一种新的多阈值图像分割算法。该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度。通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力。     

基于整数到整数小波变换的图像编解码器设计

为设计具有低运算复杂度和渐进传输特性的图像编解码系统,采用对图像进行整数到整数小波变换,变换后的系数采用空间方向树结构进行了重新组织。整数到整数小波变换的优点使编码器的运算量有较大幅度降低,空间方向树结构使编码器获得了嵌入式码流。试验表明,该系统可在一定程度上满足图像信息在存储、网络浏览以及传输方面的需求     

基于直方图指数平滑的模糊散度图像分割

当图像灰度直方图具有多峰时,模糊散度图像分割方法的参数初始化有困难。针对这一问题,基于直方图指数平滑峰点自动检测原理,提出了一种自适应的模糊散度图像分割算法。该算法首先利用直方图指数平滑峰点自动检测原理,检测出直方图合理的波峰点和波谷点,并统计波峰的个数。然后利用检测到的波谷值初始化目标平均灰度等级搜索区间,利用波峰值初始化散度函数搜索区间,分类数由检测到的峰点个数来确定。实验结果表明,该方法更具有普遍性和适应性。     

调频线性度对线性调频信号性能影响分析

针对去调频和脉冲压缩两种不同的处理方式,深入研究了线性调频信号调频线性度对信号性能的影响,得到LFM信号带宽越大,误差频率越低,对线性度要求越高的结论,且在相同边带抑制的条件下,去调频处理比脉冲压缩处理对LFM信号线性度的要求大约提高了一倍。仿真结果验证了理论分析的正确性。     

略论复杂系统与大成智慧

复杂系统是相当普遍的客观现实，认清和解决它，需要运用大成智慧和大成智慧工程。     

食物链算法及其在供应链计划中的应用

人工生命两个重要特征是突现和与环境进行动态交互作用，即人工生命个体间微观的相互作用将在整个生命系统中产生突现集群的现象；同时食物链也是生命系统中重要而有又广泛存在的重要现象。基于上述思想，提出一种新的基于人工生命的算法，称为食物链算法。并把它应用于供应链计划中企业联盟的企业伙伴挑选与生产能力分配问题。该算法模拟了在未来市场需求的刺激下，供应链的成员企业是如何不但调整自己的生产能力，以及供应链如何挑选成员企业组成企业联盟的。该算法较好的解决了既有企业联盟伙伴挑选又有生产能力分配，这一具有分布特征的问题。并可应用于供应链管理的其他的问题，比如选址．分配问题。     

基于优化熵函数二维最大熵阈值算法改进

根据熵函数在等概率场下取到最大值性质，对二维最大熵阈值法中的熵函数进行优化，将熵函数中对数和乘积运算简化为减法运算，得到目标函数具有意义明确、形式简洁、计算速度快的二维阈值自动选取方法。该法在保持二维最大熵阈值法对图像分割效果同时，又大大提高阈值选取速度，增强算法实时处理能力。这些结论正确性，既从理论推导过程中得到证明，也从对足迹图像分割的大量实验中得到验证。这种方法是保持二维最大熵阈值法分割效果不变、具有更快计算速度和实时处理能力、并在足迹图像分割中得到较好应用的一种自动阈值选取方法。     

基于稀疏编码的自然图像特征提取及去噪

主要讨论稀疏编码在自然图像统计特性中的应用，利用稀疏编码实现图像的特征提取以及消除图像中的高斯噪声。丈中利用双梯度算法对自然图像的基向量进行迭代学习。实验表明，提取的基向量在时域和频域上都有方向性和局部性。与小波收缩法相比，稀疏编码法提取的特征要优于小波法提取的特征。对特征提取的实际应用，就是利用稀疏编码收缩法对图像消噪，并通过仿真实验证明稀疏编码收缩法去噪效果要优于任何低通滤波方法。     

小波变换在图像压缩中的应用研究

针对图像数据量随分辨率增大而增大的问题，为了有效地对遥感数据进行传输和存储，本文提出了一种利用小波变换实现图像数据压缩的方法，研究了阈值对图像压缩比和能量保持比的影响．实验结果证明了小波变换是一种压缩比高，能量保持比大，压缩速度快的一种图像压缩方法．     

一种新的求解区间数判断矩阵权重的方法

研究区间数判断矩阵的一致性和权重求解新方法.基于权重可行域定义了区间数判断矩阵局部一致性和局部满意一致性,并建立了判别其是否具有局部满意一致性的数学模型.作为度量区间数判断矩阵一致性优劣的一种有效方法,给出了区间数判断矩阵一致性程度的概念,并对一致性程度较差的区间数判断矩阵提出一种改进方法.以在区间数判断矩阵内搜索一致性水平最好的确定性判断矩阵为目标建立一个新的权重模型,求解此确定性判断矩阵的权重,以此作为区间数判断矩阵的权重,模型由颗粒群算法求解.最后给出了一个例子说明本文方法的有效性.