基于梯度方向图像局部增强的车牌定位算法

车牌识别是智能交通系统中的关键技术,而车牌定位是识别的先决工作,本文在定位过程中提出了根据梯度的变化方向,对图像的目标部分增强明暗的对比,克服了图像目标局部灰度变化差异性而引起的二值图像中字符笔划缺失或粘连问题,为车牌定位和字识别提供更为可靠二值图像.

云计算环境下基于改进粒子群的任务调度算法

现有云计算任务调度算法为追求最短完成时间不能很好地兼顾成本。为此,提出一种基于改进粒子群的任务调度算法。采用间接编码方式对每个子任务占用的资源进行编码,给出解码方式,定义考虑时间和成本的适应度函数,确立粒子位置和速度的更新方法。实验结果表明,在相同的条件设置下,该算法的总任务完成时间和总任务完成成本小于传统粒子群优化算法。

基于Shearlet变换和多尺度Retinex的遥感图像增强算法

传统的小波变换、曲波变换和轮廓波变换无法对图像提供最优的稀疏表示,不能取得好的增强效果,为此,提出了一种基于剪切波(Shearlet)变换的图像增强算法。经Shearlet变换,图像被分解成低频分量和高频分量。首先,对Shearlet变换分解后的低频分量进行多尺度Retinex(MSR)调整,以减轻光照条件对图像的影响;其次,对各尺度、各方向上的高频系数采用阈值抑噪来消除噪声;最后,对重构图像进行模糊对比度增强,提高图像的整体对比度。实验结果表明该算法能够明显改善图像的视觉效果,突出图像的纹理细节且具有良好的抗噪性能。与直方图均衡(HE)、MSR、基于非下采样轮廓波变换(NSCT)的图像模糊增强(NSCT_fuzzy)算法相比,图像清晰度、信息熵、峰值信噪比(PSNR)均有一定的提高,且运行时间缩短为MSR的1/2和NSCT_fuzzy的1/10左右。

基于形状自适应PCA的三维块匹配图像去噪

三维块匹配法中3-D变换真实信号的稀疏表达能力较弱,针对该问题,提出一种关于图像去噪的三维块匹配(BM3D)改进算法。采用形状自适应的图像块(邻域)代替BM3D算法中的平方窗图像块,对3-D变换处理的形状自适应图像块进行PCA变换。实验结果证明,该算法能够有效去除图像的高斯噪声,提高图像的峰值性噪比和结构相似度,且在保持图像的边缘等细节信息方面性能较好,图像视觉效果有明显改善。

基于NSCT阈值萎缩法的遥感图像去噪

针对图像去噪过程中产生的伪吉布斯现象以及峰值信噪比(PSNR)较低等问题,提出一种基于非下采样Contourlet变换(NSCT)阈值萎缩法的遥感图像去噪算法。根据NeighShrink去噪算法中尺度内系数的邻域系数相关性,以及BiShink去噪算法中不同尺度间系数的相关性,对图像进行去噪,利用NSCT的平移不变性,抑制小波去噪中的伪吉布斯现象。实验结果证明,采用该算法去噪后的图像PSNR较高,视觉效果较优。

基于NSCT的遥感图像模糊增强算法

针对传统小波变换增强方法无法调整图像亮度的问题,提出一种基于非下采样Contourlet变换(NSCT)的遥感图像模糊增强算法。对遥感图像进行NSCT变换,得到图像的高通子带和低通子带,在高通子带设置阈值,对大于阈值的高通子带系数进行线性增强,小于阈值的系数置为0,对低通子带进行模糊对比增强。实验结果表明,该算法能获得较好的图像平均值和熵值,视觉效果较优。

基于k均值和量子遗传算法的RBF网络优化

针对遗传算法容易出现早熟的问题,提出一种基于k均值和量子遗传算法的径向基函数(RBF)神经网络组合优化方法。通过k均值聚类求取网络的中心,用量子遗传算法训练网络的权值,利用量子染色体的表示方式以及量子染色体的更新提高算法的并行性,从而解决遗传算法早熟的问题,提高网络的适应度。相对于PSO-RBF和ACO-RBF,该方法提高网络的收敛速度,实现对RBF网络的优化。

