基于改进SOM的壁画图像裂缝自动识别与修复

针对壁画中存在的裂缝这一常见病害,提出一种基于人工神经网络(ANN)的自组织映射(SOM)图像修复算法,将人工智能技术应用于古建筑壁画修复领域.基于壁画裂缝本身的线性结构特征,对图像进行多尺度形态学边缘梯度检测提取边缘信息,使得裂缝边界区域灰度变化剧烈,从而达到边界突出的效果;对变换后的图像进行自适应阈值分割处理,以保证图像中每个像素点都属于目标区域;选取面积作为目标区域的连通规则进行度量以去除虚假目标,达到精确提取的目的,实现对破损像素的自动识别和标注;对壁画中已标注的破损区域采用改进的SOM算法进行修复,通过SOM聚类对图像进行分层,在单个图层中迭代计算出破损像素的值,实现对图像的并行化分层修复,在保障修复精度的同时提升修复的速率;合并图层,完成标注区域修复部分;最后通过对3种类型裂缝的壁画修复,本文所提出的改进SOM算法在修复图像峰值信噪比PSNR、特征相似度FSIM等4类指标显著提升,并且修复时间平均缩短40.34%,表明方法对于古建筑壁画裂缝修复的有效性和优越性.     

一种改进的基于K-SVD字典的图像修复算法

提出一种改进的基于K-SVD字典的图像修复算法.该算法基于稀疏表示,利用待修复图像内的有效信息,以不重叠像素的方式提取图像块,采用模糊C均值聚类算法对图像块进行聚类,并使用K-SVD算法分别对各类图像块进行训练,得到与各类图像块相适应的字典,重建图像块,修复受损图像.实验结果表明,该算法能提高图像的修复质量和图像的峰值性噪比,且均方根误差较小.     

一种改进的基于K-SVD字典的图像修复算法

提出一种改进的基于K-SVD字典的图像修复算法.该算法基于稀疏表示,利用待修复图像内的有效信息,以不重叠像素的方式提取图像块,采用模糊C均值聚类算法对图像块进行聚类,并使用K-SVD算法分别对各类图像块进行训练,得到与各类图像块相适应的字典,重建图像块,修复受损图像.实验结果表明,该算法能提高图像的修复质量和图像的峰值性噪比,且均方根误差较小.     

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.     

改进多重字典联合自适应学习的稀疏壁画修复

针对壁画稀疏表示修复算法字典单一、细节修复欠佳的问题，提出了一种改进多重字典联合自适应学习的稀疏壁画修复算法.首先，采用非下采样剪切波NSST将破损壁画进行分解，获取壁画的低频纹理子带图像和高频结构子带图像，解决了稀疏表示算法对壁画图像结构和纹理信息考虑不足的问题.然后，提出了多重字典自适应学习的稀疏方法，将低频纹理图像根据像素之间特征的相似性进行聚类，构建多重稀疏子类字典，并利用奇异值分解和分裂Bregman迭代优化完成低频分量修复.接着，引入脉冲耦合神经网络机制，修复壁画图像的高频结构子带.最后，通过NSST逆变换融合完成修复.采用真实壁画进行修复的实验表明，该算法能够有效保护壁画图像结构和纹理层等重要信息，所提算法相较对比算法取得了更好的视觉效果和客观评价.     

基于SOM-K聚类的图像分割算法

针对介电弹性体图像在电致形变实验中存在噪声过多、光照不均和无法准确分割等缺陷,提出一种基于形态学重建、核聚类算法与分水岭算法相结合的目标图像分割改进算法.首先选取合适的结构元素对图像进行形态学重建,然后对重建后的形态学梯度图像进行分水岭分割,最后通过SOM-K算法聚类所得分割图像,合并相似区域,以降低过分割的影响.结果表明该分割算法准确度高且可行性好.     

