基于特征项扩展的中文文本分类方法

提出了一种基于特征项扩展的中文文本分类方法.该方法首先对文档的特征词进行分析,然后利用HowNet抽取最能代表主题的特征义原,接着根据这些义原对特征项进行扩展,并赋予扩展的特征项适当权值来说明其描述能力.最后利用扩展的特征项集提取特征进行分类.该文重点研究了如何抽取特征义原,如何给扩展项设定一个合适的权值.实验证明,该文方法能增加有效的特征项的数目,使分类正确率和稳定性均得到提高.

基于云理论的图像自适应滤波新方法

提出一种去除椒盐噪声的自适应云理论滤波算法,该算法采用云的极大判定法则将图像中的像素分类为噪声点和信息点。对检测出的噪声点,利用周围信息点通过自适应云推理进行去除,信息点保持其灰度值不变直接输出。实验结果表明,该算法能有效去除椒盐噪声,保护图像细节,尤其在高强度噪声下,优势突出,较传统中值滤波及其改进算法有更好的滤波性能。

基于云理论的图像分割新方法

针对区域生长算法的种子点初始化和生长准则问题,提出了一种基于云模型和区域生长的图像分割方法.该方法首先利用云变换对图像进行变换生成云模型,然后利用云模型的Ex作为区域生长的种子点,以云的极大判定法则作为区域生长准则进行区域生长,获得最终的分割结果.这种分割方法不但克服了区域生长法种子点和生长准则选取不当而产生过分割和欠分割的不足,而且很大地提高了云模型分割图片的速度,实验结果证明,该方法可以准确地分割出目标,是一种有效的图像分割方法.

一种新的红外与可见光图像像素级融合方法

提出了一种使用指导性滤波进行像素级图像融合的方法。首先对红外图像进行最大值滤波处理以获取其中的高亮信息;然后使用原始红外图像作为指导图像对高亮部分做滤波,处理结果直接叠加在可见光图像上;最后将叠加图像进行伽玛校正以调整对比度,得到最终融合输出。实验结果表明:该算法能够充分利用红外与可见光图像各自的优势,融合效果较好,且计算复杂度低,易于实时处理。

一种空域和变换域相结合的图像增强算法

针对传统图像增强算法只使用空域或变换域处理策略的不足,提出一种空域和变换域相结合的处理方法。首先通过使用高斯/拉普拉斯金字塔分解技术将原始灰度图像细分成不同频带,然后在各个频带上分别使用伽玛校正实现对比度均衡化,最后将均衡化结果再利用高斯/拉普拉斯金字塔重构技术进行恢复,即可达到图像增强的目的。实验结果表明,与传统图像增强算法相比,该算法不但能够提高欠曝光区域的对比度,而且能够对过曝光区域实现有效抑制,达到很好的视觉均衡。