基于改进二进制蛇优化算法的配电网故障定位

分布式电源(distributed generation,DG)大规模接入给配电系统带来更多不确定性、随机性,系统运行方式更复杂,传统故障定位方法难以适应新型电力系统构建。提出了一种基于改进二进制蛇优化算法(improved binary snake optimization,IBSO)的新型故障区段定位方法。利用SPM混沌映射生成高质量的随机数序列,以提高算法种群中个体的随机性,并引入了遗传算法的动态变异策略,根据不同的搜索状态和进化阶段来调整变异率和变异方式,提高算法的灵活性和准确性。通过仿真证明,该方法适用于在含有分布式电源的配电网中定位单一和多重故障区段,相比蛇优化算法、传统二进制粒子群算法以及遗传算法在收敛性、快速性和准确性方面更优。

基于全局LBF水平集模型的脑血管层次粗分割

考虑对脑血管进行三维分割具有一定难度,提出了一种基于全局LBF(Local Binary Fitting)水平集模型的脑血管层次化粗分割方法。首先,应用定向加权中值(DWM)滤波和各向异性扩散滤波去除脑图像噪声,同时保存血管边缘信息,在多尺度条件下局部梯度最大(LIGM)算法,应用灰度和梯度信息提取备选血管,基本实现脑灰质去除。然后,改进全局信息LBF水平集算法实现最大强度投影(MIP)图像分割,采用形态信息提取备选血管,剔除干扰组织。最后,融合两种方法实现脑血管粗提取。实验表明,层次化的分割方法可去除大部分不相关脑组织,包含直接双高斯统计模型中的所有分割血管信息。本项研究基于时飞磁共振血管造影(TOF_MRA)数据,相关研究结果可扩展到其它相似系统中。

基于字符图像分割的打印文件识别方法

针对目前的打印文件识别方法受限于样本中必须有相同字符的问题,提出一种基于字符图像分割的打印文件识别方法。通过k-means算法对字符图像进行分割,分别对不同区域提取局部二值模式纹理特征,从而消除字符结构对识别结果的影响。研究了单一区域的特征集和组合特征集的分类识别效果,实验结果表明,该方法在样本中无相同字符的情况下,能够得到较高的识别准确率。

一种新的自适应水平集融合算法

在处理不均匀图像时,自适应距离保持水平集演化(ADPLS)算法速度快、不受初始轮廓影响,但精度较低;LBF算法精度高,但速度较慢同时易受初始轮廓影响。针对上述2种算法的优缺点,提出一种新的自适应融合算法。该算法根据图像信息自动调整ADPLS与局部二值拟合算法在融合算法中所占比重,实现不同算法的优势互补。实验结果证明,该融合算法在分割精度、速度及稳定性等方面有明显提高。

基于遗传算法的自适应图像分割技术研究

在数字人重建中,图像分割是数字人重建的关键要素,常规图像分割方法不但效率低,丢失信息严重,更重要的是分割精度极低。为了解决这些问题,提出了一种基于非局部相似正则化降噪方法的改进并将改进双种群遗传算法,通过分割结果表明论文提出的算法具有较高稳定性,分割效果较精确,而且大幅度降低了遗传算法的计算复杂度。

基于改进主动形状模型的前列腺超声图像分割算法

为了提高前列腺超声图像的分割精度,提出了一种基于改进主动形状模型的前列腺超声图像分割算法.首先,提取前列腺超声图像的特征集合,该特征集合由Gabor纹理特征和局部二值模式(LBP)特征组成.然后,通过利用k均值算法对提取的特征集合进行聚类分析,得到超声图像的聚类表示图.最后,在聚类表示图上应用ASM获取超声图像中前列腺的形状信息.结果表明,该算法可以准确地定位前列腺边界信息,与医生手动标记的前列腺轮廓相比,平均绝对距离仅为1.559 6 mm,戴斯相似度系数最高可达93.88%.利用超声图像的聚类表示图可以获得更加精确的前列腺轮廓信息,可用于海扶高聚焦超声(HIFU)手术中的精准导航.

基于肤色和FBLBP算法的人脸检测

近年来,人脸检测作为一个热门的研究领域,诸多有效的检测方法层出不穷。在检测结果和检测速度方面较原来的检测方法都有很大的提升。在众多的检测算法中,FBLBP(Flexible Block-based Local Binary Patterns)算法在检测速度和准确度方面均有优异的表现。但在多人脸环境,单一的人脸检测结果还不是很理想。在FBLBP算法的基础上融合肤色检测,即对图像进行肤色预处理,将图像中的肤色区域优先提取出来,然后使用改进后的FBLBP算法在肤色区域优先进行人脸检测,从而使人脸检测的速度和准确度有更大的提高。采用Matlab进行编程实验,使用收集的图片对FBLBP算法、融合肤色和改进后的FBLBP算法进行对比。实验结果表明,融合肤色和改进的FBLBP算法的速度和准确性均有所提高。

