有灰阶图象轮廓检测的细胞神经网络设计和应用

提出了一种用ＣＮＮ网络检测有灰阶图象轮廓的方法，与标准的ＣＮＮ网络不同的是，这种网络的输入系统矩阵随图的灰质而变，文章论述了该网络的原理，结构和设计，并用计算机进行了模拟，得到了良好的结果。     

数学形态学的细化算法

对目标图象进行细化处理,提取其骨架,在目标检测、图象编码以及光学字符识别等计算机视觉、图象处理与模式识别领域都有着广泛的应用．在定义了数学形态学图象轮廓和骨架的基础上,提出了基于两组结构元素模板的数学形态学细化新算法,这两组结构元素模板分别用来去掉目标的西北、东北、东南、西南方向四个角上的点和北、东、南、西四个方向上的点．用该算法对实际的字符进行细化,获得了令人满意的结果．     

基于边分类的三维模型外轮廓线抽取算法

根据三维模型面片的方向性对边进行分类，筛选出轮廓边即共享可见面与不可见面的边，大幅度地排除那些不可能成为轮廓线的边，筛选过程只是一种比较运算。算法L利用外轮廓线的连通性递归搜索邻接的轮廓边得到若干闭合回路和分离的轮廓边，最终得到外轮廓线，并且自动决定的闭合回路方向和回路之间位置关系决定了回路是否属于外轮廓线；对那些精度不高而可能造成闭合回路搜索失败的三维模型，算法C利用遮挡关系由模型的前向面片对轮廓边进行裁剪得到三维模型的外轮廓线。用四叉树结构对模型投影区域进行划分，尽可能地排除那些不可能对轮廓边有遮挡关系的前向面片，减少裁剪的比较范围，降低算法的复杂度。本文的方法快速准确，适应各类二维流形模型。     

基于曲率和活动轮廓模型的重叠细胞分割算法

提出了一种基于曲率和活动轮廓模型的重叠细胞分割算法,用于解决重叠细胞显微图像边界难以自动分离的问题.该算法使用Otsu算法和形态学滤波得到重叠细胞整体轮廓,并根据其曲率信息来定位细胞边界接触点,再采用活动轮廓模型分割得到重叠区域轮廓,最后结合边界接触点信息将其与整体轮廓拼接得到单个细胞轮廓.实验结果表明,算法实现了重叠细胞的分割,分割得到的细胞完整度高,且算法具有一定的鲁棒性,表明该算法用于重叠细胞的分割是可行、有效的.     

基于组合验证的Web页面抽取算法研究

通过研究抽取算法的本质和抽取算法之间的关系,对抽取算法的互补性进行分析,提出了一种多算法组合验证机制,该机制能检测出抽取算法的错误,并通过结合动态阈值调整的方法,提高抽取算法的抽取准确率.     

一种基于离散小波变换的多阈值选择方法

图形处理的一个重要环节就是如何有效地选择阈值,本文描述离散小波变换用于阈值选择,通过尺度参数对直方图信息进行小波变换得出零交叉点,从而获得一系列阈值,达到消除噪声,对图象进行区域分割的目的．图５,参５．     

基于数学形态学的图像轮廓细化方法

图像轮廓细化是图像处理的一个重要方面,本文详细讨论了基于数学形态学的图像轮廓细化处理的方法,在Matlab中对轮廓封闭和不封闭的手绘家具图案扫描图像分别进行了仿真,并对实验结果做了分析研究。     

基于序列比对的动态Web信息抽取算法

基于对深网(DeepWeb)网页公共框架的定义,提出一种在信息抽取算法中增加公共框架检测阶段,采用序列比对算法提取公共框架的方法.与原始网页数据相比,去除公共框架的数据域信息对模板抽取更有利.基于真实网站的数据密集型网页集合,测试和对比了序列比对算法中参数不同取值以及公共框架检测阶段在数据量和抽取准确率等方面对信息抽取算法的影响.实验结果表明了算法的有效性.     

