结合离散熵和自组织神经网络(SOM)的边缘检测方法

提出了一种结合图像离散熵和自组织神经网络的边缘检测方法.首先,用离散熵选定阈值来分割图像的平滑区域和灰度变化剧烈的区域,用来减少计算量;其次将灰度图像转化为理想二值像素模式;定义了6个边缘类型和6个原型向量.将这些边缘向量作为神经网络的输入,通过SOM对其进行边缘分类从而获得边缘图像.最后将斑点边缘从边缘图像中去除即得到理想的边缘图像.实验结果表明,与其他的边缘检测方法相比获得了较为理想的边缘.     

基于混合粒子群优化的电网优化规划

在电网规划优化过程中,考虑了投资费用、可靠性和对环境的影响等三个因素.首次将粒子群优化(PSO)技术引入电网优化规划,克服了传统优化方法易陷入局部最优和维数灾难等弊端.通过一个工程实例验证了该算法的可行性和有效性.同时,与现存的电网规划方法相比,粒子群优化方法的搜索时间短而且优化结果更接近最优解.     

基于PSO的Live Wire交互式图像分割算法

传统Live Wire算法易受伪轮廓干扰,并且算法执行速度较慢.针对这些问题,提出一种基于PSO的Live Wire交互式图像分割算法.算法首先构造新的代价函数,引入相邻节点间梯度幅值变化函数来减轻伪轮廓的干扰,提高了算法的分割精度;其次,为了提高算法的执行效率,应用粒子群算法求取图像中任意两点间最短路径来定位目标边界...     

一种改进的粒子群优化算法

提出一种改进的粒子群算法(EDAPSO).这种改进算法结合分布估计算法的探索能力和粒子群算法的开发能力.首先利用EDAPSO算法解决无约束的问题,并且比较EDAPSO算法与其他三种经典的粒子群算法的结果.无约束问题的实验结果表明:EDAPSO算法可以找到更好的解,并且稳定性更高.然后EDAPSO算法被用来解决含有13个单元的电力系统的负荷经济分配问题.实验结果表明:EDAPSO算法所获得的解比近期文献所报道的解好.     

两种工况下锻压组合机架的接触特性分析

以某锻压机为研究对象,基于ANSYS有限元软件,采用过盈配合法模拟因预紧产生的框架内力,确定了过盈量与预紧力的关系.针对锻压过程的镦粗(工况1)和拔长工况(工况2),通过分析开缝系数、接触状态、接触压力、危险拉杆的拉应力以及立柱的弯曲变形,讨论了预紧力与偏心距等对锻压组合机架接触特性的影响.结果表明拔长工况比镦粗工况更为危险,且开缝系数应满足以下标准,即上横梁与立柱的接触面积大于05,且开缝系数β≤23.研究结果可为锻压机的结构设计提供理论依据.     

混沌反向学习和声搜索算法

为改善和声搜索算法易陷入局部最优的不足,提出了一种混沌反向学习和声搜索(COLHS)算法.基于聚集和发散思想,对算法陷入局部最优和停滞状态进行初步预判断,并根据预判断的结果融合混沌扰动策略和反向学习,利用了logistic混沌序列的遍历性和反向学习的空间可扩展性.此外,利用和声记忆库的历史信息定义更新因子和进化因子,自适应地调整参数基音调整概率(PAR)和基音调整步长(BW),平衡算法的聚集和发散.数值结果表明,COLHS算法优于HS算法及最近文献报道的8种改进的HS算法.     

融合结构特征的增强型FCM图像分割算法

为了使基于模糊C均值(FCM)聚类的图像分割算法对复杂图像更具适用性,将图像结构特征融合到增强型FCM算法.首先,对原始图像进行均值滤波,将滤波结果与原始图像进行线性叠加形成新的输入图像.其次,采用二维Gabor滤波函数提取新的输入图像的纹理结构特征,以此代替灰度特征来衡量节点间的相似性.最后,采用一种改进的节点间距离度量公式来计算图像中节点与聚类中心点的差异.仿真结果表明,对结构复杂的图像所提算法获得了更加精确的分割结果.     

改进 alpha -matting 算法及其在军事红外目标提取中的应用

针对红外图像的成像特点,为了更加精细准确的获得红外目标,提出基于通道抠图(alpha-matting)的红外目标提取方法.利用目标监测的连续帧变化特性,将相邻帧进行差分运算,从而获得目标前景(即目标)、背景、不确定区域;采用二次方贝塞尔曲线(Quadratic Bézier Curve)拟合法建立动态调整曲线方程,计算出精确的前景透明度值(也即通道alpha值),实现alpha值的自动选择.仿真结果表明,改进算法能有效的提取红外目标(尤其红外小目标),准确率高,实时性好,具有很好的应用前景.     

改进差分进化算法在系统可靠性问题中的应用

分析了经典差分进化算法的寻优特点,提出一种扩展变量维数的自适应差分进化算法.该算法将变异率作为解向量的一维分量,随其他分量一起参与算法进化的全过程,使算法参数更好地适应算法进化各阶段的要求,提高了算法性能.将改进后的算法应用到系统可靠性问题中,针对3种典型的可靠性问题进行了仿真实验.结果表明,所提出的算法与其他算法相比具有很好的寻优效果.     

基于视觉感知的模糊C均值聚类算法

针对传统模糊C均值聚类算法对结构复杂图像分割效果不理想的问题,提出一种基于视觉感知的模糊C均值聚类算法.首先,在分析视皮层神经元感受野性质的基础上,建立视神经元细胞响应函数来计算图像的结构特征.其次,定义一种斜坡函数从仿生学的角度来模拟人眼对相对亮度变化的感知,用来计算图像中像素点与聚类中心点之间的差异.所提模型充分考虑了邻域刺激对中心神经元影响的方向性、位置相对性和周期性,比较精确地描述了图像的结构信息,有效地抑制了噪声和复杂纹理的干扰.实验结果表明,本文算法克服了传统模糊C均值聚类算法的缺点,实现了具有复杂背景图像的精确分割.