基于Choquet积分的HMM商品信息抽取方法

电子商务网站使用不同的网页编码技术和页面布局为比较购物信息获取带来了很大的难度.基于隐马尔可夫模型(HMM)的信息抽取模型有着易于建立、适应性强等优点,被视为一种有效的信息抽取方法.但是这种算法存在状态序列计算复杂、难以训练优化抽取模型等缺点.本文应用模糊积分单调性建立基于Choquet积分的隐马尔可夫模型(CI-HMM),解决HMM观察序列概率计算所需的条件独立性假设,优化HMM观察序列的计算.本文以网上书店商品数据进行实证,实验证明CI-HMM比HMM有更好适用性和精确度.     

基于局部熵的边界与区域水平集图像分割模型

基于图像局部熵提出了一种改进的结合边界信息和区域信息的水平集图像分割模型。利用局部熵构造自适应权重系数,使其能够根据图像性质自适应的决定演化方向,准确引导演化曲线向目标方向移动;然后,根据自适应权重系数定义新的边界指示函数,提高了模型检测弱边界能力,加快了曲线的演化速度;引入Chan Vese (C V)模型作为外部能量项,提高了模型的抗噪性,增强了模型分割灰度不均匀图像的能力。通过图像分割实验,验证模型对初始轮廓以及噪声的鲁棒性、分割灰度不均匀图像的能力,并采用客观数值指标,将所提模型与另外三种模型在分割效率和分割准确性方面进行比较。结果表明,提出的模型增强了对噪声的鲁棒性,提高了分割弱边界图像的能力,而且分割灰度不均匀的图像时也取得了比较满意的效果。     

基于Contourlet域树状系数的自组织神经网络图像分割

为避免小波域隐马树模型分割算法中模型假设的不足,提出用SOM网络作为非参数概率密度函数估计器。用图像轮廓波变换域中的树状数据作为网络输入,以利用图像的几何特征来提高分割效果。由训练好的网络组可以得到待分割图像各个尺度下的条件概率密度函数值,应用最大似然分类准则得到相应尺度下的粗分割。通过多尺度粗分割结果的融合,得到像素级的分割结果。用合成纹理图像、航拍图像和SAR图像进行实验,并与小波域隐马树模型分割方法和基于SOM网络的多尺度贝叶斯分割方法进行比较。对合成纹理图像给出错分概率作为评价参数,实验结果表明所提算法分割效果更优。     

基于人体静态和动态特征融合的步态识别

提出了一种简单有效的自动步态识别算法.对于每个序列用背景减除方法检测行人的运动轮廓,算法利用步态轮廓图像下肢左右边界的距离矢量对步态轮廓图像进行描述,采用步态图像两脚的宽度进行准周期性分析.利用连续隐马尔可夫模型并融合步态的静态外观信息模型进行步态时变数据匹配识别.算法在Little和Boyd,NLPR和CMU数据库上进行实验均取得了较高的正确识别率.     

区域进化自适应高精度区域增长图像分割算法

为克服经典区域增长算法中门限选择困难、分割稳定性不高与串行处理速度慢的不足,提出基于区域进化的自适应高精度区域增长图像分割算法。在图像预处理过程中,首先通过各向异性滤波算法对切片进行滤波,达到去除图像噪声同时避免对边界区域的模糊;然后引入了新的区域能量表示模型,并给出了迭代进化形式,在区域增长过程中,逐渐增加区域增长的门限,通过对能量函数的动态优化来逼近最佳分割结果;最后利用主动轮廓模型进行精度分割,得到精确而比较光滑的分割目标轮廓。对比实验表明提出的方法是合理有效的。     

基于ROEWA算子局部活动轮廓的SAR图像分割算法

针对经典可变区域拟合(region scalable fitting,RSF)模型无法分割合成孔径雷达(synthetic aperture radar,SAR)图像的问题,提出了一种基于指数加权均值比(ratio of exponentially weighted averages, ROEWA)算子的改进RSF局部活动轮廓模型。算法首先以SAR图像目标边缘的ROEWA算子的负指数函数为边缘指示函数,对区域可伸缩能量项和弧长项进行加权,消除了原模型中梯度算子对于乘性相干斑满布的SAR图像边缘检测失效的弊端,还防止了目标弱边界的泄漏,避免了边界缺失;其次在零水平集演化的偏微分方程中加入权系数可变的面积项,提升了算法在目标边缘处的自适应捕获能力,同时也提高了算法对目标多层轮廓的检测能力,并且最大化地保留了目标的外轮廓;面积项的可变权系数可根据目标的ROEWA算子的模值来自动调整大小,很好地保持了目标的边缘细节。改进算法不受初始轮廓的影响,对相干斑噪声不敏感,且实验证明算法的计算复杂度仅与图像的尺寸有关。通过对合成与真实的SAR图像数据进行实验,验证了所提方法的直观性和有效性。     

