基于动态局部颜色直方图的图像检索

利用了Mean shift聚类方法对图像进行不规则的划分,在此基础上定义了一种动态局部直方图,设计了一个能同时表征图像颜色和位置信息的统计量,并且给出了计算图像相似度的方法.该算法既改进了以往局部直方图利用图像位置信息的检索方法的不足,而且保留了全局直方图方法具有的旋转不变性和缩放不变性.实验结果表明,在准确引入了图像的空间位置信息后,较大的提高了图像检索的精度,检索结果中不再出现和示例图像颜色成分相似而空间分布不同的图像,实验结果较好的验证了算法的有效性和稳健性.     

视频图像中字幕区域自动提取算法

视频的自动标注是视频检索系统中的重要模块,而字幕的提取与定位则是视频标注的重要步骤。提出了一种基于小波变换与模糊聚类神经网络相结合的字符区域自动提取算法。该算法尤其适合于中文字幕的提取与定位。实验结果表明,该算法对中文字幕检测与定位的精度达92％左右。     

基于轮廓波变换和改进模糊c均值聚类的红外图像分割

针对红外图像分辨率低、对比度弱、易受噪声污染等特点,给出了轮廓波变换与模糊c均值聚类相结合的红外图像分割方法。该方法首先在假定图像轮廓波变换系数的先验为高斯分布的基础上,将基于最大后验概率准则的比例萎缩法应用于红外图像降噪,以完成分割前的预处理过程,然后利用改进的模糊c均值算法对降噪后的红外图像进行分割。针对标准模糊c均值分割存在的问题,本文提出的方法从基于样本直方图的最小最大距离法的初始聚类中心确定、考虑邻域像素相关性的样本点聚类权值和邻域隶属度修正三个方面加以改进,在保证分割精度的基础上,进一步滤除降噪阶段遗留下的图像噪声。对一系列红外图像进行实验的结果表明,相对于标准模糊c均值算法,本文提出的改进算法划分熵平均降低约10%,区域对比度提高约27%,能够实现对受到噪声污染红外图像的有效分割。     

结合模糊C均值聚类和曲线演化的心脏MRI图像分割

提出了结合模糊C均值聚类和曲线演化的MRI图像分割算法。由于心脏的变形和血液的流动，MRI图像中出现了弱边界、局部梯度极大值区域、伪影等现象。分析了使用水平集方法分割此类图像时出现的问题，提出了两阶段分割算法：结合先验知识和直方图，对心脏MRI图像进行模糊C均值聚类，再根据聚类的结果定义窄带中像素点的速度函数，通过曲线演化获取左心室的粗边界；然后使用梯度向量流构造另一速度函数对边界进行细化。心脏MRI图像的分割实验证明了算法的有效性。     

基于K-均值的SVC的雷达辐射源信号识别

无监督学习是解决未知雷达辐射源信号识别的有效方法。Support Vector Clustering(SVC)是一种基于支持向量机的无监督聚类方法。SVC不仅时间复杂度高,而且在处理分布复杂、不均匀样本时,识别率较低。结合K-均值与SVC的优点,提出一种基于K-均值的SVC无监督聚类方法。此方法用K-均值聚类法对数据样本作初步的线性划分,将原数据样本划分成若干子样本。再将这些子样本分别映射到高维特征空间,用SVC方法去处理非线性问题。由K-均值聚类法将二次规划问题分解,大大减少SVC的计算量,降低时间消耗。相对于原数据样本,子样本的分布较为简单、均匀,容易找到更为合适的SVC参数值。对雷达辐射源信号进行聚类分析的实验结果表明,此方法处理速度较快,识别率较高。     

基于混沌社会演化算法的文本聚类新方法

用K均值算法进行文本聚类通常只能以局部最优结束,很难找到全局最优.文章提出了一种基于混沌社会演化算法的文本聚类新方法.在该方法中提出了认知主体在聚类中对范式继承的方式,在认知主体对范式的背叛中提出一种混沌变异算子.实验证明该方法不但能有效地提高文本聚类的效率而且能有效地提高文本聚类的精度.     

