自适应最小误差阈值分割算法

对二维最小误差法进行三维推广,并结合三维直方图重建和降维思想提出了一种鲁棒的最小误差阈值分割算法.但该方法为全局算法,仅适用于分割均匀光照图像.为提高其自适应性,本文采用Waterflow模型对非均匀光照图像进行背景估计,以此获得原始图像与背景图像的差值图像,达到降低非均匀光照对图像分割造成干扰的目的.为进一步提高分割性能,本文对差值图像采用γ矫正进行增强,然后采用鲁棒最小误差法进行全局分割,从而完成目标提取.最后本文对均匀光照下以及非均匀光照下图像进行了实验,并与一维最小误差法、二维最小误差法、三维直方图重建和降维的Otsu阈值分割算法、灰度波动变换自适应阈值方法以及一种改进的FCM方法在错误分割率和运行时间上进行了对比.实验结果表明,相对于以上方法,本算法的分割性能均有明显提升.

最小误差控制方法及其在电力系统中的应用

本文在研究Kosut提出的最小误差激励控制方法的基础上,提出了一个新的次最优控制方法——最小误差法。这个方法克服了原方法不能保证闭环系统稳定性的缺点,且更能体现“误差最小这个目标。将本文方法应用于多机电力系统励磁分散控制中,取得了令人满意的结果。

结合遗传算法的局部最小误差孔穴图像分割法

针对遗传算法和最小误差分割法各自的优缺点,将最小误差分割法与遗传算法进行改进并且相互结合,提出了一种结合遗传算法的局部最小误差孔穴图像分割法。该方法利用局部图像信息确定最佳阈值范围,并根据模拟退火思想对个体适应度进行自适应的调整,从而避免了早熟现象,提高了运算速度。实验结果表明:该方法不但能够准确地分割出孔穴图像,而且运算速度较快,是一种有效的孔穴图像分割方法。

基于Kittler最小误差分割算法的小视场星图分割

小视场星图易受光照不均和噪声影响,常用阈值分割算法存在处理效果不佳或效率较低的不足.针对星图灰度的高斯分布特征,基于贝叶斯最小误差理论,提出利用Kittler最小误差分割算法处理小视场星图.以视频测量机器人为测量平台,以"优度法"、区域一致性、区域对比度和时间复杂度为评价指标,对比了常用的阈值分割算法和一维最大熵法,验证了Kittler算法在确保星图良好分割的同时,星图处理效率可以提高70%左右.基于半仿真星图和真实星图的室内试验表明,Kittler算法可以准确提取星点质心坐标,水平和垂直方向均方根误差分别为0.025像素和0.019像素;采用该算法的野外天文定位实测表明,经纬度内符合平均精度分别优于0.015 s和0.22″,外符合精度分别优于0.025 s和0.35″,可以满足一等天文测量的精度要求.

最小误差阈值分割法的改进算法

最小误差阈值分割法在图像分割中有广泛的应用。本文对二维最小误差阈值法及其快速算法(在这里称为原算法)进行了改进,对原最小误差阈值法的阈值求取公式进行了变形,并采用查表的方法,将二维阈值的求取转化为两个一维阈值的求取,简化了计算,将算法的时间复杂性由O(L2)降到O(L)。本文的实验结果表明该分解算法可以在保证原算法良好抗噪性的前提下,计算阈值所需要的时间更短,利用的空间更小,且该方法可以得到与原算法相同的分割阈值。

灰度图像最小误差阈值分割法的二维推广

一维最小误差阈值法假设了目标和背景的灰度分布服从混合正态分布.考虑到噪声等因素对图像质量的影响,本文在二维灰度直方图上,基于二维混合正态分布假设,给出一维最小误差阈值法的二维推广表达式,为了提高算法的运行速度,也给出了快速递推算法.实验表明,二维最小误差阈值法是一个有效的图像分割算法,能够更好地适应目标和背景方差相差较大的图像及噪声图像的分割问题.

