自适应过滤算法在基于社区E-learning的个性化知识服务系统中的研究

针对学习型社区中的教育需求,在传统算法上加以改进提出了一种基于向量空间模型的教育资源自适应过滤算法。首先通过训练算法,提取特征向量和伪反馈建立初始模板,设置初始阈值。然后通过过滤算法根据用户的反馈信息自适应地调整模板和阈值。该算法在执行过程中,不需要大量的初始文本,同时在过滤的过程中可不断地进行自主学习来提高过滤精度。该算法已在项目中进行验证,结果表明是有效的。     

基于自适应模板的匹配算法在跟踪系统中的应用

基于模板匹配的跟踪算法具有提取信息全面、算法简捷的优点,但目前采用固定模板匹配的算法在实际跟踪过程中容易发生误判,作者经过研究提出了自适应模板匹配的算法,该算法能有效的克服上述的问题,在此基础上作者给出了初始模板的捕获和目标物位置预测的具体算法,采用了基于自适应模板跟踪算法的"DX-1"系统在实际跟踪过程中取得了很好的跟踪效果.     

一种基于光流和二级聚类的移动背景下的目标检测算法

针对现有的移动背景下的目标检测算法存在检测速度较慢、自适应性差和检测准确度不高的问题,提出了一种基于光流和二级聚类的移动背景下的目标检测算法;该算法融合了阈值自适应规则和基于优化检测结果的反馈机制。首先采用Lucas-Kanade光流跟踪算法和DBSCAN聚类算法提取出前景目标,然后采用改进的凝聚层次聚类算法将前景目标分类。在第一级聚类时建立基于初始聚类结果的自适应规则,实现了自适应地检测目标;在第二级聚类后,通过去除错误匹配特征点和阴影区域特征点优化检测结果;并将优化后的检测结果反馈给第一级聚类过程以更新适用阈值,使目标检测更准确。在多个视频库上进行验证,实验结果证明该算法检测速度快、自适应性良好、检测准确度高。     

一种基于优化模板匹配的红外目标跟踪算法

为了在红外环境下进一步提高目标图像在环境变化或受干扰时跟踪的准确性,提出了一种有效的红外目标跟踪方法.该方法基于归一化互相关距离的相似性度量方法,设计了匹配跟踪置信度,并在此基础上实现了基于匹配跟踪置信度加权的自适应模板更新算法.在模板更新方面,提出了自适应阈值调整策略,在目标跟踪过程中根据匹配置信度动态调整阈值,避免了固定阈值对跟踪精度的影响.通过实验证明,算法对环境变化的适应能力和跟踪稳定性方面得到了较大的提高.     

基于信噪比的改进变步长LMS算法及应用

在无线直放站反馈干扰抵消的过程中,自适应滤波器的误差信号可以接收目标信号与残余回波的混合,是阻碍滤波器根据残余回波强度,快速调整抽头系数.利用误差信号的特点,给出了一种基于信噪比的改进变步长最小均平方(least mean square,LMS)自适应算法.该算法利用误差信号和滤波器的输出信号作为目标信号和反馈干扰信号的估计,根据目标与干扰信号的功率比值来调整自适应滤波器的步长.计算机仿真结果表明,该算法具有快速的初始收敛速率和较小的超量均方误差.在稳态情况下,对于干扰的突变能够快速地再次收敛,表明该算法在反馈干扰抵消方面的性能优于已有的算法.     

基于梯度直方图的图像自适应滤波去噪

为了解决自适应滤波器在图像去噪中因需要噪声检测以及人工设置阈值，从而影响去噪效果的问题，提出基于梯度直方图的自适应滤波方法。首先，对噪声图像均值滤波后的初始去噪图进行计算，得到梯度直方图。然后，通过对梯度直方图曲线形状进行分析，计算出分割性最优的点作为阈值。最后，用计算得到的阈值与图像信息的局部变化率相结合，建立尺度自适应调节的滤波模板，对噪声图像进行滤波去噪。实验结果表明，本文算法针对不同噪声类型和不同强度的含噪图像去噪效果均有提升，并且可与其他算法相融合，对自适应类算法的改进具有普适性价值。     

