小崎齿瓢虫属Afidentula Kapur 1955的分类与地理分布

小崎瓢虫属ＡｆｉｄｅｎｔｕｌａＫａｐｕｒ１９５５自建立以来，迄今共有１４个种，其中包括我国云南省记载的一新称本文在概括小崎瓢虫属的分类地位、种类及分布的基础上，讨论了小崎齿瓢虫属的区系、色斑类型等问题，列出了已知种的检索表；并附有我国已有记载的４种外的１０种特征图。

长崎齿瓢虫属Afissula Kapur1955种类及地理分布的研究

长崎齿瓢虫属Afissula Kapur自1955年建立以来,近30年经各国学者不断地发现,有的重新组合到这个属,迄今该属共有13个种。本文从生物学、生态学及区系学的角度研究了这13个种的形态、食性及其分布特点,从此可以看出该类群发源于喜马拉雅地区并向该地区的东北、东南方向扩展。本研究对食植瓢虫亚科的演化增添了新的内容。

基于粒子群优化算法的Kapur熵多阈值图像分割

本文将多阈值图像分割中的最佳阈值向量优化问题作为研究对象,采用粒子群优化算法(PSO)对Kapur熵阈值图像分割法的最佳阈值向量进行寻优。传统的Kapur熵阈值图像分割法存在算法运算速度慢、精度不高等问题,本文提出的基于粒子群优化算法的Kapur熵多阈值图像分割法改善了上述问题,具有算法运行快、分割精度高的特点。利用本文提出的方法在阈值等级分别为1,2,3,4,5的情况下进行实验,并应用峰值信噪比(PSNR)指标和结构相似性(SSIM)指标对分割后的图像进行评估。实验结果表明,本文提出的基于粒子群优化算法的Kapur熵多阈值图像分割法优于传统的Kapur熵多阈值图像分割法,可以更加高效地对复杂图像进行多阈值图像分割处理,具有较强的实用性。

小崎齿瓢虫属AfidentulaKapur1955的种类及地理分布

小崎齿瓢虫属 Afidentula Kapur 1955自建立以来,迄今该属共有14个种,其中包括我国云南省记载的一新种。本文在概括小崎齿瓢虫属的分类地位、种类及分布的基础上,讨论了小崎齿瓢虫属的区系,色斑类型等问题。列出了已知种的检索表,文后并附种的特征图。

多策略融合改进北方苍鹰算法的森林冠层图像分割

针对森林冠层图像复杂,分割精度较差等问题,提出一种多策略融合改进北方苍鹰优化算法(Improved Northern Goshawk Optimization,INGO)的冠层图像分割方法。首先,在北方苍鹰初始化引入随机反向学习策略,以增加种群多样性,提高搜索效率;在北方苍鹰探索阶段,添加自适应权重因子提高算法搜索能力,加快算法收敛速度;在北方苍鹰开发阶段,添加非线性收敛因子平衡全局搜索和局部开发能力。其次,采用多阈值Kapur熵作为适应度函数,通过选取8个基准函数对改进的算法进行测试,测试结果表明,改进的算法可以有效提高精度和搜索速度。最后,将所改进的算法对森林冠层图像进行阈值分割试验,并在适应度值、森林图像分割时的峰值信噪比(PSNR)、结构相似性(SSIM)与特征相似度(FSIM)上进行对比分析。试验结果表明,改进的算法可以获得更精确的森林冠层分割阈值和更高的分割精度。