一种改进的二维最小误差阈值分割方法

二维最小误差(TME)阈值法是一种有效的图像分割方法,但该方法计算复杂度高,难以实时处理,且该算法受噪声影响较大。针对此问题,提出了一种改进的TME阈值分割方法。首先,将传统的3×3模板分成互补的两个模板:十字模板和4-角域模板,并用这两个模板分别对原图像进行中值滤波得到两幅图像;然后,用两幅图像创建二维直方图并对其进行分割,以获得更好的分割性能;最后,对TME阈值选取公式进行简化得到最简公式,并利用此最简公式和其在二维直方图上的计算特性构建新型的快速算法,以便降低计算复杂度。仿真实验结果表明,与当前TME阈值分割方法相比,所提方法不仅分割效果更好、稳定性更强,而且运行速度更快,占用的存储空间更少。

二维直线型最小误差阈值分割法

一维最小误差阈值法假设了目标和背景的灰度分布服从混合正态分布。考虑到噪声等因素对图像质量的影响,该文在二维灰度直方图上,基于二维混合正态分布假设,给出二维直线型最小误差阈值法的表达式。为了提高算法的运行速度,也给出了快速递推算法。实验表明,二维直线型最小误差阈值法是一个有效的图像分割算法,能够更好地适应目标和背景方差相差较大的含噪图像分割问题。

三维最小误差阈值法及其快速递推算法

针对现有算法无法有效解决混合噪声图像的阈值分割的问题,该文提出3维最小误差阈值法。该方法充分考虑图像像元点的灰度分布信息及像元点之间的灰度相关信息,结合图像灰度、均值和中值信息,构造出3维观测空间。然后基于相对熵定义出3维最佳阈值判别式。为了提高该算法的处理速度,给出相应的快速递推算法,其时间复杂度为O(L3)。实验结果表明,在不同噪声环境及非均匀光照条件下,尤其对混合噪声图像,与现有方法相比,文中算法均取得了更好的分割效果。

钢筋混凝土板弯曲问题的各向同性化最小平方误差法

利用合适的坐标变换将钢筋混凝土板的弯曲问题变换为各向同性板弯曲问题。由弹性薄板的虚功原理及最小平方误差法计算各向同性板弯曲变形,得到原正交各向异性薄板的挠度方程。算例表明,在近似函数选取合理的情况下,该方法简单,计算时间短,具有较高的精确度。

线性系统参数估计的最大误差最小方法

提出了一种新的系统参数估计方法—最大误差最小方法,理论证明在线性系统采样矩阵呈病态时,该方法明显优于基于最小二乘的相关辨识方法。仿真结果表明该方法可有效地应用于线性系统的参数估计。

基于平均中值离差的2维最小误差阈值分割法

为了解决2维最小误差阈值分割法对呈偏斜分布与重尾分布的图像分割鲁棒性较差的问题,提出一种基于平均中值离差的2维最小误差阈值分割法。考虑到1维直方图呈偏斜分布和重尾分布的图像中,中值是比均值更为鲁棒的灰度级估计量,因而将2维最小误差阈值分割法中的方差用平均中值离差替代;为提高运算速度,将2维算法分解为2个1维算法。结果表明,相比2维Otsu法、2维最小误差阈值分割法等经典算法,基于平均中值离差的2维最小误差阈值分割法对1维直方图呈偏斜分布与重尾分布的图像有更准确的分割效果、更好的鲁棒性。

基于海鸥算法的圆柱度误差评定方法

圆柱体零件的几何精度直接影响到机械设备的总体性能,而圆柱度误差是圆柱体零件的几何误差之一,对圆柱度误差进行精确测量和评估十分重要。针对最小区域圆柱度误差评定能否达到全局最优的问题,提出了一种基于新型元启发式海鸥算法(SOA)的圆柱度误差评定方法。首先,对圆柱体轮廓要素的提取进行了阐述,并建立了基于最小区域法的圆柱度误差评定模型;然后,介绍了海鸥优化算法中海鸥的位置更新原理、算法的优化准则和算法流程;最后,用Talyrond 585LT圆柱度仪提取了6个圆柱零件的轮廓数据,并进行了评定,通过对比不同种群数的优化结果,找到了最佳种群数,同时将其所得结果与采用遗传算法(GA)所得结果进行了对比。研究结果表明:种群数的选择对海鸥算法的优化结果影响较大,在种群数为30时能达到最优解,其精度比遗传算法高,其运行时间随着种群数的增加而增加。海鸥算法优化过程稳定,在评定最小区域圆柱度误差(MZC)方面有较好的适应性。

