基于Normalized cut的羽毛杆自动提取

针对羽毛杆进行有效分割问题,提出一种带纹理权重的归一化割(Ncut)方法完成羽毛杆提取。融合纹理信息的权重增强相似纹理边的相似度,减少了相近灰度区域干扰;并结合窄带单向膨胀方法完成初始轮廓的局部调整优化,消除了羽毛杆的边界泄漏。实验结果表明,所提方法可以用于羽毛杆的分割提取,为下一步的毛杆折痕检测奠定基础。

基于鱼群算法优化normalized cut的彩色图像分割方法

为了克服传统的谱聚类算法求解normalized cut彩色图像分割时,分割效果差、算法复杂度高的缺点,提出了一种基于鱼群算法优化normalized cut的彩色图像分割方法。先对图像进行模糊C-均值聚类预处理,然后用鱼群优化算法替代谱聚类算法求解Ncut的最小值,最后通过最优个体鱼得到分割结果。实验表明,该方法耗时少,且分割效果好。

一种基于遗传算法的Normalized Cut准则图像分割方法

Normalized Cut准则图像分割是基于图论的方法,是一种比较典型的规范化分割,但由于其运算量较大、收敛条件难以控制等缺陷,使得图像二值化分割不均匀。本文从Normalized Cut缺陷研究入手,利用遗传算法全局快速检索特性,改进Normalized Cut优化函数,获得精度理想的图像分割效果。

基于Ncut分割和SVM分类器的医学图像分类算法

为解决医疗诊断中由于疲劳和主观因素影响导致的诊断错误,本文提出了基于Ncut分割方法的医学CT图像的分割、特征提取和诊断的新方案。将Ncut分割方法应用于脑CT图像。先进行图像分割,提取感兴趣区域,再从边缘、灰度,纹理三方面提取特征,最后利用支持向量机(SVM)对图像进行分类,为医生的诊断提供参考。从表格化的分类结果看,所提方案有较大的应用价值。

基于Ncut的SIFT特征匹配算法

经典尺度不变特征变换(SIFT)特征匹配算法存在实时性差、纹理相似区域易发生误匹配的问题。为此,提出一种基于归一化分割(Ncut)的SIFT特征匹配算法。针对相同背景的运动视频,将归一化分割算法的图论聚类思想融入SIFT特征匹配中,根据运动趋势相似度对特征点进行Ncut运动聚类,再逐类分别匹配,通过缩小各特征点匹配过程中的搜索范围,减少匹配时间及不同特征类之间的误匹配。实验结果表明,该算法能提高匹配效率,对纹理相似区域的误匹配现象有较好的抑制作用,实现了相邻图像帧的特征稳定匹配。

差分演化优化Ncut准则的彩色图像分割

针对解Ncut准则的SM算法寻优能力不足的问题,提出一种基于差分演化优化归一化准则的彩色图像分割算法。首先对彩色图像进行爬山法预分割为多类,并构造类级间的无向完全图,之后再使用二进制差分演化算法求得Ncut准则最小化的图二分,最后通过映射获得图像的二值分割。实验结果表明,在相同预处理情况下,本文的寻优算法与SM算法相比,分割效果更为精准。

基于分裂合并法和Ncut法的图像分割

当灰度图像较大,图像中像素较多时,利用Normalized Cut(Ncut)方法分割生成图的节点数目多,从而给算法求解带来困难,所以提出了利用分裂合并法和Ncut法相结合进行图像分割.用分裂合并法将灰度分割成多个区域,结合区域间的灰度和位置信息,再利用Normalized Cut方法在区域间进行划分,完成图像的分割。实验结果证明该方法有效。

结合EFD与NCut的彩色图像分割方法

为了克服边缘流引导的各向异性扩散(EFD)方法过分割和归一化分割(NCut)方法计算复杂度高的缺点,提出结合EFD和NCut的彩色图像分割方法.首先利用EFD对图像进行预分割,然后将分割区域作为节点构建带权无向图G,用NCut对图进行全局最优化分类,并进行相应后处理,得到最终结果.由于图G是基于过分割区域而非像素点的,所以算法效率得到较大提高.另外,EFD方法可有效利用图像的局部信息,NCut方法则考虑到图像的全局特征,因此文中方法综合两者的优点.实验结果表明,文中方法能够取得较好的分割效果.

三维激光切割加工中曲面法矢获取算法的研究

结合示教处理过程提出了一种新的法矢二次测量方法，通过算法来提高测得法矢的精度，然后再进行插补处理，这样可极大地提高所获取的被加工面法矢的精度，因而较好地保证了激光切割加工的质量．同时为了更好地提高示教效率。

细菌觅食算法优化归一化准则的彩色图像分割

为了求解彩色图像分割问题,采用一种基于离散细菌觅食算法优化归一化准则的彩色图像分割方法。引入模糊C均值聚类算法对图像预处理,降低算法维度;同时用细菌觅食优化算法求解Ncut的最小值,提高了算法的稳定性和收敛速度;通过最优个体菌得到分割结果。实验表明,该方法能够较好地分割图像,优于SM算法和遗传算法处理问题的分割效果,且耗时少。

Said-Bézier型广义Ball基的全正性

参数曲线的保形性与生成它的基函数的规范化全正性有关.利用割角算法证明了一族SaidB啨zier型广义Ball基是规范化全正的,同时给出反例说明另一族WangSaid型广义Ball基不是规范化全正的.