基于改进灰狼优化算法的QFN芯片图像多阈值分割方法

在QFN芯片封装缺陷检测中,增加图像分割环节可有效提高缺陷检测准确性与检测效率。针对图像分割中传统算法效率低、智能优化算法分割精度低稳定性差的问题,本文提出一种基于改进灰狼优化算法(IGWO)的图像多阈值分割方法。首先,改进原始灰狼优化算法非线性因子,平衡算法搜索效率与挖掘能力;其次,引入反向学习策略提高种群整体质量,引入正弦函数、调整头狼权重以改进灰狼更新策略,增强算法多样性与挖掘能力;然后,提出头狼靠拢与种群变异交替进行的位置更新策略,平衡算法收敛性能与跳出局部最优能力;最后,以Kapur熵为适应度函数,求解最优分割阈值。将本文提出的改进灰狼优化算法的多阈值图像分割方法,与灰狼优化算法(GWO)、基于翻筋斗觅食策略的灰狼优化算法(DSF-GWO)、基于莱维飞行的樽海鞘群优化算法(LSSA)、改进北方苍鹰算法(INGO)的图像分割方法进行实验对比,结果表明:本文方法在分割用时方面,约为DSF-GWO的1/2,INGO的1/4;在分割精度与稳定性方面,在进行QFN芯片缺陷图像的连续30次分割时,本文方法具有最大Kapur熵平均值、最小标准差与最短分割时间。因此本文方法可实现高精度、高稳定性与高效率的QFN芯片图像多阈值分割。

“有效失败”理论文献综述

摩奴·卡普尔(Kapur Manu)学者提出的有效失败理论(Productive Failure),以深度学习为导向,强调学生在课堂中经历的有效“失败”不仅能够激发学生“探明真相”的内在学习动机,而且能够帮助学生克服失败带来的羞耻感,锤炼学习韧性,近些年来得到国内外学者的广泛关注。本文通过梳理“有效失败”理论的国内外相关文献,在阐述其源起与内涵、实践与效果的基础上,结合当前研究现状及课改要求,从理论发展、学科融合、实践探索等方面提出具体建议,以期为学生发展赋能。

基于图像熵的卫星云图分类方法

介绍一种基于图像熵和自动分割技术的卫星云图阈值分类方法,重点解决普通阈值法中阈值不确定性的问题。采用自动分割方法进行云图的划分,结合图像纹理特征信息,通过统计分析来确定具体的阈值。将该方法应用于2007年7月上旬淮河流域的暴雨过程,并与美国GOES卫星分层阈值进行类比,分析了两种阈值与地面实况降水间的关系。结果表明,该方法能够在卫星估算降水过程中增强对不同类型降水的识别能力,是一种有效的卫星云图分类方法。

基于海天/海岸线检测的舰船目标提取方法

针对成像型反舰导弹所获红外图像的特点,提出了一种将海天/海岸线检测与目标提取相结合的舰船目标提取方法。该方法先综合运用Sobel边缘检测和局部Hough变换等数字图像处理技术从红外图像中检测出海天/海岸线,然后通过对Kapur熵二值化图像进行投影变换实现舰船目标提取。实验结果表明,该方法能够有效地确定舰船目标在海天/海岸线区域中的位置,可保证目标提取的准确性。

回溯搜索优化算法辅助的多阈值图像分割

阈值法是一种简单且有效的图像分割技术。然而阈值求解的计算量随阈值的增加而呈指数级别增长,这给多阈值图像分割带来巨大挑战。为了克服计算量过大问题,视多阈值分割模型为优化问题,分别将Otsu法和Kapur法作为目标函数,采用回溯搜索优化算法求解目标函数,实现多阈值图像分割。将提出的多阈值分割算法应用于自然图像分割,并与其他算法比较,实验结果说明基于回溯搜索优化算法的多阈值图像分割技术是可行的,而且具有较好的分割效果。

基于离散灰狼算法的多级阈值图像分割

阈值分割方法的关键在于阈值选取。阈值决定了图像分割结果的好与坏,随着阈值数量的增加,图像分割的计算过程越来越复杂。为了选取适当的阈值进行图像分割,文中提出了离散灰狼算法(Discrete Grey Wolf Optimizer,DGWO),即经过离散化处理的灰狼算法,并用该算法求解以Kapur分割函数为目标函数的全局优化问题。DGWO算法具有很好的全局收敛性与计算鲁棒性,能够避免陷入局部最优,尤其适合高维、多峰的复杂函数问题的求解,并且可以很好地融合到图像分割过程当中。大量的理论分析和仿真实验的结果表明,与遗传算法(GA)、粒子群算法(PSO)的图像分割结果相比,在选取多张分割图像、多个分割阈值的情况下,该算法具有更好的分割效果,更高的分割效率,优化得到的阈值范围更加稳定,分割质量更高。