贝叶斯决策树在客户流失预测中的应用

针对电信企业客户流失问题,提出采用贝叶斯决策树算法的预测模型,将贝叶斯分类的先验信息方法与决策树分类的信息熵增益方法相结合,应用到电信行业客户流失分析中,分别将移动公司的客户数据以及UCI数据纳入到模型中得出相应的结果。加入贝叶斯节点弥补决策树不能处理缺失值以及二义性数据的缺点。检验结果表明,基于贝叶斯推理的决策树算法在牺牲了较小的训练时间与分类时间的情况下,得到了比仅基于决策树算法更高的覆盖率与命中率。

基于改进K-means聚类算法的室内WLAN定位研究

位置指纹法定位中所建立的位置指纹库能否正确反映指纹信号与位置之间的映射关系将影响最终定位效果。本文将一种改进的K-means聚类算法运用于WLAN室内指纹数据库的建立,较之传统K-means聚类算法所建立的指纹数据库,采用了改进K-means聚类算法所建立起来的指纹数据库优化了初始聚类中心选择方法及准则函数,避免了被聚类的指纹数据陷入局部解现象。实验结果表明:本文所提算法建立的指纹数据库可提高WLAN室内定位精度,缩短定位时间。

基于NSCT与模糊对比度的图像增强算法

针对图像在增强的过程中容易放大噪声,造成图像的失真和细节不明显等问题,结合NSCT(non-subsampled contourlet transform)和模糊集理论,提出一种改进算法。利用NSCT的平移不变性和多分辨率分析特点对图像进行非下采样Contourlet变换,对低频系数采用线性增强,用改进的自适应阈值函数来处理高频系数,利用改进的模糊对比度来增强图像的边缘和纹理,使用伽马校正对增强后的图像进行校正,提高全局对比度。实验结果表明,该算法能够明显改善图像的视觉效果,增强图像的细节信息。

基于相似度和信任度的关联规则微博好友推荐

针对关联规则个性化好友推荐中规则挖掘效率及推荐有效性不高的问题,首先提出基于散列及位图的改进关联规则算法BHA。该算法通过引入散列技术,减少了频繁2项集挖掘所需的时间;利用位图及相关性质,压缩无关候选项,减少了数据集所需的遍历次数。另外,在BHA的基础上,提出基于相似度及信任度的推荐算法STA,利用出、入相似度定义信任度,有效解决了新浪微博未提供显示信任关系的问题,同时弥补了相似度推荐未考虑用户间远近层次关系的缺陷。采集新浪微博用户数据进行实验,在关联规则挖掘效率的对比上,BHA挖掘所需的平均时间仅为改进Aprioiri Tid算法的47%;在好友推荐的有效性上,推荐算法STA较SNFRBOAR算法在准确率及召回率上分别提升了15.2%和9.8%。实验结果表明,STA能够有效降低规则挖掘所需的平均时间,并使实际好友推荐的有效性得到提升。

改进人工蜂群算法在信道分配上的应用

移动通信网络中频率资源是有限的,为了提高无线资源的利用率,将改进的人工蜂群算法用于解决无线信道分配问题。提出的算法用逐步减小邻域搜索范围的动态步长来均衡局部与全局搜索能力;对单个体引入选择性变异技术,增加了种群的多样性,加快了算法的收敛速度。仿真结果表明,改进后的算法能较好地解决无线信道分配问题,提高了算法的收敛率和收敛速度。

一种新的图像去噪混合滤波方法

为了去除图像中混入的脉冲噪声和高斯噪声,提出了一种基于自适应中值滤波和模糊加权均值滤波的混合滤波方法。该方法首先进行噪声检测把受高斯型噪声污染的像素和受脉冲型噪声污染的像素区别开来,然后对受高斯噪声污染的像素采用模糊加权均值滤波算法,而对受脉冲噪声污染的像素则采用改进的中值滤波算法进行去噪。仿真结果证明,该方法更具有实用性和有效性。