基于结构因子和颜色聚类的墓葬图像修复算法

墓葬壁画图像颜色丰富,一旦破损会丢失大量结构信息。传统算法修复此类图像时,没有考虑图像强结构信息的优先精确修复,造成修复区域的过延伸和不连贯。针对上述问题,提出了一种基于结构因子和颜色聚类的墓葬图像修复算法。算法首先在待修复块优先级计算中加入结构因子项;其次,通过颜色FCM聚类算法划分区域进行相似块精确搜索;最后,根据均值像素差平方和(ASSD)与设定阈值的大小关系,自适应地对修复块尺寸进行调整以实现复杂结构区域的精确匹配。实验结果表明,所提方法对北齐墓葬壁画图像大面积缺损有很好的修复效果,与Criminisi算法比较,在结构相似度(SSIM)上至少提升5.68%。     

一种改进的K-means聚类服装图像分割算法

图像分割是图像处理中的重要环节,如何提高图像分割的准确度一直以来都是图像领域的研究重点及难点.K-means聚类算法作为经典聚类算法得到广泛应用,但是,k值的选取往往难以确定.针对这一问题,提出了一种改进的K-means算法.首先将输入的彩色图像转化为灰度图像,统计灰度直方图的峰值数,将其设定为聚类数k,然后对原图像的...     

一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。     

改进的快速模糊C均值聚类的图像分割方法

传统的模糊C均值(FCM)聚类算法广泛用于图像的自动分割,但该算法没有考虑像素的灰度和空间特征,对噪声和伪斑点图像不可能取得好的分割效果.提出一种改进的算法,在快速的FCM聚类的基础上,运用邻域像素的灰度相似度和聚类分布统计构造新的隶属函数,对图像进行二次聚类分割.该算法具有以下优点:1)有效地抑制了噪声的干扰;2)减少了图像的伪斑点;3)把误分类的像素很容易地纠正过来.对两种类型图像的实验分割结果表明该方法对噪声和伪斑点具有很强的鲁棒性和对像素聚类的正确性.     

基于二维EMD的图像分层放大方法

提出了一种新的图像分层放大方法,在各层上体现图像的局部和全局的相关性,弥补了传统插值放大中的不足.其原理是先将图像用二维经验模态分解(empirical mode decomposition,EMD)方法分解为具有不同复杂程度的图层,在每一分解层上分别设计一种组合放大方法,其中组合系数密切相关于图层的复杂度,最终的放大结果再由EMD逆过程得到.实验结果和数据表明这种方法能够取得良好的图像放大效果.     

基于Clifford代数的多光谱图像边缘检测

为了充分利用多光谱图像不同图层之间的关联性,采用Clifford代数描述多光谱图像.在Clifford代数空间中,定义了多光谱图像的Clifford微分与Clifford梯度.在此基础上,提出了一种新的多光谱图像边缘检测与融合算法.该算法首先计算出各像素点的Clifford梯度,进而得到Clifford梯度范数;然后以此为依据,判断像素点是否为边界点,从而得到多幅边缘检测图像;最后,将这些图像融合,便可得到最终的边缘图像.与基于最大熵的多光谱图像边缘检测算法的比较结果表明,算法由于利用了多光谱图像不同图层之间的关联性,因而可以更好地保留边缘信息,获得更完整的边缘检测效果.     

The Study of a New Method for Forecasting Non—stationary Series

A new method for forecasting non-stationary series is developed.Its steps are as follows.Step 1.Data delaminating.Non-stationary series is delaminated into several multi-scale steady data layers and one trend layer.Step 2.Modeling and forecasting each stationary data layer.Step 2.Imitating trend layer using polynomial.Step4.Combining the forecasting layers and imitating layer into one series,The EMD(Empirical Mode Decomposition) method suitable to preocess non-stationary series is selected to delaminate data,while ARMA(Auto Regressive Moving Aver age)model is employed to model and forecast stationary data layer and least square error method for trend layer regression.Aiming at forecasting length,forecasting orientation and selective method,experiments are performed for SAR(Synthetic Aperture Radar) images.Finally,an example is provided,in which the whole SAR image is restored via the method proposed by this paper.     

