基于POT法确定风压系数极值的自动阈值选取与参数估计

风压系数极值是确定建筑围护结构设计风荷载的重要变量。实现阈值自动选取和合适的模型参数估计方法是保证超阈值模型极值计算结果精确性的先决条件,也是当前超越阈值模型研究的热点和难点。以CAARC高层建筑刚性模型测压风洞试验数据为基础开展超越阈值模型极值计算方法研究,通过对独立峰值数量和相关性研究独立峰值提取方法的性能;采用蒙特卡罗法研究4种不同的广义Pareto分布参数估计方法的性能,给出最佳参数估计方法选择建议;提出基于形状参数或极值估计结果稳定性的变点-局部比较阈值自动选取新方法。研究结果表明,基于变点理论-形状参数/极值稳定性阈值自动选取方法具有较小的样本依赖性,以及有较好的样本非高斯适用性,由此构建的改进超越阈值模型计算风压系数极值与标准极值的偏差小于5%,且完全实现阈值客观、自动选取,研究结论完善了小样本风压系数极值估计方法,对确定建筑围护结构设计风荷载具有重要意义,且可推广到其他极值估计领域。

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。

二维Otsu自适应阈值选取算法的快速实现

Otsu自适应阈值算法作为图像阈值分割的经典算法,在图像领域得到了广泛的应用,在此基础上发展起来的二维阈值法因为计算时间长而制约了其应用.针对一维Otsu自适应阈值算法计算复杂度高的缺点,通过消除二维自适应阈值算法中的冗余计算,用迭代的方式得到查询表,从而大大提高了二维阈值算法的计算速度.实验结果表明,该算法不仅计算时间远远小于原始二维Otsu算法,并且求得的阈值跟原始的算法一样.

基于遗传算法的图像阈值选取

阈值分割是图像分割中的一种常用的方法,传统的OTSU阈值化方法对信噪比较低的图像分割效果不理想,而二维最大类间方差法充分利用像素与领域的空间相关信息,能够产生较为满意的分割结果,但运算量大大增加,文中采用遗传算法,通过编码、选择、交叉、变异等操作对二维最大类间方差法进行了优化,试验结果表明,遗传算法可以大大提高运算速度,对算法的优化效果十分明显。

珠三角地区前后汛期强对流过程物理量指数对比分析及阈值选取

珠江三角洲(简称珠三角)地区前汛期强对流是由锋面系统引起,后汛期强对流则多由热力系统引起。利用2004—2006年探空资料计算的物理量,选取与强对流天气相关性好的大气温湿类(整层比湿积分IQ)、层结稳定度类(K指数)、动力类(潜在下冲气流指数MDPI)、热力动力综合类(瑞士第一雷暴指数SWISS00)作为指示因子,通过对各指数的分布特征进行对比分析,分别得到珠三角地区前、后汛期的物理量指数的阈值,为进一步做好珠三角地区未来12小时强对流预报服务。

一种Hartmann-Shack波前传感器图像的自适应阈值选取方法

在Hartmann-Shack波前传感器中,图像阈值的选取对质心探测精度有较大的影响。根据 模式识别理论,提出一种适用于Hartmann-Shack波前传感器图像阈值选取的新方法棗基于类别方差的自适应门限方法。实验结果表明,本方法在Hartmann-Shack波前传感器图像信噪比大于3时,能够比较有效地自动选取每帧图像的阈值。

一种可有效分割小目标图像的阈值选取方法

目标检测与识别中常遇到目标与背景大小之比很小的小目标图像分割问题,此时现有的阈值分割方法几乎都失效。为此,提出了一种基于背景与目标的面积差和类内方差的小目标图像分割阈值选取方法。指出了目前图像阈值分割方法不能有效分割小目标图像这一缺陷,给出了基于背景与目标面积差和类内方差的一维直方图、二维直方图区域直分及更为有效的二维直方图区域斜分阈值选取公式,导出了相应二维斜分阈值选取的快速递推算法;最后在实验结果中给出了本文方法的图像阈值分割结果和运行时间,并与Otsu、最大熵及Fisher阈值选取快速方法进行了比较。结果表明:本文方法能准确地分割小目标图像,且运行时间短,抗噪性好。