基于pairwise的改进ranking算法

传统基于pairwise的ranking算法,学习后得到的模型在用NDCG这样的ranking标准评价时效果并不好,对此提出了一种新型ranking算法。该算法也是使用样本对作为训练数据,但定义了一个面向NDCG评估标准的目标函数。针对此目标函数非平滑、难以直接优化的特点,提出使用割平面算法进行学习,不仅解决了上述问题,而且使算法迭代的次数不再依赖于训练样本对数。最后基于基准数据集的实验证明了算法的有效性。

结合粒子群算法优化归一割的图像阈值分割方法

为了快速得到图像分割的最佳阈值,依据图论知识,利用灰度级相似矩阵代替像素级权值矩阵,将归一化切割准则作为优化函数.利用粒子群优化算法代替穷举法优化归一化划分准则,提出粒子群算法优化归一割的图像阈值分割方法.实验表明在分割性能上有较大的提高,在分割速度上也有较大的改进,能够满足实时性要求.

一种改进的最小最大割算法

最小最大割算法(Mcut)能满足聚类算法的一般准则,但在实际求解过程中,通常把Mcut算法的目标函数松弛转换为标准分割算法(Ncut)的目标函数进行求解,而未充分使用Mcut的聚类性能。为此,利用子空间技术,提出一种改进的Mcut算法(SMcut),设计基于图像分块的SMcut算法(BSMcut),以提高SMcut算法的分割速度。实验结果表明,SMcut和BSMcut算法均具有较好的分割性能,且BSMcut算法的计算复杂度较低。

基于非凸上界的ranking模型构造算法

现有的ranking算法均通过最小化原目标函数的凸上界构造ranking模型,得到的模型不够精确.为此,文中提出一种基于非凸上界的ranking算法.该算法首先给出一个基于多类支持向量机(SVM)的框架,然后定义面向NDCG的目标函数,在此基础上设计一个比现有的凸上界更为紧凑的非凸上界逼近原目标函数;针对上界函数的非凸非光滑,提出使用凹-凸过程进行凸逼近,并采用割平面算法进行求解;最后,通过在基准数据集上的实验对该算法进行验证,并与现有算法进行对比.结果表明,相比现有的基于凸上界的ranking算法,文中算法得到的模型不但更为精确,而且更加稳定.

一种基于椭圆抛物面的曲率算法的建模与仿真

首先建立了椭圆抛物面法曲率计算的数学模型,并在此基础上应用相关数学计算语言对主切削力的数学模型进行了解析,建立并描绘出了椭圆抛物面对铣刀主切削力影响的数学模型。此外,通过对不同走刀路径所采集数据的比对,证实了这种曲面曲率应用算法的正确性。

多元混合指数分布的参数估计

应用EM算法研究了多元混合指数分布场合下,正常应力对完全数据场合、Ⅰ-型截尾和Ⅱ-型截尾场合的参数估计问题。

改进区域分割的多聚焦图像融合方法

针对传统多尺度几何分析方法在图像融合时易损失清晰度以及融合规则选取复杂的缺点,提出一种改进基于区域分割的多聚焦图像融合方法;首先,根据提升静态小波变换快速获得初始融合图像,并对初始融合后的图像进行Normalized Cut算法处理以获得不同的分割区域,然后分别对原始图像进行NSCT变换并计算每个分割区域内高频分量系数的绝对值之和,最后选取绝对值最大的区域为融合后区域,并通过遍历每个分割区域获得融合后的多聚焦图像;数值试验证明,本算法不但融合规则选取较传统多尺度分析融合算法简单,还能够有效克服清晰度损失的缺点,具有有效性。

遗传算法优化归一化划分准则的图像分割

传统Normalized Cut准则的图像分割需求解广义特征方程,二值化分割效果不佳。为改善图像分割效果,将NormalizedCut准则作为优化函数,使用遗传算法进行优化,通过最优化染色体确定分割结果。实验表明该方法能获得较高精度的分割结果。

基于场景图划分的无人机影像定位算法

针对大规模长序列无人机(UAV)影像定位中存在的速度慢、误差漂移等问题,结合UAV影像的特点,提出了一种基于场景图划分的UAV影像定位算法。首先,利用全球定位系统(GPS)辅助信息缩小特征匹配的空间搜索范围,从而加速同名点的提取;之后结合视觉一致性和空间一致性来构建场景图,并利用归一化割(Ncut)对其进行划分;接着,对各组场景图进行增量重建;最后,利用光束法平差(BA)融合场景图从而计算出场景的三维模型。此外,在BA阶段,所提算法对代价函数进行扩充,即加入了GPS空间约束信息。在四个UAV影像数据集上的实验结果表明,与COLMAP等多种运动恢复结构(SFM)算法相比,所提算法的定位速度提升了50%,重投影误差减小了41%,定位误差控制在0.5m之内。此外,通过有无GPS辅助下的算法的实验对比,可以得知引入相对和绝对GPS约束的BA有效解决了误差漂移问题,避免了出现歧义性结果,并且极大地减小了定位误差。