基于PSO的Live Wire交互式图像分割算法

传统Live Wire算法易受伪轮廓干扰,并且算法执行速度较慢.针对这些问题,提出一种基于PSO的Live Wire交互式图像分割算法.算法首先构造新的代价函数,引入相邻节点间梯度幅值变化函数来减轻伪轮廓的干扰,提高了算法的分割精度;其次,为了提高算法的执行效率,应用粒子群算法求取图像中任意两点间最短路径来定位目标边界...     

一种改进的粒子群优化算法

提出一种改进的粒子群算法(EDAPSO).这种改进算法结合分布估计算法的探索能力和粒子群算法的开发能力.首先利用EDAPSO算法解决无约束的问题,并且比较EDAPSO算法与其他三种经典的粒子群算法的结果.无约束问题的实验结果表明:EDAPSO算法可以找到更好的解,并且稳定性更高.然后EDAPSO算法被用来解决含有13个单元的电力系统的负荷经济分配问题.实验结果表明:EDAPSO算法所获得的解比近期文献所报道的解好.     

区间上的二次函数、二次方程和二次不等式

本文着重讨论在指定区间内二次函数的最值问题,二次方程根的分布问题,二次不等式的判解问题的一些结论及其应用.     

基于超模糊集的多属性图像阈值分割算法

传统的分割方法往往是根据图像单一的属性标准对图像进行分割,很难满足图像的多方面分割要求。由于许多外界干扰因素的存在,使得基于经典模糊集方法进行的分割,结果也常常不令人满意。针对这些问题,介绍了一种基于超模糊集合理论的多属性图像阈值分割方法（F2ES）,在超模糊集的基础上,结合模糊熵和模糊相似性两种截然不同的属性刻画待分割图像,构造综合评价函数,得到最佳阈值。针对多幅不同类型图片进行分割仿真实验,得到较好的结果,证明该算法是切实可行的。     

求解航天器最优交会问题的改进和声搜索算法

针对航天器最优交会问题,基于C-W模型建立一种燃料时间混合指标,并提出一种改进和声搜索(AHS)算法进行求解.在AHS算法中,提出一种全局均匀学习操作,利用了当前全局最优和声的指导作用,取代了原始和声搜索算法的基音调整操作,增强全局搜索和局部搜索的平衡,并对参数PAR进行了有效的动态调整,以更好适应算法的搜索进程.利用几个最优交会实例对AHS算法的有效性进行了测试,数值结果表明AHS算法能够取得满意的结果,并且优于其他算法.     

基于多描述编码和小波变换的数字图像水印算法

为保证数字图像水印的鲁棒性、安全性以及嵌入容量,结合加密技术与图像压缩编码技术,提出了一种基于多描述编码和小波变换的加密数字水印技术.该技术采用密钥1对需要隐藏的水印图像进行多描述编码,并将编码转换为格雷码,然后将宿主图像色彩分量变换为差值图像,最后在频域内采用密钥2进行小波变换,以交互块跳频的方式完成水印信息的嵌入.理论分析和仿真实验均表明,这种数字水印技术有较大的嵌入容量,同时对常见的图像处理操作具有较强的鲁棒性,能够提高水印的安全性及抗剪裁攻击性能.     

改进差分进化算法在系统可靠性问题中的应用

分析了经典差分进化算法的寻优特点,提出一种扩展变量维数的自适应差分进化算法.该算法将变异率作为解向量的一维分量,随其他分量一起参与算法进化的全过程,使算法参数更好地适应算法进化各阶段的要求,提高了算法性能.将改进后的算法应用到系统可靠性问题中,针对3种典型的可靠性问题进行了仿真实验.结果表明,所提出的算法与其他算法相比具有很好的寻优效果.     

基于视觉感知的模糊C均值聚类算法

针对传统模糊C均值聚类算法对结构复杂图像分割效果不理想的问题,提出一种基于视觉感知的模糊C均值聚类算法.首先,在分析视皮层神经元感受野性质的基础上,建立视神经元细胞响应函数来计算图像的结构特征.其次,定义一种斜坡函数从仿生学的角度来模拟人眼对相对亮度变化的感知,用来计算图像中像素点与聚类中心点之间的差异.所提模型充分考虑了邻域刺激对中心神经元影响的方向性、位置相对性和周期性,比较精确地描述了图像的结构信息,有效地抑制了噪声和复杂纹理的干扰.实验结果表明,本文算法克服了传统模糊C均值聚类算法的缺点,实现了具有复杂背景图像的精确分割.     

足趾形状特征的自动提取算法

根据足趾二值图像形状特点,提出基于数学形态学消散度技术的足趾形状特征自动提取算法。该法提取的物体形心,受较少边界凹点影响,对噪声不敏感,比几何中心稳定。寻找边界上距形心距离稳定并能区分不同形状的特征点及相互关系,生成特征向量。该特征向量,在二维连续空间中,具有平移、旋转、尺度不变的特征;在二维离散应用环境中,大量实验证明,由平移、旋转、尺度变化所造成的误差较小,具有较强的稳定性。该法是一种简便、易行的足趾形状特征自动提取算法。     

结合离散熵和自组织神经网络(SOM)的边缘检测方法

提出了一种结合图像离散熵和自组织神经网络的边缘检测方法.首先,用离散熵选定阈值来分割图像的平滑区域和灰度变化剧烈的区域,用来减少计算量;其次将灰度图像转化为理想二值像素模式;定义了6个边缘类型和6个原型向量.将这些边缘向量作为神经网络的输入,通过SOM对其进行边缘分类从而获得边缘图像.最后将斑点边缘从边缘图像中去除即得到理想的边缘图像.实验结果表明,与其他的边缘检测方法相比获得了较为理想的边缘.