基于两段多组件图割的非监督彩色图像分割算法

提出基于两段多组件图割的彩色图像分割算法,以解决因标签过多和噪声导致的过分割和图割算法低效等问题.多组件图割算法分割图像时,把标签相同的区域处理为该标签的多个组件,结合两层高斯金字塔形成两段多组件图割,以减少分割错误和标签数量,提高分割的性能.算法首先提取基于多尺度四元数Gabor滤波的texton纹理特征,并自适应融合颜色特征;然后使用两段多组件图割获取图像的优化分割,其中,为了引导图割优化的方向,在平滑项中引入彩色梯度信息;最后去除分割结果中的弱边界,获得最终的分割结果.实验结果表明,相对于比较算法,新算法的分割性能有明显提升.

基于粒子群优化的仓虫分类识别技术研究

在对仓虫分类识别过程中,为了改善因采用BP神经网络产生的由于训练时间长和易于陷入局部极小点,而导致效率和分类的准确性较低的情况,对粒子群优化算法进行了研究,并把这种算法运用到神经网络学习训练中。实验表明,将基于粒子群优化的神经网络算法应用到仓虫分类中,从训练时间、识别率上得到了较大的改善,而且算法易于实现,且能更快地收敛于全局最优解。

一种通用数据导出导入工具的研究与实现

为了提高管理信息系统功能的灵活性和通用性,解决系统因更换数据库产品或数据库结构发生变化而造成的数据操作不便问题,本文介绍了一种通用数据导出导入工具的设计与实现方法,利用组件技术封装数据库接口、数据转换功能和内存数据创建功能,使得在表结构变化时或在不同数据库之间转化时数据交换变得易操作,提高了管理信息系统的灵活性和通用性。

程序设计课程教学渗透计算思维的改革探索

针对目前大学计算机通识平台课程教学中"狭义工具论"的传统思想限制学生思维能力发展的现状,研究者分析了计算思维应用在程序设计课程教学中的难点,并结合翻转课堂,从教学大纲修订、课程资源建设和教学活动方案实施等方面探索一条新路。这条新路将计算思维能力培养作为教学改革的核心目标,它的推行与发展对学生有重要的意义。

基于自适应区域限制FCM的图像分割方法

提出一种基于自适应区域限制FCM(Fuzzy C-Means)的彩色图像分割方法,结合隐马尔科夫模型,把超像素具有区域一致性作为先验知识自适应融入到聚类过程中,以提升聚类性能.算法首先生成图像的超像素,计算像素对该超像素的贡献度,以此计算该超像素的区域隶属度函数;然后根据像素所属超像素是否具有主标签,选择像素级隶属度函数或区域级隶属度函数计算该像素的点对先验概率,以加强分割结果的区域一致性;其中,使用区域隶属度函数将引导聚类优化的方向,因此在迭代过程中去除未被使用的标签;最后迭代终止获得图像的分割结果.实验结果表明,相对于比较算法,本文算法的分割性能有显著提升.

基于区域限制的EM和图割的非监督彩色图像分割方法

提出一种基于区域限制的EM(Expectation Maximization)和图割的非监督彩色图像分割方法,以解决自动确定分割类数问题.首先,生成图像的超像素,提取图像的CIE Lab颜色特征和多尺度四元数Gabor滤波特征;为了高效自动地确定分割类数,同时避免因直接使用超像素造成的奇异值问题,对每一个超像素采样并使用采样像素表示超像素;然后采用高斯混合模型对采样像素集合进行建模,使用加入区域限制的分量EM自动获取模型组件数及参数,最后使用图割结合高斯混合模型对图像进行优化,获取最终分割结果.实验结果表明,该方法在分割效率和分割质量上均得到较大提升.

基于Canny算子的大米边缘检测

阐述了常用边缘检测算子进行边缘检测的方法,详细介绍了Canny算子的边缘检测步骤,并将其应用于大米图像的边缘检测中.实验结果表明,Canny算子提取的边缘线型连接程度较好,可应用于从群体米样提取大米边缘.

“大众创业万众创新”背景下的程序设计课程教学改革探究

针对目前大学生创新创业存在受众面较窄、针对性不强及动手能力弱等问题,分析了程序设计课程教学对大学生创新创业的支撑,在"大众创业万众创新"时期下,提出面向创新创业的程序设计课程教学改革思路,从教学方式、实践环节、计算思维、自主学习及兴趣培养等方面提升学生动手能力和创新创业能力。

计算机基础课程的教学方法与教学质量探讨

大学计算机基础教育是当今大学本、专科教育体系中很重要的一部分。计算机基础教学的成功与否,不但会影响学生学习后续课程的兴趣和自信心,也会对学生的计算机应用能力和就业产生影响。

一种基础矩阵的线性估计方法

对已知匹配点集的两幅未定标图像，对极几何（Epipolar Geometry）约束是可以从匹配点集中获得的关于相机的唯一信息。

组合式软件接口技术的研究与应用

探讨Visual C++、Visual FoxPro和AUTOLISP之间接口技术,并给出在参数化机械设计中的应用实例。该技术能够充分利用可视化计算机语言的特点,高效地开发功能复杂的应用软件。

利用改进图割的彩色图像分割算法

针对基于多标签图割的分割算法因标签过多造成计算量大的问题,提出一种基于多组件图割的彩色图像分割算法。首先根据彩色梯度信息融合所提取的四元数cut-off窗口特征和CIE Lab颜色特征进行特征提取;然后使用多组件图割算法结合最大似然(ML)估计自动分割图像,在迭代过程中,每一个分割内不相邻的区域将作为该分割的多个组件以减少标签数;最后去除一些弱边界得到分割结果。理论和实验结果表明,新算法不仅具有收敛性,而且分割性能优于原始算法。