基于PAM和簇阈值的改进K-Means聚类算法

为了弥补K-Means算法对孤立点数据敏感的缺陷,提高K-Means算法对包含孤立点数据集的聚类效果,在深入研究K-Means算法的基础上,提出了基于PAM和簇阈值的改进K-Means聚类算法。该算法首先对待聚类数据进行抽样,然后利用PAM算法获取样本数据的聚类中心,以样本数据的聚类中心作为KMeans算法的初始聚类中心。在聚类迭代过程中动态计算各簇阈值,利用簇阈值准确地过滤孤立点数据。实验结果表明,本文提出的算法不仅聚类时间短,而且具有较高的聚类准确率。     

一种基于ECG的改进型差分算法设计

提出一种基于差分阈值自适应的ECG波形检测算法.算法对ECG信号进行数字滤波预处理,利用自学习算法求出相应的初始阈值,采用双阈值自适应更新法实现对差分阈值的自动更新和对R波以及Q、S波的检测,通过对检测窗口宽度的自适应更新法实现对P波和T波的检测.算法检测精度高,适合实际应用.     

利用贫富差距原理进行图像边缘检测

针对Robinson算法运算速度慢且需要人为指定闲值等问题,提出了一种Robinson自适应边缘检测算法.该算法利用Robinson基本原理删除了一些算法模板,根据计算贫富差距的原理得到像素的梯度值,从而可以进一步提高抑制噪声的能力.算法依据待检测像素周围3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,不仅保留了原Robinson算法可并行处理、能够抑制噪声等优点,还提高了运算速度和抑制噪声的能力.实验表明,所提算法在图像处理中能够自适应地生成动态阈值,提高图像的细节信息提取和噪声抑制的性能.     

基于自适应模板的匹配算法在跟踪系统中的应用

基于模板匹配的跟踪算法具有提取信息全面,算法简捷的优点,但目前采用固定模板匹配的算法在实际过程中容易发生误判.作者经过研究提出了自适应模板匹配的算法,并在此基础上给出了初始模板的捕获和目标物位置预测的具体算法,采用此算法,能有效克服上述问题,在实际跟踪过程中获得了很好的跟踪效果.     

视频流中的自适应阈值模板匹配车辆检测算法

在传统帧差法的基础上, 通过对帧差法得到的感兴趣区域进行阈值处理, 得到用白色代表前景、 黑色代表背景的黑白二值图像, 并设计了自适应阈值模板匹配车辆检测算法从黑白二值图像中定位出运动车辆. 实验结果表明, 该算法简单, 容易实现, 能准确定位车辆.     

基于Struck的在线学习和相似度匹配的双重更新跟踪算法

针对Struck算法在遇到完全遮挡后难以恢复目标的跟踪问题,提出了利用双重更新策略对目标进行跟踪的算法。首先标定首帧中目标的所在位置,提取目标特征作为初始模板。其次,设计相似函数判别当前帧目标区域与初始模板的相似度,超过阈值的区域选为正样本加入到在线学习的过程。最后,当目标遇到完全遮挡时,通过遍历搜索的方式寻找与目标相似的图像块,选择超过阈值中相似度最高的图像块作为目标继续跟踪。实验结果表明,改进后的算法可以更好地解决因遮挡或背景相近等复杂条件引起的目标跟踪丢失的问题。     

小波基下的多分辨率SURE阈值信号估计

根据小波阈值估计理论，通过最小化风险的估计，可计算自适应于数据的阈值，提高估计的信噪比。分析了噪声和信号在小波分解下的特性，提出了小波基下自适应于每一尺度的多分辨率SURE阈值算法，并采用该算法对被噪声污染的信号进行了估计，阈值T选取统一阈值，噪声的标准差由中位公式求出。仿真结果表明，与传统的小波阈值法相比，该算法明显地提高了估计的SNR。     

一种基于Robinson理论的自适应边缘检测算法

针对Robinson算法运算速度慢,且需要人为指定阈值等问题,提出了一种Robinson自适应边缘检测算法。利用Robinson基本原理,删除了一些算法模板,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,这样既保留了原Robinson算法可并行处理、能够抑制噪声等优点,还提高了运算速度。同时,针对Robinson算法边缘检测相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法,改进算法先对含有噪声的图像进行边缘检测,过滤了伪边缘,再对图像边缘进行细化,从而得到单像素边缘。实验结果说明了所提算法的性能。     