最大倒数熵/倒数灰度熵多阈值选取

现有的基于Shannon熵的阈值选取方法存在无定义值和零值的缺陷,并且没有考虑目标和背景类内灰度的均匀性。为此,本文针对多目标(背景)图像分割问题,提出了基于最大倒数熵/倒数灰度熵和自适应双粒子群优化(Adaptive Chaotic Variation Particle Swarm Optimization,ACPSO)的多阈值选取方法。首先将最大倒数熵单阈值选取推广到多阈值选取;然后定义了倒数灰度熵,导出了基于最大倒数灰度熵的单阈值和多阈值选取公式;最后给出最大倒数熵/倒数灰度熵多阈值选取的ACPSO算法步骤,实现对多个阈值快速精确地寻优。实验结果表明,与现有的同类方法—基于最大Shannon熵和粒子群优化(Particle Swarms Optimization,PSO)的多阈值选取方法相比,本文提出的方法有明显的优势,已应用于红外弱小目标检测中的阈值分割和卫星云图识别中的数字云图分割,取得了极佳的分割效果。

基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取

提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则，解决了Shannon熵定义中存在的无意义值问题。同时，以二维直方图斜分方式更加准确地划分目标和背景，提高了算法抗噪性能，且使需要选取的阈值个数由两个变为一个，减少了算法运行时间。此外，采用蜂群优化算法加速对最佳阈值的搜索，使速度提升了约80％～140％，进一步提高了算法的实时性。最后，针对火焰图像进行了大量实验，并与二维斜分最大Shannon熵法、基于混沌小生境粒子群优化（NCPS0）的二维斜分最大倒数熵法进行了比较。结果表明，提出的方法在分割效果上优势明显，且抗噪性能更好，是一种实时有效的火焰图像分割方法。

基于小波分析的二值化阈值选取

图像阈值的自动选取是灰度图像二值化处理中的关键。文章提出一种基于多尺度小波分析的阈值选取方法。通过对图像直方图特征点由粗到精的表示 ,在最佳尺度上确定出个数有限的波谷点 (即候选阈值点 ) ,再根据图像阈值的性质定出唯一的阈值点。该方法计算简单 ,适应性强 ,满足了实时性要求高的图像处理与分析系统。

自动阈值选取与边缘检测相结合的图像分割算法

提出了一种自动阈值选取与边缘检测相结合的阈值分割算法 ,试验表明该算法能够避免过分割现象 。

二维指数熵图像阈值选取方法及其快速算法

二维Shannon信息熵法是图像阈值分割中常用的经典算法,但存在着不足。为此,提出了一种二维指数信息熵阈值选取方法,克服了对数熵的不足,将对数改为指数,提高了速度。同时给出了一种二维指数熵阈值选取的快速算法,通过改变二维直方图的区域划分,将二维阈值转换为一维,运行时间不到原算法的1%。实验结果表明,该算法能快速准确地实现图像分割。

车辆荷载作用下桥梁应变极值估计的阈值选取

采用过阈法估计车辆荷载作用下桥梁的应变极值,合理的阈值选取十分关键.阈值选取过大,信息量少,阈值选取过小,广义Pareto分布模型参数估计偏差大.常用的阈值选取方法不能较好地适用于车辆荷载作用下的应变极值估计.基于太平湖大桥车辆荷载作用下1年的应变数据,对拟合结果较好的3种混合分布进行Monte-Carlo(蒙特-卡洛)抽样,对比同一样本基于不同阈值的广义Pareto分布模型的极值估计结果,提出了一种经验式的阈值选取方法.与常用阈值选取方法相比,根据文中方法所得阈值估计的周应变极值分布与实测结果更为接近,估计结果更好.

多阈值选取与边缘连接的边缘检测算法

论文针对Kirsch边缘检测算子的缺点,提出一种多阈值选取与改进的边缘连接算法相结合的方法,对图像,尤其是医学图像进行边缘检测。该方法首先用高斯滤波器对原始图像去噪,使用传统Kirsch算子计算梯度,然后设定低阈值和自适应阈值来保护图像弱边缘和提取真正边缘,最后通过改进的边缘连接算法连接边缘。实验结果表明,论文的方法具有保持弱边缘、连接性好的边缘检测效果。