一种基于缓冲区阈值调整的动态自适应码率选择算法

基于HTTP的动态自适应流媒体(Dynamic adaptive streaming over HTTP,DASH)是一种可利用Web服务器提供在线高质量视频流的自适应码率流技术,决定了视频播放性能。传统动态自适应码率选择算法存在考虑因素单一、播放缓冲区长度受限、带宽不稳定等问题,因此,改进与优化动态自适应码率选择算法十分必要。针对客户端缓冲区长度受限和带宽不稳定造成的视频播放卡顿现象,综合考虑网络带宽和客户端缓冲区因素,提出一种基于缓冲区阈值调整的动态自适应码率选择算法(Dynamic adaptive rate selection algorithm based on buffer threshold adjustment,BT-DARA)。该算法首先通过获取不同视频段大小和下载速率,计算网络吞吐量并对视频下载时间进行预测,然后结合缓冲区视频片段长度状态进行码率选择。特别地,在视频播放过程中对不同阶段采取不同的视频码率选择策略,并在客户端缓冲区达到临界值时动态调整缓冲区阈值参数,以此增加缓冲区长度,减少码率切换次数,确保视频播放的稳定性。实验结果表明,该算法能提高视频播放的码率,保证视频播放质量和稳定性,减少了视频开始播放的启动时间,为用户提供良好的视频播放体验。     

基于多层过滤和动态概率模型的试题抽取算法研究

针对研究生考试涉及课程门类众多,内容要求灵活多变,并且存在数门课程合并出卷的特点,提出一种将多层过滤模型和动态概率模型相结合的试卷抽取方法,首先通过多层过滤模型层层过滤出符合出题要求的试题,然后使用动态概率模型对所有试题按照一定概率进行动态调整。结果表明试题分布合理,完全能够满足研究生考试试题抽取的需求。     

基于Hermite样条轮廓模型的图像轮廓提取

提出了一种采用Hermite样条曲线拟合方法与主动轮廓模型相结合的方法．采用Hermite样条轮廓曲线作为描述主动轮廓线的基函数，给出了这种轮廓模型的能量表达式，利用动态规划技术实现能量最小化的优化过程．采用传统的主动轮廓模型与本文方法分别对两幅颅脑图像中的病变区域提取轮廓，对比实验结果表明，采用Hermite样条轮廓模型可以取得更加令人满意的效果．     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

基于目标检测结果的轮廓及颜色识别研究

基于深度学习方法给出的目标矩形框检测结果,针对实时目标轮廓提取和颜色识别问题,提出了一种基于边缘提取和形态学操作的方法.首先通过Canny边缘检测算法提取图像大致轮廓,应用多次形态学闭操作将目标主体与背景、噪声等加以区分,找出最大轮廓即目标轮廓,然后利用目标轮廓所包含的区域,在HSI颜色空间中完成目标颜色的统计和识别,并采用真实场景中的无人机、小汽车和人的图像来进行实验验证.实验结果表明,所提出的方法相比纯粹基于深度神经网络的方法在效率上有较大提升,相比纯粹的底层图像处理方法在精度上有较大提高,既保证了实时性,又确保了较高的精度.     

Adaptive Contour Model for Real-Time Foreground Detection

A multiscale foreground detection method was developed to segment moving objects from a stationary background. The algorithm is based on a fixed-mesh-based contour model, which starts at the bounding box of the difference map between an input image and its background and ends at a final contour.An adaptive algorithm was developed to calculate an appropriate energy threshold to control the contours to identify the foreground silhouettes. Experiments show that this method more successfully ignores the negative influence of image noise to obtain an accurate foreground map than other foreground detection algorithms. Most shadow pixels are also eliminated by this method.     

