图象自相似性测算法的研究比较

图象的自相似性测度可作为图象识别和图象压缩的重要特下参量,分形几何图形具有自相似性和递归法,分形维数自然成为有效的自相似性测度。基于目前常用的有效的计算图象分形维数算法,其中包括“毯子”法、“盒子”法,“分数布朗随机场模型”法和各种改进算法,对各种方法的计算量,适用范围进行了研究比较。     

一种新的相似性度量及其在DNA序列相似性分析中的应用

衡量序列之问距离的传统方法是通过局部比对或者全局比对来实现的,其运算的时间复杂度和空间复杂度随着序列长度的增加而急剧上升.本文提出一种新的相似性度量.它是建立在Lempel-Ziv复杂度基础之上的,不需要通过序列之间的比对来实现,其时间和空间复杂度比传统方法降低了很多.用这种新的相似性度量的方法可以算出序列同的相似性矩阵,以此来刻画不同序列之间的距离.为了说明此方法的可靠性,最后对多个物种DNA序列作了相似性分析.     

退化图片的图像增强方法研究

采用直方图均衡和灰度匹配变换的图像增强方法对退化图片细节进行了增强处理，在灰度匹配变换中分别采用单映射（SML）规则和组映射规则（GML），并对它们的特点进行了比较分析．实验结果表明，用SML和GML能更好地增强细节．特别是GML能有效减小其匹配后的直方图与匹配函数之间的误差．     

基于相似性的分布式数据挖掘

基于相似性的数据挖掘模型,主要是用于发现分布式资源之间的相似性,利用相似性,融合分布式数据库,减小数据挖掘的规模.本文主要介绍以关联规则中最大频繁项集为基础的一个相似性的度量方法,并根据对得到的相似性值的判断,来决定数据挖掘的数据源的引用规模.     

直觉模糊集的新相似性测度

相似性测度是度量两个直觉模糊集相似程度的重要方法.文章给出一个新的直觉模糊集相似性测度,讨论该相似性测度的一些性质及得到利用该相似测度对直觉模糊集进行聚类的一般步骤,最后通过实例验证了该方法的有效性。     

一种融合图结构的时空轨迹相似性查询算法

针对海量时空轨迹数据相似性查询速度慢的问题,提出一种融合图结构的时空轨迹相似性查询算法。从空间维和时间维将轨迹建模为图结构中的一条路径,设计了一种同步匹配空间和时间距离的轨迹相似性度量函数。在此基础上,设计了一种结合时间过滤的基于边的倒排索引结构支持轨迹时空相似性查询,同时利用距离上界的剪枝策略提高查询性能。计算返回的相似轨迹集合中每条轨迹的距离并进行排序,得到相似度最高的前k个轨迹。最后将所提算法与NTrajI算法、SHQ算法、SHQT算法在合成数据集和真实数据集上进行实验对比。结果表明：该算法在索引建立、查询效率和查询质量方面均优于其他对比方法,因此是可行而有效的。     

崆峒山种子植物区系与其他植物区系相似性分析

为了说明崆峒山与其他植物区系之间的联系,选择六盘山、小陇山、祁连山、兴隆山、白水江、武陵山、太原、西北干旱荒漠区8个地区与崆峒山进行相似性的对比分析．结果表明崆峒山和六盘山的关系最为密切,其次是兴隆山、小陇山和祁连山．     

多元时间序列的相似性匹配

常用多元时间序列相似性匹配方法难以在高效刻画局部形态特征的同时考虑各变量间的相关信息. 针对此问题,提出一种动态窗口内多维拟合分段方法. 基于序列的局部形态特征抽象出各变量维度上拟合线段的倾斜角及持续时间,组成模式表示矩阵,并借助一种多元模式距离实现序列的相似性模式匹配. 与主成分分析法、基于点分布特征的匹配法对不同数据规模的数据集进行对比,验证了该方法的有效性,特别对于多变量、不等时间跨度的中等规模多元时间序列相似性匹配具有较好的效果.     

基于平均窗口平移的直方图相似性度量

传统的直方图相似性评价方法如L1距离等,在直方图发生一定形变如伸缩、平移的情况下存在一定不足。为解决这一类问题,提出一种直方图平均窗口平移度量方法,通过统计2幅直方图相同窗口之间的取值差异及不同距离窗口之间的取值差异,求出以窗口距离为权值进行加权后的平均差异,将其作为评价2幅直方图相似性的标准。对不同自然图像的灰度直方图及受噪声、光照等影响下的图像的灰度直方图之间的相似性,用该评价方法和传统评价方法进行比较,表明该评价标准在直方图发生形变的情况下性能优于传统的度量标准,而在通常情况下则与传统评价标准具有一致性。采用该评价标准进行图像及目标搜索等应用的结果显示该方法有望被应用于图像检索、匹配及目标跟踪等领域。     

