基于改进蝙蝠算法的甲状腺SPECT-B超图像配准

为了提高甲状腺肿瘤检出的准确率.提出基于改进蝙蝠算法的甲状腺SPECT (single-photo emission computed tomogropby)-B超图像配准方法.针对甲状腺SPECT图像与B超图像灰度差异大,采用2类图像共有的甲状腺及肿瘤轮廓特征进行配准.采用阈值分割法提取SPECT图像中甲状腺及肿瘤轮廓;采用Shearlet变换与基于活动轮廓模型图割算法相结合的方法提取B超图像中甲状腺及肿瘤轮廓;以归一化互信息为相似性测度,以改进的蝙蝠算法为优化算法,优化配准所需的空间变换参数.实验结果表明,提取的B超图像中甲状腺及肿瘤轮廓更准确,改进的蝙蝠算法使配准具有更高的准确性和较好的鲁棒性.     

基于小波变换及GVF模型的SAR图像轮廓提取算法

给出一种基于小波变换及GVF模型的SAR图像轮廓提取算法.首先,对SAR图像进行预处理,分割出可能的目标片;其次,利用小波多尺度分析滤波和基于梯度矢量流的主动轮廓模型进行边缘点的连接,得到真实轮廓.实验结果表明该方法能较好地提取SAR图像的轮廓.     

基于迭代技术的图像轮廓提取方案的研究与实现

图像轮廓提取算法通过识别每个像素在其邻域内灰度的变化而检测出图像的边缘;但由于图像的复杂性和随机性,特别是自相关性强烈的图像,其微结构往往是十分复杂的。典型的轮廓提取算法已经无法直接用于其图像轮廓的提取,而且几乎无法从图像中提取到较为清晰的目标轮廓。对此,提出一种新的基于迭代技术的图像轮廓提取方案来改善;并通过VC++6.0软件进行验证。首先使用分形技术方法对图像进行了处理,噪声干扰因素得到了有效的降低;通过这样的办法净化了图像背景并增强了图像元素之间的差异度。然后对图像进行微分提取算法的轮廓提取。结果表明:传统图像边缘提取技术与分形迭代技术结合起来的新方案能够有效的区分图元颗粒的形态,可以从自相关性强烈的图像获得比较清晰的轮廓,从而更清晰地揭示图像组成元素的图元结构。该方法对图像处理范畴的拓展以及图元微结构的识别判定都有积极的指导意义。     

基于改进Canny算法的女性服装款式轮廓检测研究

为了降低女性服装多样性(如纹理、款式等)在边缘提取环节带来的难度,提出一种改进Canny算法,使得服装款式图像的轮廓提取更具有实用性和强适用性.创建女装图像的样本库后,对样本进行图像预处理,并使用Otsu算法对所获得的灰度图像进行二值化,凸显出目标的服装轮廓.然后在Canny算法中采用自适应的双阈值进行边缘分割,提升边缘的准确性,并设计追踪算法,提取服装款式的外部轮廓,减少了纹理和服装所形成的噪声.根据实验结果,对比微分算子算法和改进Canny算法.该算法在女性服装款式轮廓提取时,表现出良好的鲁棒性、准确性和连续性.     

非刚性人体运动动作图像姿态轮廓提取算法

针对人体运动动作图像提取传统方法仅能获取局部最佳解, 提取的特征序列不连续, 导致轮廓提取效果差的问题, 提出一种非刚性人体运动动作图像姿态轮廓提取算法. 首先, 对人体运动动作图像序列中的尺度不变特征变换(SIFT)进行提取预处理, 获取人体特征提取图, 设计一种人体运动序列顺序概率图模型, 以保证特征序列提取的连续性; 其次, 构建人体肢体外观模型, 基于该外观模型采用序列影像高精度轮廓提取算法提取当前人体运动动作帧的轮廓线. 实验结果表明, 该算法能提取连续的特征序列, 提取的人体姿态轮廓精确度较高, 且具有较高的效率和鲁棒性.     