基于小波自适应阈值方法的探地雷达去噪

探地雷达在实际使用过程中会被各种噪音信号干扰,针对这一问题,本文提出一种基于小波自适应阈值算法的探地雷达信号处理方法。常规小波阈值算法处理探地雷达B-scan图像时因处理前后的小波系数有所差异,可能导致图像失真。为了使目标信号更加明确,并消除噪音等干扰,通过对小波阈值的选取方式和阈值函数进行改进,使用小波变换的不同层数的子带长度确定阈值,实现阈值自适应准确量化。实验结果表明该方法相对传统小波阈值算法更加适用于探地雷达信号处理,自适应阈值函数拥有更好的良好连续性和稳定性,进一步提高了去除直达波和降噪效果,更好的保存了目标图像的细节。与其他方法对比结果表明,本文提出的算法提高了峰值信噪比,降低了图像熵。可见该方法在探地雷达实际使用情况下有一定的应用价值。     

基于填充标记的自适应Web信息提取

提出一种自适应Web信息提取算法，基于自底向上规则模块层叠，通过在提取模板中填充一定数量有助于识别信息类别的SGML标记，较好地覆盖Web页中不可见信息，有效控制自适应过程中信息的过少和溢出，实现智能化Web信息提取．     

反馈滤波器长度对判决反馈均衡器性能的影响

为了使判决反馈均衡器的性能达到最佳,提出了一种判决反馈均衡器变步长可变阈值动态长度算法,并将该算法应用于研究反馈长度对自适应变长判决反馈均衡器性能的影响。结果表明：变长自适应判决反馈均衡器在前馈滤波器长度收敛到一定的范围内、判决延迟保持一定的情况下,反馈长度并不是越长越好。得出了反馈长度与自适应判决反馈均衡器的误差函数之间是一个U形函数关系的结论,该结论可以用于指导判决反馈滤波器的设计。     

自适应方向菱形搜索快速运动估计算法

在运动矢量分布特性研究的基础上提出了一种自适应方向菱形搜索算法. 该算法利用图像序列的空时相关性, 对搜索起始点进行预测, 设定阈值, 针对匹配块提前终止搜索, 根据运动方向特性自适应的选择小菱形模板和方向菱形模板, 大大增强了搜索的方向性. 实验结果显示, 在保证图像质量的前提下, 该算法大幅减少了平均搜索点数, 提高了搜索的速度.     

Mean Shift跟踪算法创新实验项目设计

视频跟踪算法是计算机视觉实践课程中比较受关注的实验项目。针对突变情况下传统Mean Shift跟踪算法无法实时准确跟踪的问题,设计了基于模板更新和线性预估的Mean Shift跟踪算法创新实验项目。在模板更新策略下,引入背景模板,通过将原目标模板和背景模板与设定的阈值进行比较来对干扰因素进行判定,当干扰因素判定目标受到遮挡时,引入线性预估方程进行目标位置预测,有效解决目标在遮挡情况下跟踪丢失的问题。通过对测试视频的跟踪效果和性能进行对比分析,验证了算法在突变情况下相较于传统算法具有更好的抗干扰能力。以算法创新设计为核心,通过开放性创新实验项目的选题、设计、答辩、反馈的闭环实验过程,有效提高了学生算法创新设计能力。     

综合区域和边界信息的图像自适应分割技术

针对分水岭图像分割算法中的过分割问题,提出了一种综合区域和边界信息的解决技术．该技术主要利用区域和边界的综合信息,对分水岭算法处理后的过分割区域进行聚合．在基于区域和边界信息的聚合过程中,借鉴人眼视觉模型的韦伯感知原理,针对区域的不同亮度环境,自适应地选取动态的聚合阈值;并根据强弱边界属性调节聚合阈值,以鼓励对象内区域聚合和避免对象之间的区域聚合．试验结果表明,这种技术对分水岭算法中的过分割有较好的改善．