一种基于像素标记的二值图像区域围线追踪方法

在研究了多种二值图像连通区域围线追踪算法的基础上,提出了一种改进型的二值图像连通区域围线追踪算法。该算法在已有围线追踪算法的基础上,通过定义特定追踪方向,使得追踪过程始终按照逆时针或顺时针方向沿着连通区域边缘进行。在追踪过程中对像素点进行多次标记,通过在按照追踪方向确定的像素点基础上判断像素标记值来确定下一次待追踪像素点的选取。由于对像素点进行多次标记,有效区分了一次追踪像素点和二次追踪像素点,解决了追踪过程中出现的追踪间断现象,使得追踪结果呈现一条完整围线。实验结果表明,此方法可以快速有效地完成二值图像连通区域的围线追踪和提取。     

改进的矩不变阈值分割图像算法

介绍图像的矩以及在保持图像的矩不变的条件下对图像进行两级阈值分割的方法,指出利用该方法分割出来的图像具有过多的无用背景信息.为此,在矩不变阈值算法的基础上提出了两种改进算法,一种是根据特征点检测函数进行迭代;另一种是根据特征点检测函数的均值进行调整,以达到尽量保留图像前景物体信息,去掉无用背景信息的目的.     

航拍图像中绝缘子串的轮廓提取和故障检测

针对绝缘子爆裂和缺失将导致整个输电线路绝缘能力下降的常见故障,提出一种通过计算绝缘子数目实现故障检测的算法.输电线路绝缘子串中绝缘子数目相对固定,通过计算绝缘子的数目,进而达到故障检测的目的,可应用于航拍直升机智能巡检系统中.利用Otsu算法与形态学滤波对图像进行预处理;提出免疫遗传Snake算法优化绝缘子串凹陷区域边界,得到较为完整的绝缘子串轮廓;用椭圆拟合和连通区域方法计算出绝缘子的数目.该算法能够有效地提取绝缘子轮廓并计算出绝缘子数目,为进一步实现精准、稳定检测绝缘子缺失和爆裂等故障奠定了良好的预研基础.
     

遗传优化阈值选取加速算法研究

根据遗传优化原理提取图像分割阈值，虽然减少图像目标大小和噪声的影响，算法简单、稳定性强，但是图像目标识别的速度和精确度一直是人们关注的首要问题，没有得到很好的解决．笔者提出了一种基于遗传优化阈值选取加速算法．实验结果表明，与传统遗传优化阈值选取方法相比可减少30％左右的运算量．     

基于多阶段向量场的活动轮廓模型

传统的基于向量场的活动轮廓模型不能准确地提取复杂形状边界,尤其当初始轮廓曲线在目标边界外部、提取复杂的凹形边界时,常遇到"平衡点"问题.为此,文中提出了基于多阶段向量场的活动轮廓模型.首先在离散化的轮廓曲线上取一些样本点,并按其法线方向将它们映射到目标特征点;然后由传统向量场和映射产生的向量场得到一个加权平均的向量场,将轮廓曲线在该向量场中演化,若轮廓曲线未完全收敛到边界,则在未收敛的轮廓曲线上取新样本点,按前面方法计算出新的向量场.经过在多阶段向量场中的演化,轮廓曲线最终收敛到目标边界.实验结果表明,相比于传统方法,文中方法更有效.     

采用图像定位与轮廓检测的喷墨宽度测量算法

提出基于图像定位与轮廓检测的喷墨宽度测量算法.首先,根据图像灰度熵特征与旋转定位函数,提出基于动态阈值熵函数分割与EmguCV的产品定位算子,得到产品中心点坐标与旋转角度;然后,传递给机器人Robert,引导Robert到产品边缘喷墨上方进行局部图像采集;最后,采用大律法分割法处理喷墨边缘图像,设计基于Canny边缘检测与轮廓检测的测量算子,从而完成喷墨宽度测量.实验数据显示:与当前目标宽度测量技术相比,文中算法具有更高的测量精度与稳定性.