一种基于复杂产品ICT切片图像的轮廓提取算法

应用ICT(indusrtial computed tomography)成像与数字图像处理和CAD等综合技术已成为对复杂机械产品进行反求建模的重要手段之一.在针对ICT切片图像进行轮廓分割和数据提取时,其轮廓数据的精确性对反求建模精度至关重要.在比较传统轮廓数据算法的基础上提出了一种改进的ICT切片图像轮廓边界分割与提取算法,经过分析和比较,该方法不但可提高边界轮廓数据的提取精度,而且还具有计算速度快和计算开销少的特点.     

基于粒子滤波算法的物体轮廓提取

为了解决物体轮廓提取工作中,由于图像的复杂性和多义性无法依靠计算机来自动完成,而手工提取又存在速度慢、精度低、工作量大等缺点的问题,提出了一种基于粒子滤波算法的物体轮廓的提取算法,该方法可以整合各种先验信息到模型中去提高提取精度.实验证明该方法通过很少的人工交互就可以很好的提取复杂物体的轮廓.该方法为提取物体轮廓线提供了较好的解决对策.     

肤色检测结合Grab Cut的服装图像前景提取的改进

为解决全自动化Grab Cut算法应用于服装图像的前景提取时,无法去除模特肤色的干扰以及对一些复杂背景图像存在欠分割的问题,提出了新的前景提取方法:为有效去除模特肤色区域,提出了一种基于双边滤波去噪的肤色检测改进方法;为有效地去除欠分割区域,保留服装前景区域,提出了一种轮廓检测算法;将改进的肤色检测方法、轮廓检测算法与全自动化Grab Cut算法相结合,进行服装图像的前景提取. 实验结果表明:改进的肤色检测方法相比于现有的肤色检测算法,肤色检测的准确性明显提高;改进的前景提取算法的服装前景提取效果显著优于全自动化Grab Cut算法.     

肤色检测结合Grab Cut的服装图像前景提取

为解决全自动化Grab Cut算法应用于服装图像的前景提取时,无法去除模特肤色的干扰以及对一些复杂背景图像存在欠分割的问题,提出了新的前景提取方法:为有效去除模特肤色区域,提出了一种基于双边滤波去噪的肤色检测改进方法;为有效地去除欠分割区域,保留服装前景区域,提出了一种轮廓检测算法;将改进的肤色检测方法、轮廓检测算法与全自动化Grab Cut算法相结合,进行服装图像的前景提取.实验结果表明:改进的肤色检测方法相比于现有的肤色检测算法,肤色检测的准确性明显提高;改进的前景提取算法的服装前景提取效果显著优于全自动化Grab Cut算法.     

基于游程连通分析的轮廓提取算法

通过设计一种称为子轮廓的数据结构,对游程左右端点以及分叉点和交汇点进行有序链接,提出一种新的基于游程连通分析的轮廓提取算法.按照从上到下、从左到右的顺序扫描图像数据进行游程编码,根据当前行游程与相邻上一行游程间的连通情况进行子轮廓创建、子轮廓生长以及子轮廓联结三种操作,实现图像内外轮廓以及内外轮廓包含关系的提取.实验结果表明,算法在提取游程平均压缩率高的图像轮廓时具有较大的优势.     

基于SVM与SOM的税务稽查选案模型研究

税务稽查选案是税务机关在税收征管和稽查中面临的一个重要问题。提出了一种基于支持向量机(SVM)与自组织特征映射(SOM)神经网络相结合的稽查选案方法。首先基于支持向量机(SVM)对纳税人进行分类,然后采用自组织映射神经网络(SOM)对疑点信息进行聚类,选出需要重点进行稽查的目标对象。通过对实例的具体测试,表明模型的有效性。     

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.     

融合自组织映射与Wang-Mendel方法的模糊规则提取

为解决经典Wang-Mendel方法提取模糊规则时得到的规则数目较多的问题,该文提出一个融合自组织映射(SOM)网络和Wang-Mendel方法的规则提取方案.利用SOM对原始样本进行学习,再使用Wang-Mendel方法从SOM的原型向量中提取规则.因为SOM的原型向量学习得到了原始样本的模式分布规律,并且原型向量的数量远小于原始学习样本的数量,所以该方法降低了提取的规则数目及耗费时间.有关混沌时间序列预测的实验结果表明了该文方法的有效性.     