2维最大类间平均离差阈值选取快速递推算法

阈值分割是广泛使用的最为有效的图像分割方法之一。阈值选取是阈值分割的关键。Otsu提出的基于L2范数的最大类间方差法是备受关注的一种方法,而基于L1范数的最大类间平均离差法则更为简捷,效果很好。2维最大类间平均离差阈值选取方法分割精确、抗噪性能好,其效果优于2维最大类间方差法,但存在计算量大、难以实用等缺点。提出了2维最大类间平均离差阈值选取的两种不同的快速递推算法,都可将计算复杂性由O(L4)减少为O(L2)。给出了2维最大类间平均离差两种快速递推算法的分割结果及运行时间,并与原始算法及原有的快速算法进行了分析和比较。实验结果表明,这两种递推算法都可以大幅度地提高运算速度,运行时间可减少到原始算法的0.1%,使2维最大类间平均离差阈值分割方法更为实用,目前已被应用于红外目标、车牌、指纹等自动识别系统中。

基于混沌粒子群优化的倒数熵阈值选取方法

基于信息熵的方法是一类重要的阈值选取方法,但现有的最大熵方法存在无定义值问题。为此,提出了基于倒数熵的阈值选取方法。首先给出了倒数熵的定义及一维阈值选取方法,导出了基于二维直方图区域直分及区域斜分的倒数熵阈值选取算法公式;然后考虑到二维倒数熵分割运算量较大,提出利用混沌小生境粒子群算法来寻找最优阈值,避免了算法早熟,提高了搜索精度和算法效率。实验结果表明:二维倒数熵阈值选取的斜分方法在抗噪性和运算时间上优于直分方法;而与基于粒子群优化的二维最大熵方法相比,本文提出的基于混沌小生境粒子群优化的二维倒数熵斜分法在运行时间上降低了约40%,分割效果更佳。

蜂群优化的二维非对称Tsallis交叉熵图像阈值选取

交叉熵能够度量图像分割前后的差异,与Shannon交叉熵相比,引入参数q的Tsallis交叉熵则为图像阈值分割提供了灵活性和普适性,而非对称Tsallis交叉熵的表达形式更加简洁。由此,提出了蜂群优化的二维非对称Tsallis交叉熵图像阈值选取方法。首先引出了非对称Tsallis交叉熵,导出了二维非对称Tsallis交叉熵阈值选取公式,并利用递推方式计算阈值选取准则函数涉及的中间变量,建立查找表,消除冗余运算;然后采用蜂群算法搜寻最佳二维阈值。大量实验结果表明,相对二维最大Shannon熵法、二维Shannon交叉熵法、二维Tsallis熵法和二维对称Tsallis交叉熵法等同类方法,所提出方法在主观视觉效果和区域间对比度评价指标上有较大的改善,能够更准确地分割出目标,运行速度也更快。

图像阈值选取方法——Otsu方法的推广

Otsu方法 (即大津方法 )因计算简单、自适应强而成为使用最广泛的图像阈值自动选取方法之一 ,本文在分析该方法的基础上提出了一些推广化方法 ,这些方法具有与大津方法类似的表达式 ,并同样具有较强的自适应性。所有方法均经实际图像验证证明是行之有效的。

灰度熵和混沌粒子群的图像多阈值选取

最大Shannon熵阈值选取方法仅仅依赖于图像灰度直方图的概率信息,而没有直接考虑类内灰度级的均匀性.为此提出了最大灰度熵的阈值选取方法.首先给出了灰度熵的定义及其单阈值选取方法,该灰度熵与现有的仅基于直方图分布的最大Shannon熵不同,直接反映了类内灰度级的均匀性;其次导出了量化图像直方图的灰度熵单阈值选取公式;最后将灰度熵单阈值选取推广到多阈值选取,提出了相应的快速递推算法,并进一步采用混沌小生境粒子群优化算法寻找最佳多阈值.实验结果表明,与最大Shannon熵单阈值选取和基于粒子群的最大Shannon熵多阈值选取方法相比,所提出方法的分割图像边缘、纹理更为准确,视觉效果明显改善.

基于二维灰度熵及混沌粒子群的图像阈值选取

为了同时考虑直方图的概率信息和类内灰度级的均匀性,提出了基于灰度级-梯度二维直方图的Shannon灰度熵及Tsallis灰度熵阈值选取方法.给出了Shannon灰度熵和Tsallis灰度熵的定义及其一维阈值选取方法,导出了二维Shannon灰度熵及Tsallis灰度熵阈值选取公式及其快速递推算法,并利用混沌粒子群算法寻求两种阈值选取方法的最佳阈值.实验结果表明,与基于改进的二维最大熵及粒子群递推的阈值选取方法相比,所提出方法的分割图像能更准确地反映原始图像的边缘、纹理及细节信息.