基于GA-AHMM的联机手绘图形识别技术

提出了一种遗传算法(geneticalgorithm,GA)和自适应隐马尔科夫模型(hiddenMarkwmodel,AHMM)混合的联机手绘图形识别方法。由于隐马尔科夫模型(HMM)的训练本质上是一种梯度下降的优化方法,算法易陷入局部最优,影响了其应用。为此,采用GA训练HMM模型参数,并给出了GA和HMM的两种混合训练方式:前端GA HMM模型和内嵌式GA HMM模型,GA算法能随机地调整HMM模型训练的初始值,使HMM跳出局部最优,较好地克服了HMM训练容易陷入局部最优的问题。另外,采用带有反馈环节的闭环AHMM代替传统的开环前向HMM模型对手绘图形识别,改善了HMM的自适应能力,显著提高了对图形的识别率和识别速度。试验结果证明了方法的有效性。     

序列医学图像三维分割的一种方法

介绍了一种Live Wire和轮廓插值算法相结合的序列医学图像分割算法，在这个算法中又借鉴了活动轮廓模型方法的思想，使得这三种算法有机的结合在一起。并对传统的轮廓插值算法和-Live Wire进行了改进，结合活动轮廓模型方法的思想在重建的轮廓中根据实际图像的局部特征进行了自动收缩。实验表明这种算法能快速准确的从序列医学图像中分割出感兴趣的物体。     

基于NURBS曲面的人体胸腰部骨组织三维重构

提出从中国数字化可视人体数据集中获取骨组织曲线、曲面模型的完整技术路线。首先采用多边形逼近分割图像,轮廓跟踪获得目标组织轮廓的数据点作为型值点,采用周期B样条曲线逼近拟合成封闭曲线,利用B样条曲线控制点影响的局部性性质,调整曲线的控制多边形,获得与目标骨组织边界吻合的轮廓曲线,再将完整的骨组织曲线模型通过直纹面法建立NURBS曲面模型。该技术路线对人体骨组织及其它组织器官的建模提供了一种有效实用的方法。     

基于HMM的电子设备状态监测与健康评估

为了克服隐马尔科夫模型（hidden Markov model, HMM）在训练时波氏（Baum-Welch, B-W）算法易陷入局部最优解的不足,采用多智能体遗传算法（multi-agent genetic algorithm,MAGA）对其进行参数估计,设计了染色体编码方法和遗传操作方式。利用Viterbi算法的状态估计和状态回溯能力对温控放大器进行状态监测和健康评估研究,仅需建立一个HMM,大幅度减少了HMM作为分类器使用时的模型训练计算量。仿真结果表明,MAGA优化的HMM具有更好的状态监测性能,采用Viterbi算法得到的状态概率值对设备进行健康评估有效可行。     

基于NURBS曲线轨迹规划与速度规划的研究

提出了一种基于非均匀有理B样条曲线(NURBS)的运动轨迹规划插补算法,与传统插补方法相比,该插补器能够保持高速度和高精度加工性能,而且能够抑制在插补过程当中产生的轮廓误差和速度波动.在插补过程中由于限制轮廓误差的需要而产生了一些速度尖点,在这些尖点处的加速度和加加速度往往都非常大,这些对机床的伺服马达产生很大的冲击力,提出的插补算法能够根据允许的最大轮廓误差、最大加速度、最大加加速度来对插补速度进行自适应调整,使其满足插补要求.通过一个NURBS曲线插补的MATLAB仿真的例子,说明了该曲线插补算法能够满足高速、高精度加工的要求.     