一种基于熵和聚类理论的图像阈值分割算法

为了解决传统的Otsu法均分像素点的缺点以及Kapur法易受干扰的不稳定性,分析了这两种算法理论上的联系并结合它们的各自优势,提出一种新的算法,实现两者在图像阈值选取上的一种均衡。实验结果表明,新算法对图像直方图不具有明显双峰、目标像素点占比很小、图片存在干扰信息源等情况均能得到理想的分割效果。该算法可用于更大范围的图像分割处理,并且展现了更强的稳定性和自适应性。

基于差分进化鲸鱼优化算法的森林冠层图像分割

针对森林冠层图像结构复杂,受光照不均匀,导致分割精度较差等问题,提出一种基于差分进化鲸鱼优化算法的冠层图像分割方法。首先选取多阈值Kapur熵作为适应度函数,应用鲸鱼优化算法(whale optimization algorithm,WOA)对阈值的搜索过程进行优化,代替传统遍历搜索机制,加强阈值搜索能力与效率。其次引入差分进化算法(differential evolution algorithm,DEA)进行混合,采用以种群平均适应度为评价指标的混合策略平衡2种算法,增强算法的局部搜索能力,实现更好地平衡探索与开发。最后通过对森林冠层图像进行阈值分割研究,在适应度值、PSNR、SSIM与计算时间上进行对比分析。结果表明,本算法可以获得更精确的分割阈值和更高的分割精度。

基于改进藤壶优化算法的森林冠层图像分割

为解决森林冠层图像因结构复杂,提取时受光照不均的影响而导致分割精度低的问题,采用一种基于自适应调整策略的混沌藤壶交配优化算法(Chaotic Adaptive Barnacle Mating Optimization,CABMO)的森林冠层图像分割方法。首先采用Logistic混沌映射初始化藤壶种群以提高算法的探索能力;然后设计非线性递增阴茎系数使探索和开发之间更平衡;最后将Kapur熵作为适应度函数,利用CABMO算法选取适应度函数的最优值,降低复杂度的同时,加强阈值的搜索效率。为验证CABMO算法在森林冠层图像分割上的有效性,以适应度值、峰值信噪比值(Peak Signal to Noise Ratio,PSNR)、特征相似性指数测试值(feature similarity index mersure,FSIM)和计算时间作为性能指标来评估分割效果。研究结果表明,在适应度值、PSNR值和FSIM值上CABMO算法分别以100%、99%、97.9%的占比优于对比算法,在计算时间上100%优于基本藤壶交配优化算法(Barnacle Mating Optimization,BMO)。结果表明,CABMO算法在提高森林冠层图像分割精度的同时也获得了更高质量的分割图像。

基于改进麻雀搜索算法的多阈值图像分割

针对传统多阈值图像分割方法中存在的分割精度低、计算量大、分割速度慢等问题,提出了一种基于改进麻雀搜索算法(improved sparrow search algorithm,ISSA)的多阈值图像分割方法。首先,结合鸟群算法(bird swarm algorithm,BSA)中飞行行为的思想优化麻雀搜索算法(sparrow search algorithm,SSA),并采用4种类型的基准函数评估ISSA的寻优性能。然后,进行基于类间方差和Kapur熵的多阈值图像分割,并对比两种方法的分割结果。最后,采用PSNR、目标函数值和标准差作为评估标准,将ISSA与现有分割算法进行对比分析。结果表明,ISSA具有更优的搜索能力和开拓能力,且分割速度和分割精度均得到提升。