一种新的基于自组织神经网络的运动估计算法

提出了一种新的基于自组织网络的CFSSOM-VQ运动估计算法,新的帧间预测编码方案采用基于自组织特征映射算法(SOM)的矢量量化(VQ)作为帧间预测,以取代目前常用的运动补偿帧间预测(ME MC).并对SOM算法进行了改进,提出了一种分类频率敏感自组织特征映射(CFSSOM)算法.将该算法应用到会议电视视频编码的实验结果表明,与ME MC算法相比,CFSSOM-VQ算法具有更好的预测编码性能.     

基于粒子群优化和SOM网络的聚类算法研究

利用改进的粒子群优化算法(PSO)的优化性能,结合SOM网络模型,提出了一种基于粒子群优化算法和SOM网络的聚类算法(PSO/SOM),使用PSO对SOM网络进行训练来代替SOM的启发式训练方法.将PSO/SOM算法用于对Wine和Iris等数据集进行模式聚类识别,可以得到较优的聚类识别效果.相比标准SOM算法能有效提高网络映射的准确程度,降低网络的量化误差和拓扑误差,同时也降低了错聚率,实验结果验证了本算法的有效性.     

Vibration Feature Fusion for State Evaluation of Machinery

To overcome the problem that a single feature can not reflect the state of machinery in different stages,a method of vibration feature fusion based on self-organizing map(SOM) is presented.Minimum quantization error(MQE) is obtained unsupervised based on SOM network.And trend information of the MQE curve is extracted by the wavelet packet to enhance state differentiating.Experimental flat is designed for bearing accelerating fatigue.And experimental results show that the method of vibration feature fusion based on SOM can reflect the state of machinery in different stages effectively.     

自组织特征映射网络隐含的分形机制

自组织特征映射网络(Self-organizing map,SOM)在聚类分析中具有广泛的应用,和其他神经网络一样,SOM网络具有黑箱性质,缺乏严格的理论基础,无法对聚类过程进行分析.结合复杂系统分形生长的最大流原理,本文从统计物理角度对SOM网络的自组织过程进行分析,将SOM网络隐含的分形机制挖掘出来,并以城市模式为例展示了建立在统计物理基础上的SOM网络的新的应用.     

基于核的自组织映射聚类

将核学习的方法应用于自组织映射聚类中,提出了一种核自组织映射聚类算法.该算法以核函数代替原始数据在特征空间中映射值的内积,并且神经元权值向量的初始化和更新都可由其组合系数向量表示,从而获得了直观而简单的迭代公式.分析了算法中学习速率过高会降低学习稳定性、学习速率过低又会降低收敛速度等参数选择问题,给出了一组折中考虑学习稳定性和收敛速度要求的参数初始值.实验结果表明,核自组织映射聚类对于非椭圆型的类分布数据,如环形数据,聚类正确率也能够达到99.886 4%.对IRIS数据集和入侵检测报警数据的聚类也证明了核自组织映射聚类方法的良好性能.     

一种基于聚类算法的网络入侵检测应用

针对网络入侵检测与聚类等问题,提出了一种综合模糊聚类与改进的SOM神经网络方法.通过对网络入侵数据提取、分析和处理,建立了网络入侵检测聚类模型,并对传统SOM网络层次进行改进,结合易发的网络入侵类型有针对性地对网络入侵数据进行聚类.网络入侵检测聚类与其他方法比较的结果表明,该模型在网络入侵检测聚类中具有更高的准确性和均衡性,该方法能有效提高网络入侵分类精度,减少聚类误差.     

夜间静止卫星红外云图的GHSOM网络云分类模型

针对夜间云分类准确率低下的问题,利用奇异值分解方法对FY-2E夜间红外云图进行特征提取和选择,从中筛选出包括亮温和分裂窗差值在内的不同的纹理特征。分别采用动态增长型分层自组织和自组织映射2种神经网络模型对夜间云图进行分类,并将2种网络模型的分类效果进行对比分析。实验结果表明:GHSOM网络模型在夜间云图分类方面效果较好,平均准确率总体上高于SOM,通过分层的分类方法极大地提高了夜间云图的分类准确率。