FMT系统中基于最小均方误差法的滤波器组优化设计

基于滤波多音频(FMT)技术的系统结构,给出了系统中滤波器组的设计,针对系统的某些特定要求对滤波器组的设计方法进行了优化,并对无线信道中优化前后的系统性能进行了仿真实验比较。结果表明,滤波器组的优化设计改善了系统的性能。

水下爆炸爆源定位方法与误差分析

提出了一种采用最小误差逼近法对水下爆源进行定位计算的方法。通过验证性实验表明,在有效传感器观测数据不小于4个的情况下,该方法完全可以满足现场测量的要求;该方法在个别测量数据准确性较差的情况下,仍能得出较好的计算结果。最后分析了测点数据准确性、测点布置紊乱度、模型参数的准确性和测点数量对计算误差的影响,提出了定位计算实验所需要注意的问题。

基于遗传优化的阈值选取方法

图像分割的关键性技术是阈值选取。在图像阈值选取中,最小误差法受目标大小和噪声影响小,对小目标仍具有好的分割效果,但运算量较大。本文利用遗传算法优化最小误差法获得最佳阈值。算法简单、快速、稳定性强,而且减少直接引用最小误差法的运算量,提高其性能。实验结果表明可减少50％左右的运算量。

基于开放式遗传算法的图像阈值选取

引入了开放式遗传算法的理论,使种群在一个开放的环境中进化,增加了种群的多样性。同时对交叉、变异操作进行了改进,避免了进化过程中种群的退化现象,从而有效克服了遗传算法的早熟问题又提高了遗传算法的收敛性能。文章以最小误差法为例,对比了本文算法和简单遗传算法在阈值处理中的性能,并用实验证明了本文算法的可行性。

量子粒子群算法在图像分割中的应用

引入了一种广泛而实用的方法——基于量子行为的粒子群算法的理论应用于图像分割领域。QPSO算法不仅参数个数少,随机性强,并且能覆盖所有解空间,保证算法的全局收敛性。文章中把图像分割问题看成一个最优化问题,以最小误差法为例,对比了所提算法和标准粒子群算法在阈值处理中的性能,并用实验证明了所提算法的可行性。

分段线性变换增强的自适应方法

在对分段灰度变换方法进行分析的基础上,采用最小误差法实现了区间边界点的自适应计算,对不同灰度区间采用拉伸﹑保持和抑制等不同的处理,并对目标区间的拉伸系数进行了讨论。实验结果表明,算法简单,图像视觉效果得到较大改善。

自适应阈值Prewitt的石榴病斑检测算法

针对传统识别方法对石榴外表病斑及石榴轮廓检测精准度不高、抗噪声能力不强以及存在伪边缘等问题。该文提出一种基于自适应阈值Prewitt算子的石榴病斑检测算法。采用双边滤波减少噪声干扰;通过高频强调滤波提高图像高频分量,增强局部细节;根据高斯噪声概率分布设置算子卷积掩膜元素权重,利用对称性将方向梯度两两组合,并计算其L2范数作为该像素点的梯度。对人工拍摄的607张石榴图像进行图像增强和边缘检测试验,加入椒盐噪声和高斯噪声进行抗噪性能测试。试验结果表明,该文算法对石榴病斑的识别正确率为98.24%,获得图像的峰值信噪比为43.72 dB,单张图像识别耗时为0.174 s。该研究具有较好的病害样本与非病害样本区分能力,可为田间环境下石榴病害预防提供参考。