粒子群与K均值混合聚类的棉花图像分割算法

棉花分割是采棉机器人视觉系统的关键步骤,在强光照、阴影等复杂的棉田环境下准确有效地分割棉花,有助于确定其在三维空间的位置。针对棉花图片的特点,提出在YCbCr颜色空间下,采用粒子群(PSO)和K均值混合聚类算法,提高了聚类算法的全局搜索能力,根据群体适应度方差来确定K均值聚类算法操作时机,增强算法局部精确搜索能力的同时缩短了收敛时间。通过对棉田环境中拍摄图像的分割实验表明:本方法对在阳光直射及阴影等干扰条件下的棉花图片也能准确分割,效果优于传统PSO和K均值算法。

基于NSCT域的自适应阈值遥感图像去噪方法

提出一种新的基于非下采样Contourlet变换(NSCT)的图像自适应阈值去噪方法。根据NSCT系数所在领域区域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,通过本文提出的方法能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息。与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪算法比较,该算法不仅提高了图像的峰值信噪比,而且图像视觉效果也明显改善。

基于NSCT和FCM聚类的SAR图像无监督变化检测

提出了一种基于非下采样Contourlet(NSCT)和模糊C-mean聚类(FCM)的SAR图像无监督变化检测算法。首先利用基于NSCT的SAR图像去噪算法分别对两时相SAR图像进行高频系数去噪,然后利用去噪后的高频系数和低频系数构造差异图像,有效地去除了噪声对变化检测结果的影响,最后基于FCM算法实现了图像变化区域和非变化区域的分类。该算法不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强。将本文算法与NSCTKFCM和UDWTKMEAN进行比较,实验证明,本文算法不仅能够很好地保留变化区域的细节和准确检测变化区域的边沿,而且对噪声有更好的鲁棒性。

一种新的基于NSCT域的遥感图像增强算法

针对图像增强处理中产生的伪Gibbs现象、清晰度差等问题,利用下采样轮廓波变换(NSCT)的平移不变性特点,来抑制伪Gibbs现象,同时把模糊对比度和空间频率相结合来处理NSCT系数,提高了增强后图像的清晰度。实验结果证实,该算法使得增强后图像的质量明显优于常用的增强算法,具有一定实践价值。

遥感图像变化检测算法研究

提出了一种基于非下采样Contourlet变换和脉冲耦合神经网络的无监督的不同时相的卫星影像的变化检测新算法。该算法将非下采样Contourlet变换和脉冲耦合神经网络这两种方法结合,将它应用于不同时相的卫星影像的变化检测。实验结果表明,与传统方法相比,对于高斯和斑点噪声,该算法具有更高的抗噪性能和检测精确度。

一种改进的高斯粒子滤波室内定位算法

在无线室内定位研究中,为减少离线指纹数据库建立阶段的大量数据采集工作,提出利用手机内置惯性传感器加速度数据,计算用户运动路径,在经过指纹点时自动采集该指纹点的数据,自动动态建立指纹库的方法。针对手机内置传感器采集的加速度数据存在非线性噪声等干扰,提出了改进的高斯粒子滤波GPF(Gaussian Particle Filter)算法,将加速度样本经改进滤波算法获得较好的估值后,再进行运动路径计算。对状态变量服从线性变化,观测方程为非线性变化的系统模型有显著效果。实验结果表明,经改进的算法计算出的路径效果优于高斯粒子滤波算法和卡尔曼滤波算法,并且减少了计算复杂度。新方法建立数据库后,节约了大量的离线数据采集工作,但是精度与传统指纹库方法相比基本一致。

基于灰色关联分析与RBF的图像分割算法

传统基于灰色关联分析的图像分割算法存在很多错分、漏分的情况。为此,提出一种基于灰色关联分析和径向基函数(RBF)网络的分割算法。采用量子遗传算法对RBF网络进行优化,通过灰色关联分析提取待处理图像的边缘信息,识别噪声点与非噪声点,以此作为优化后RBF网络的输入,利用该网络良好的逼近能力纠正错分和漏分像素点。实验结果证明,与传统算法相比,该算法的分割效果更优,且能进一步提高抗噪性能。