RBF-DDA 神经网络用于手写体汉字识别的研究

使用了一种新的神经网络模型———动态衰减调节径向基函数（ＲＢＦＤＤＡ），并结合一种新的特征提取方法来进行手写体汉字识别的研究，通过对１００种汉字、１５０００个样本的初步实验，取得了识别率为９９％的良好结果，表明将ＲＢＦＤＤＡ引入到手写体汉字识别的研究是比较成功和可行的。     

基于动态规划的IVUS图像序列分割

血管内超声(IVUS)诊断是临床上对冠状动脉粥样硬化的重要检测手段之一.由于超声图像感兴趣区域受斑点噪声影响较大,传统的分割方法很难得到令人满意的内外膜分割效果.首先对IVUS帧序列图像进行了时域降噪和空间滤波等预处理,然后基于优化的活动轮廓模型将图像的分割转化为目标函数的最优化求解问题,利用动态规划算法求得全局最优值.实验结果表明,该算法不仅准确性和可靠性较高,而且是一种全局收敛的最优算法,对IVUS序列图像处理的可重复性和鲁棒性较好.     

属性论方法在图像分割中的应用研究

提出一种基于属性论的图像分割方法,首先将彩色图像转换到HSI颜色空间,然后根据定性映射原理建立HSI颜色空间的智能融合模型,通过像素点间的不同颜色分量的特征匹配实现对图像的分割,最后用MATLAB进行仿真实验,实验结果表明,所提出的定性映射颜色分割算法快速、有效、可靠.     

数据仓库中视图选择算法的分析与比较

数据仓库中的视图选择关系到数据仓库的效率和维护代价，是数据仓库中研究的重要问题。本就已有的视图选择算法加以分析、比较，以此描述视图选择算法的研究现状和发展方向。     

改进遗传算法求解三维集装箱装载问题

集装箱配载是一个复杂的组合优化问题,约束条件多,属于NP完全问题,求解难度大。本文在考虑一些实际应用中的约束条件下,提出了一种三维集装箱装载的改进遗传算法。算法中考虑了货物放置方向、装载容积等约束条件,给出了有效的解码算法。实例仿真结果说明了该算法的有效性和实用性,可以直接在实际中应用。     

一种灰度图象的自适应分割算法

利用遗传算法的高效搜索性能和模糊集合理论能较好地描述问题的模糊性和随机性，提出了基于遗传算法的最大模糊熵快速分割算法，将遗传算法和模糊集合理论结合起来应用于灰度图象单闽值和多阈值分割．实验结果证明该方法有效地实现了快速分割，并具有较好的鲁棒性．     

多梯度流域变换算法与传统算法比较

流域变换是图像分割的有力工具，流域分割方法的性能主要依赖于图像梯度。文中利用传统单尺度梯度算子流域分割算法和多尺度形态梯度流域变换算法，分别作用于计算机视觉细胞图像和水果图像，结果显示传统分割算法和多尺度算子流域分割算法在不同的图像中显示出各自的优越性，第一种算法更适合于交叠区域不是很多，但质地不必十分均匀的图像；第二种则更适合于交叠区域较多，质地较均匀的图像。     

铸铁平板像素检测法中的图像均匀化方法

在铸铁平板像素检测法中，针对图像的不均匀特点，建立了铸铁平板图像的数学模型，并在此基础上提出了以二维插值为基础的铸铁平板图像均匀化方法．结果表明，该方法的均匀化效果良好，均匀化后的平板图像可直接用Otsu方法对其讲行分割．分割效果满足应用要求．     

基于相似性概率约束的立体视觉稠密匹配算法

本文提出一种面向非结构化环境的快速立体视觉稠密匹配算法,能有效解决弱纹理、岩石局部遮挡条件下的精确立体视觉稠密匹配问题。该算法利用外极线约束缩小搜索区域的候选匹配点,有效解决遮挡和深度不连续的影响,利用Mean-Shift算法构建一个自适应阈值函数来分割图像,再对稠密视差图进行初值优化,提高了高相似度与弱纹理区域内的视差估计精度。利用本算法对实际环境图像和标准测试图像进行处理,实验结果表明对环境中的遮挡和弱纹理问题具有良好的鲁棒性,在室内外环境下均能够获取高质量稠密视差图。     

基于多尺度空间PCNN模型的图像分割算法

运动车辆图像中车牌具有所占比例小、位置不固定和大小不一的特点,因此,对车辆图像分割时车牌区域容易产生过分割与欠分割问题.脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)被誉为"第三代神经网络"并广泛应用于图像分割.在利用PCNN模拟人类视觉的图像分割过程中,由于传统PCNN模型中的连接矩阵使用固定值表示,使得PCNN模型不能满足图像分割时尺度变化的需求.为了解决这个问题,本文提出了基于多尺度空间PCNN模型的车辆图像分割算法,将尺度空间引入PCNN模型,使PCNN模型具有了尺度特性,提高了系统自适应分割车牌图像的能力.