贵州省甘蔗园主要害虫种类调查及防治药剂筛选

为掌握贵州甘蔗害虫种类及发生规律,采用五点取样法和＂Z＂字型取样法对贵州省甘蔗园害虫种类进行系统调查,并结合调查结果,以甘蔗绵蚜和条螟为对象,使用2%吡虫啉颗粒剂、3%克百威颗粒剂、90%杀虫单可湿性粉剂作为对照药剂,研究0.5%吡虫啉·杀虫单缓释粒剂对甘蔗绵蚜和条螟的田间防效及对甘蔗产量的影响。结果表明,贵州省甘蔗产区主要害虫有7种,其中甘蔗绵蚜和条螟为蔗区害虫优势种群;0.5%吡虫啉·杀虫单缓释粒剂防治甘蔗绵蚜药后60 d的防效为79.09%~91.80%,防治甘蔗条螟药后70 d的防效为71.52%~83.04%,能提高甘蔗产量7.1%~14.4%;生产上推荐使用2.25~4.5 kg/hm^2。

基于蝗虫算法的图像多阈值分割方法

针对图像分割中的阈值选择问题,提出了一种基于蝗虫算法的图像多阈值分割算法。该算法综合考虑Otsu法和最大熵法的分割特性,以Otsu算法的最大类间方差和Kapur最大熵法的最大熵值构造适应度函数,利用蝗虫算法进行寻优求解最佳阈值,最后利用最佳阈值对图像进行分割。将该算法与传统的Otsu算法、最大熵法、基于粒子群的图像分割方法、基于人工蜂群的图像分割方法进行比较,实验结果表明,相对其他算法,分割所得的峰值信噪比更大,分割效果更好,在阈值个数为4和5时,该算法所得的峰值信噪比(PSNR)值相比粒子群算法、人工蜂群算法提高了约3%和1. 5%,算法的运行时间相比粒子群算法和人工蜂群算法,快了约9%和5%。

基于停滞检测的双向搜索灰狼优化算法

针对灰狼优化算法(GWO)易陷入局部最优、收敛速度低的问题,提出了一种基于停滞检测的双向搜索灰狼优化算法(DBGWO)。为了提升初始种群的质量,引入了Bernoulli shift映射;为了充分利用GWO特有的头狼机制,实现整体提升算法性能的目的,提出一种双向搜索策略;为了提升算法跳出局部最优的能力、增加算法的收敛速度,提出一种停滞检测机制,针对算法是否有陷入局部最优风险的判断,狼群会采取相应的措施改变当前状态。通过对23个基准测试函数进行仿真实验结果表明,所提算法在求解多峰函数问题上效果显著,同时在求解最优解非0点的函数问题上表现也较为优越。将该算法用于求解多阈值图像分割问题,解决了用Kapur熵法计算多阈值时耗时过长的问题。

基于水波优化算法的多阈值图像分割方法

为解决多阈值Kapur熵图像分割方法的精度低和运算时间慢的问题,提出基于水波优化算法的多阈值图像分割方法。传统的多阈值Kapur熵随着阈值个数的增加,分割精度有所下降和运算时间增加,所以将多阈值图像分割方法作为优化问题,利用水波优化算法寻找多阈值Kapur熵的最佳阈值,提高图像的分割精度。通过对图像的分割仿真实验,表明该算法具有更好的寻优能力,同时该算法的寻优精度高,收敛速度快,稳健性强。

A Context Sensitive Multilevel Thresholding Using Swarm Based Algorithms

In this paper, a comprehensive energy function is used to formulate the three most popular objective functions:Kapur's, Otsu and Tsalli's functions for performing effective multilevel color image thresholding. These new energy based objective criterions are further combined with the proficient search capability of swarm based algorithms to improve the efficiency and robustness. The proposed multilevel thresholding approach accurately determines the optimal threshold values by using generated energy curve, and acutely distinguishes different objects within the multi-channel complex images. The performance evaluation indices and experiments on different test images illustrate that Kapur's entropy aided with differential evolution and bacterial foraging optimization algorithm generates the most accurate and visually pleasing segmented images.