三种典型的基于图分割的谱聚类方法比较

在分析谱聚类实现思路和已有算法基础上,对规范切判据,最小最大切判据和自动确定聚类数目的谱聚类典型算法进行了研究和应用,通过理论分析算法各自实现机理的联系与区别,讨论它们各自的聚类特点,并利用UCI(University of California,Irvire)机器学习数据集试验对比了三种算法的聚类效果.发现谱聚类算法实现数据聚类的有效性,以及参数及相似度度量对算法性能有很大影响,在此基础上提出了算法用于解决可建模为模式识别的工程问题的可行思路,为工程实践提供了借鉴.     

一种在线学习的视频图像分割算法

提出了一种在线学习的视频图像分割算法,通过结合视频图像的全局信息和局部信息,来完成视频图像的准确分割。该算法首先采用分类器对视频图像的无指导预分割结果进行整体的识别处理,得到粗糙的像素级前后景分割图像,再通过时空条件随机场最优化完成局部平滑处理,得到最终精确的像素级前后景分割图像。同时还提出了一种平衡采样策略和一种基于分割图像指导的样本更新算法,分别用以实现分类器准确的初始化和高效稳定的在线学习。基于真实视频序列的实验表明,相比已有方法,算法在低时间开销下,显著提高了分割的准确性与稳定性。     

基于形态学和蚁群聚类的台风分割方法研究

蚁群算法是具有离散性、并行性、鲁棒性、正反馈性等特点的一种仿生进化算法。根据数字图像的离散性特点,从聚类角度出发,将蚁群聚类算法引入到台风云系分割中,并通过引入初始聚类中心和引导函数来解决传统蚁群聚类算法计算量大,搜索时间过长的问题。在蚁群聚类算法的基础上,针对单纯采用蚁群聚类算法可能会将类似于台风云系的分布不均匀的无关云团分割出来而造成分割精度低的情况,提出了一种蚁群算法融合数学形态学方法的台风云系分割方法。仿真结果表明此方法可以准确的分割出台风云系,是一种有效的图像分割方法。     

基于混沌优化的模糊聚类分析方法

提出了基于混沌优化的模糊聚类方法(COFCM).COFCM将混沌优化策略与传统的模糊C-均值算法(FCM)相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,同时结合梯度算子,使方法能有效收敛到极值点.以六组人工数据集和真实数据集作为实验数据,对聚类目标函数值、聚类有效性函数指标值进行对比实验,其结果表明COFCM能得到比FCM更好的目标函数值,从而有更好的聚类效果.最后将该方法应用于Lena图像进行图像分割,验证了方法的有效性.     

基于音视频特征和文字信息自动分段新闻故事

提出了一种新的基于音视频特征和文字信息自动分段新闻故事的方法。其基本思想是先对新闻视频进行镜头边界检测;其次,通过文字检测算法检测包含有主题字幕文本的帧来获得新闻故事分段的线索;接着用短时能量和短时平均过零率(ZCR)来检测新闻视频中存在的静音片段;最后,综合音视频特征和文字信息实现故事自动分段。在包含135,400帧的实验素材上获得了85.8%的准确率和97.5%的查全率,实验结果证明该方法是十分有效的。     

一种新的数字图像灰度直方图及其应用研究

一般的描述数字图像的直方图不能反映图像中的局部特征和对象属性，本文提出一种新的灰度直方图，其特点是具有描述图像局部特征能力，文章给出了它的定义，并对其中的特别区域及其与图像中字幕的映射关系作了分析，在此基础上，我们进一步研究了这种直方图在字幕检测与定位中的应用，并为此目的提出了一种算法，计算实验结果表明，该算法快速有效。     