一种基于LSH面向二元混合类型数据的相似性查询方法

局部敏感哈希方法(LSH)已经被广泛用于高维数据和大规模数据集的最近邻查询,然而现有方法大多将LSH方法用于单一类型的数据,文中尝试将LSH方法用于二元混合类型数据,如图像-文本数据,空间-文本数据等.文中提出了一种基于LSH混合索引结构的相似性查询方法,该方法可有效地管理含两种数据类型的数据,并且融合两种数据类型的相似性进行最近邻查询.文中提出的查询方法主要有三个特点:首先,结合LSH方法为混合数据构建混合哈希值,该混合哈希值保留有数据对象之间内容相似性的信息,基于混合哈希值构建哈希索引,进行快速准确的最近邻查询;其次,该方法解决传统LSH方法固定敏感半径的问题,可以有效地处理可变查询范围的相似性查询;最后,该方法在分布式环境中不需要全局索引信息,保证分布式查询的伸缩性.文中通过理论分析证明了查询方法和查询算法的准确性和有效性,进一步通过分布式系统优化及基于真实数据和合成数据的大量实验验证了方法的伸缩性和高效性.

一种新的基于区域合并的图像分割算法

提出了一种新的彩色图像分割算法,以区域合并为基础并使用联合彩色纹理直方图.利用彩色直方图与最大相似性的区域合并算法已成功地应用在彩色图像分割,在某些情况下,只使用彩色直方图信息并不能充分且有效地达到优越的分割.所提出的方法将彩色直方图和纹理直方图的信息用于测量不同地区的相似性,从而引导区域合并的进程.此外,为了获取纹理信息,采用局部二进制模式(LBP),以便嵌入主要的统一LBP模式来测量不同地区的相似性.实验结果表明,与基于经典图像分割方法的区域合并相比,该算法取得了很大的进步.此外,与其他类似的方法相比,该算法更加健全和精确.

基于自适应阈值的均匀局部二值模式

针对均匀局部二值模式的编码方式存在不同类像素干扰的问题,提出一种基于自适应阈值的均匀局部二值模式。采用基于直觉模糊集理论相似度量的方法计算图像前景与背景的分割阈值,通过引入该阈值参数改进均匀局部二值模式的编码方式,使得改进后的编码方案能有效降低不同类像素间的干扰。将改进的均匀局部二值模式应用于现勘图像检索,实验结果表明,该模式可以在一定程度上降低不同类像素间的干扰,增强算法对现勘图像纹理特征的描述性能,且使得检索算法取得较好的检索结果。

基于纹理特征的自适应SLIC超像素分割算法

由于简单线性迭代聚类算法(Simple Linear Iterative Cluster,SLIC)只考虑了颜色和空间信息导致分割不准确且边界附着度不高,且人工预设的超像素块数也会影响后续分割效果,提出了一种基于纹理特征的自适应SLIC超像素分割算法。先使用图像复杂度衡量图像分割的难易程度,根据自适应计算合适的图像分割块数,再基于SLIC算法把局部二值模式(Local Binary Patterns,LBP)纹理特征纳入相似性度量,提高SLIC算法分割精度。实验结果表明,本文方法与SLIC算法相比有更高的评价指标。

动态背景下自适应LOBSTER算法的前景检测

目的前景检测是视频监控领域的研究重点之一。LOBSTER(local binary similarity segmenter)算法把Vi Be(visual background extractor)算法和LBSP(local binary similarity patterns)特征结合起来,在一般场景下取的了优良的检测性能,但是LOBSTER算法在动态背景下适应性差、检测噪声多。针对上述问题,提出一种改进的LOBSTER算法。方法在模型初始化阶段,计算各像素的LBSP特征值,并分别把像素的灰度值和LBSP特征值添加到各像素的颜色背景模型与LBSP背景模型中,增强了背景模型的描述能力;在像素分类阶段,根据背景复杂度自适应调整每个像素在颜色背景模型和LBSP背景模型中的分类阈值,降低了前景中的噪声;在模型更新阶段,根据背景复杂度自适应调整每个像素背景模型的更新策略,提高背景模型对动态背景的适应能力。结果本文算法与Vi Be算法和LOBSTER算法进行了对比实验,本文算法的前景图像比Vi Be算法和LOBSTER算法的噪声点大幅较低,本文算法的PCC指标在不同视频库中比Vi Be算法提高0.736%7.56%,比LOBSTER算法提高0.77%12.47%,FPR指标不到Vi Be算法和LOBSTER算法的1%。结论实验仿真结果表明,在动态背景的场景下,本文算法比Vi Be算法和LOBSTER算法检测到的噪声少,具有较高的准确率和鲁棒性。

基于区域最大相似度的快速图像分割算法

针对基于区域最大相似度图像分割(MSRM)算法中利用颜色直方图描述符计算相邻区域之间相似度存在着计算量大和描述能力的不足,提出改用基于局部二值模式(LBP)纹理描述符计算相邻区域相似度的改进MSRM(IMSRM)算法。LBP描述符通过对像素点之间局部微结构进行编码实现了对其空间关系的描述,有效提高了对区域特征的描述能力,并且所获得的特征矢量维数远小于颜色直方图,区域之间的相似度计算效率大幅度得到提高。与MSRM算法对比实验表明,IMSRM算法可以从各种复杂背景中有效提取待分割对象的轮廓,所提取的轮廓边缘细节上更优,算法执行效率能够提高50%左右。