浮选中泡沫图像的分割算法

描述了浮选中泡沫图像的分割算法，根据测定泡沫的尺寸、形状和纹理分割泡沫图像。因这些泡沫图像的图案和性质千差万别，用现有的分割算法是很困难的，我们修改并结合不同的现有图像分割算法，形成了一种分割泡沫图像的新算法。在这种算法中，使用并修改了阈值算法，自动地检测泡沫的种子点或种子区域，然后使用形态学技术产生泡沫区域。最后，基于泡沫形状分析，合并过于分割的泡沫部分为一泡沫。文中列举了分割三个泡沫图像的结果，它表明这种分割泡沫图像的方法是合理的。     

一种改进的K means聚类彩色图像分割方法

图像分割是从图像处理到图像分析的关键步骤.图像分割的目的是将图像分割为多个互不重叠且又各具特性的区域,主要应用于图像压缩、目标提取、模式识别等.以往的图像分割技术主要应用于灰度图像,随着计算机技术的进步,彩色图像分割逐渐受到关注.该文在前人对彩色图像分割问题的大量研究成果基础上,提出了一种将K-means聚类、蚁群算法以及分水岭算法相结合的分割方法.本方法有效的克服了聚类数目必须依据先验知识提前设定、最初的聚类中心是随机选取的、聚类的效果好坏依赖于距离判定公式的缺陷.     

改进的高精度单本体概念相似度计算模型

概念相似度评估广泛应用于概念分类、概念聚合、概念合并等工作中.以往面向单本体概念相似度计算模型的工作虽然集中在概念特征匹配和语义分析之上,但考虑的要素单一或考虑要素的内容不全,所以计算结果精度不高,不利于概念关系的深层挖掘.该文完善概念的共性匹配,把概念间同时不具备的特征作为共性的一部分,并对概念格中不同层次的语义特征进行加权,从而提出一种具有高精度的面向单本体的概念相似度计算模型.实验数据表明该模型具有较高的精度.     

基于最大类间方差遗传算法的图像分割方法

分析了最大类间方差阈值图像分割算法的基本原理，结合遗传算法及其特点提出了一种自动阈值选取的图像分割算法，在本算法中对传统晨大类间方差图像分割的算法及遗传算法进行了改进，提高了传统算法的速度，改善了遗传算法的收敛速度与最优解的协调关系，最后从速度及性能上进行了分析比较，并对实际图像分割做了反复实验，结果表明，本遗传算法的图像分割方法在图像分割过程中具有速度快，效果好的特点。     

基于奇偶交叉卷积的轻量级图像语义分割网络

传统轻量级图像语义分割网络中的跨步下采样卷积导致感受野呈现刺状分布,使得像素点利用率出现系统偏差,影响分割精度的提升。为此,针对传统的轻量级图像语义分割网络设计一种奇偶交叉卷积的下采样模块,在跨步奇数卷积模块前增加单步偶数卷积模块,在一定程度上缓解了刺状分布带来的不良影响,消除了分割网络中不同空间位置上像素利用率的偏差,最终提高了模型对像素点的分割精度。通过7种不同轻量级图像语义分割网络的对比可以看出,所提模型可以明显消除刺状分布,使分割网络的精度进一步提高,同时也证明了该模型适用于不同的轻量级网络,具有普适性。     

图像分割技术纵览

从图像分割的分类、常见方法和结果的评估3个方面,特别是近几年来图像分割领域中出现的新思路、新方法,或对原有新方法的改进对图像分割这一经典难题给出了一个比较全面的综述.     

网页结构树相似度计算

提出了一种针对网页结构树的相似度计算方法,首先把网页标签结构表示成树,然后通过动态规划算法,使两棵树在每一层上最相似的儿子节点继续进行比较,而那些没有找到匹配节点的儿子节点则产生距离,累加这些距离作为两棵树之间的距离,以此来衡量两个网页之间的相似程度。实验证明本方法可以正确区分同类网页和不同类网页。     

基于差分进化的二维熵图像分割

二维熵图像分割方法利用图像的局部空间信息,分割结果优于一维熵分割法,但计算效率较低.遗传算法和粒子群算法等最优化算法能提高二维熵图像分割方法的效率,却不能保证获得全局最优阈值.为此,提出一种基于差分进化算法的二维熵图像阈值分割法,用局部搜索策略提高搜索最优阈值的精度.实验表明,所提出的方法有良好的鲁棒性,能保证获得最优阈值.与基本的二维熵图像分割法相比,分割速度有很大的提高.     

基于无人机高分影像的绿地面积提取

无人机高分影像相比传统遥感影像具有一定的优越性,用途十分广泛。传统遥感影像分类技术不再适用于无人机高分影像,本文采用面向对象的分类方法,经过多次实验对比选择出合适的分割尺度再进行分类,可以从影像中较为准确提取出绿地。