基于T样条拼接的彩椒果实可视化研究

彩椒果实表面具有沟痕深、凹凸性强等特征,难以获取曲面造型所需控制点。为克服以上缺点,提出利用T样条无缝拼接的方法进行彩椒果实几何建模。首先根据形态特征将彩椒分为若干片段,利用三维扫描仪获取各片段三维数据点,然后应用NURBS曲面分别建立各个片段的模型,最后使用T样条的无缝拼接算法将各片段组合为完整的彩椒模型,并在VC++和OpenGL平台得到了真实感较强的彩椒果实可视化模型。实验表明,该方法不仅能够拼接片段之间的缝隙,还能极大地增加模型的真实感。     

一种使用显著封闭边界的图像检索算法

在分析了基于边缘的图像检索方法的缺点后,提出了一种基于显著封闭边界的图像检索新算法。它使用基于图论方法的边缘比算法,从噪声图像中获取图像的显著封闭边界,然后以显著封闭边界来代表图像,每条显著封闭边界由边缘角度直方图来刻画,并以此特征进行图像间的相似性度量。由于图像的显著封闭边界代表了图像的显著结构,减少了短小边缘的噪声影响,故对图像检索十分有效。实验结果表明,本算法具有较高的检索准确率。     

基于图割的DCT编码图像分割算法

图割是图像分割中经典有效的算法,针对其计算量较大、实时性能不佳,面对广泛使用的DCT编码图像,提出一种改进的交互式快速分割算法。该算法利用DCT编码图像中的DC系数生成DC低频图像,有效降低了GMM参数学习的训练样本数,结合DC系数与AC系数生成纹理特征,通过颜色与纹理特征的有机结合、局部自适应正则化参数的选取,改善了对纹理图像和细长型边界的分割能力。实验结果表明,算法效率得到了提高,分割效果得到了一定的改善。     

A Parallel Algorithm for Corner Detection on Object Contour

; A new parallel algorithm for corner detection on object contour is presented in the paper. In this algorithm whenever a point (pixel) is scanned, the k direction codes between the two sides of the point, which is on the edge of an object, are obtained by k-step forward and backward boundary tracking. A comer is determined by the sum of the difference between the two weighted code chains. Note that the whole chain code sequence or boundary of an object is not necessary to be extracted at all in this algorithm, and the corners are obtained immediately once the image is scanned, furthermore, what humans perceive as corners can be detected and localized by this algorithm.     

一种基于变形模板的椭圆跟踪算法

给出一种新的基于活动轮廓与光流约束的椭圆跟踪算法。椭圆变形模板在引入对目标模型严格的全局约束的同时,降低了计算复杂度;基于模型的光流技术被用于提取目标的运动信息并引导轮廓的变形;借助扩展Kalman(EKF)滤波器有机组合目标的形状与运动信息;最后利用光流测量方程给出的误差测度及EKF给出的估计方差对虚假样本点作出判断与舍弃,从而保证对图像噪声、遮挡及伪边缘具有较强的克服能力。算法除可用于跟踪刚体运动之外,也可用于非刚体(例如人头)运动的跟踪。计算实例表明了算法的有效性。     

基于目标运动模型的跟踪方法

针对常用的机动目标模型不能准确描述目标实际运动规律及常用跟踪算法只拟合目标的形心而不是目标轮廓轨迹的问题,提出一种基于目标运动模型的跟踪算法。该算法提取已检测出目标轮廓上的角点作为样本点,采用神经网络来构建目标运动模型,将用此模型预测出的目标轮廓上的点作为主动轮廓线的初始控制点来检测出目标真实轮廓,并反馈回神经网络的输入端来修正模型误差。实验结果表明该跟踪算法能很好地将前续目标检测结果继承到后续的目标检测过程中,对于目标跟踪中的遮挡问题也能很好地解决。     

基于路径QoS加权分解的工作流调度算法

采用有向无环图DAG(Directed Acyclic Graph)描述的工作流在QoS约束下的调度问题是一类典型的NP难问题。分析了DAG工作流调度问题的调度目标,提出了一种基于路径QoS加权分解的工作流调度算法,通过将工作流的全局QoS约束分解为单个任务的局部QoS约束,将整个工作流的全局优化问题转化为单个任务的局部优化问题,降低了问题的复杂度。在对整个DAG工作流的QoS约束进行分解时,算法对工作流的每条路径的QoS约束进行分解,并以任务可选能力服务间的单位QoS增益之和作为权值,将单条路径的QoS约束分解到组成路径的每个任务。仿真结果表明,与其他基于QoS分解的DTL、DBL等算法相比,该算法具有更高的调度效率,能够找到更好的调度方案。