融合边缘检测模块的自然地貌语义分割模型研究

针对遥感图像自然地貌边缘的像素点归类问题,提出融合边缘检测模块的多通道融合模型与解码器端模块模型。边缘检测模块以Canny算子为基础进行闭运算及均值滤波处理得到精确化的图像边缘。语义分割网络以DeepLabV3+为基础,分别从编码器及解码器端并联边缘计策模块。实验结果表明,改进后的2种网络相比原DeepLabV3+网络在高分辨率自然地貌图像数据集上均取得更好的分割效果,且解码器端融合网络取得了最高72.60%的交互比(IoU,intersection over union)和86.64%的F1score,可用于面向自然地貌的识别与分割。     

一种结合亮度和粗糙度信息的舌像分割方法

舌像分割是数字化舌诊的第一个关键步骤。为了准确地从图像中分割出舌体,提出了结合亮度信息和粗糙度信息的分割方法。首先使用最大类间方差法在舌图像的亮度范围内自动选取阈值,提取出较亮的舌体部分,然后再利用粗糙度信息进一步剔除非舌体部分,最后使用数学形态学的膨胀、腐蚀和开运算操作等方法进行后续处理,得到最终结果,成功地实现了舌像分割的功能。实验结果表明,该方法具有较好的效果。     

基于小波分解与神经网络的图像分割方法

采用小波变换进行图像分解，得到不同分辨率下的图像表示，进而构造多分辨率图像金字塔。然后讨论了利用小波变换进行消除噪声的方法，较好的去除了图像的噪声。最后，采用Kohonen神经网络进行图像聚类分割，该方法加快了聚类速度，提高了图像的聚类分割准确性。     

基于视频元数据的视频增强方法及应用

提出了一种基于视频元数据的视频增强方法,并将其应用于数字博物馆的虚拟陈展。为实现上述功能,首先提出了一种基于MPEG-7的视频元数据方案,利用视频元数据对视频对象的语义信息、轮廓与色彩等底层形象信息进行描述,并记录为视频元数据脚本。进行视频增强回放时,将上述脚本与视频本身同时发布到展示前台。在展示前台,通过专用播放器对视频元数据进行解析,根据解析内容对视频进行实时增强。上述方法不仅可以实现视频内容与语义信息的集成播放,提高视频的交互性,而且支持基于内容的交互应用。最后,基于上述方法实现了一个用于数字博物馆展品视频交互展示的原型系统。     

基于改进的双快速行进法的图像分割方法

由于回转窑烧结图像境界模糊、噪声严重,传统方法难以有效地分割出烧结图像中的物料区、火焰区、充分燃烧区和黑把子区等关心区域(ROIs)。提出了利用敏感区域改进双快速行进法与利用能量衰减方程除去区域间耦合的图象分割新方法。首先,在快速行进法中引入了敏感区域的概念,定义了新的终止条件,利用改进后的双快速行进法与图像融合方法进行物料区和黑把子区的粗分割;然后,提出了采用能量衰减方程除去烧结物料对火焰区的影响,利用大津方法对火焰区进行粗分割,并通过粗分割的火焰区与黑把子区的差分来进行火焰区的精分割。对回转窑烧结图像的分割试验表明,利用本方法能够有效地从回转窑烧结图像精确地分割出ROIs。     

一种基于区域填充的C-V模型图像分割方法

传统的C-V模型对于包含有多灰度级对象或子对象的图像难以实现准确分割.为解决这一问题,提出了一种基于区域填充的C-V模型图像分割方法,通过对象域或背景域的填充,将主对象转变为背景,从而弱对象或子对象成为主对象,再通过C-V模型实现分割.数值实验表明,该方法能够将弱对象有效分割,而且对于复杂对象的分割较C-V模型更为准确.     

基于可逆序视频的视频纹理合成方法的研究

视频纹理是一种介于图像和视频之间的媒体,它的合成主要是通过不断重复视频片断实现的。如何发掘和表现视频中的可重复片断是合成中的一个关键问题,本文研究了视频中的可逆序现象,并基于这种现象构造一种新的基于渐变的视频纹理合成方法。试验证明对于一些可逆序播放的视频,这种方法能够合成已有合成方法所不能合成的视频纹理。