多油层复杂断块油藏开发层系细分研究

滨南油田毕家断块沙三下亚段属于多层砂岩、强非均质性油藏,其纵向上含油小层多达58个,开发过程中暴露出层间矛盾日益突出。基于油藏地质及开发特征分析,提出利用K-均值算法对小层进行分层聚类,建立定量化的开发层系划分标准,指导开发层系的划分。通过K-均值算法将滨南油田毕家断块沙三下亚段细分为三套开发层系,数值模拟分析表明,利用K-均值算法对开发层系进行定量划分是可行的,细分开发层系后渗透率极差变小、层间矛盾减缓,预测15年后采收率提高13.4%。     

应用热传导模型的偏微分方程图像修复

将图像修复类比于热传导过程,采用有限差分迭代求解一阶线性偏微分方程组,使图像缺损区周围有效像素所包含的信息逐步向缺损区域传递.相比于其他偏微分方程（PDE）图像修复技术,该方法采用更为简洁的数学表达,能以较低的计算复杂度实现有效的图像结构层修复.通过滤波提取缺损区以外的图像纹理,叠加到被修复区以获得更为自然的视觉效果.实验结果表明,该方法适用于修复图像中的小块缺损和划痕,消除可见水印等叠加成分或从图像中删除某些不需要的局部内容.     

利用Relief特征加权进行基于小波变换的纹理分割

在利用小波进行纹理分割的相关研究中,通常小波分解的四个子带对分类的贡献是均匀的。为了考虑不同子带对图像分割的不同影响,提出了一种利用Relief算法对小波分解的子带特征进行加权的算法。首先对纹理图像进行标准金字塔结构小波变换,对小波变换后的各层四个子带进行特征提取作为纹理图像的四维特征;从粗尺度开始对纹理图像进行K均值分割,得到初步分割结果;然后把初步分割结果扩展到下一尺度,根据扩展后的分割标记图对相应尺度的纹理特征进行基于Relief的特征加权,得到加权后的四维特征;再进行K均值分割,经过多层迭代后,得到原纹理图像的分割结果。实验结果表明,与未加权的传统分割方法比较,该方法在分割错误率、边缘准确性以及区域一致性上都有明显改善。     

Image forgery detection using segmentation and swarm intelligent algorithm

Small or smooth cloned regions are difficult to be detected in image copy-move forgery (CMF) detection. Aiming at this problem, an effective method based on image segmentation and swarm intelligent (SI) algorithm is proposed. This method segments image into small nonoverlapping blocks. A calculation of smooth degree is given for each block. Test image is segmented into independent layers according to the smooth degree. SI algorithm is applied in finding the optimal detection parameters for each layer. These parameters are used to detect each layer by scale invariant features transform (SIFT)-based scheme, which can locate a mass of keypoints. The experimental results prove the good performance of the proposed method, which is effective to identify the CMF image with small or smooth cloned region.     

粒子群优化算法在脑部肿瘤图像分割中的应用

粒子群优化算法能选择适当的适应度函数,使每组粒子群根据相应的适应值搜索到最佳聚类中心,改善了FCM算法和K-means算法的不足,具有适应性强,实时性好,受噪声影响小等特点。本文将其应用于脑部肿瘤图像的分割,结果表明,粒子群聚类算法是一种很有潜力的图像分割方法。     

基于RAU-net的视网膜OCT图像快速自动分层研究

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消...     

基于分水岭变换及分层区域合并的城市高分辨率影像分割

针对城市区域高分辨率图像的特点, 以及传统的基于分水岭变换的图像分割方法中存在的过分割问题, 提出一种分割区域的分层合并方法来改进分割结果。首先采用多通道分水岭分割得到初始分割结果, 然后通过定量分析城市不同地物内部光谱变化性的特点, 对影像进行分层, 并对不同的层分别进行合并, 得到最终的分割结果。采用一景北京地区的QuickBird影像, 从目视评价、定量指标计算以及应用等3个方面, 对提出的方法进行验证和评价, 并与现有的分割方法比较。结果表明, 与现有方法相比, 基于分层区域合并的方法可得到更准确的分割结果, 适合城市高分辨率图像的分割。