一种改进的Split-Merge图像分割算法

图像分割的经典算法Split-Merge算法思路简洁、运算效率高,但存在边界定位不准确和过分割等问题。针对过分割问题提出了一种改进的Split-Merge算法,在合并过程中引入全局目标函数,并在目标函数中定义了长度项,使用贪心法完成合并过程。长度项以及贪心法的使用促使相邻区域充分合并,有效地克服了过分割等问题,取得了较好的分割效果。

在Split-Merge框架下进行基于图的图像分割

Split-Merge算法是图像分割领域的经典算法,思路简洁、运算效率高,但因分裂位置和形状固定,导致出现方块效应和边界定位不准确等问题。现有的各种改进算法不能从根本上解决这些问题,为此本文将基于图的分割算法纳入到Split-Merge框架中来,提出了在Split-Merge框架下进行基于图的分割。新算法把传统的基于图割值的算法作为分裂阶段的处理手段,在合并阶段采用本文提出的一种与访问次序无关的合并算法。新算法既解决了Split-Merge算法中因分裂位置和形状固定而带来的各种问题,也有效地消除了在基于图的分割中常见的"过分割"现象,取得了满意的分割效果。

一种基于多分辨分析的简化的分裂-合并图像分割算法

为了减少分裂-合并算法的计算复杂性,提出了一种基于多分辨率分析的分裂-合并简化算法.首先,将原始图像用多分辨的形式分层表示,对最低层分辨率的图像用简化的分裂-合并算法进行图像分割,同时用该层的边缘信息对分割结果进行优化,得到该层的分割图像;然后,用直接影射的方法将低分辨率的分割图像映射到高分辨率空间中,并用相应的边缘信息进行优化,直到在原始分辨率空间完成上述工作,得到最终的分割结果.试验证明,所提算法简单有效,较好地解决了分裂-合并算法计算复杂的问题.

一种纹理图像分割方法——分开-扩张方法

针对分开-合并方法分割纹理图像存在的纹理特征不规则性的问题,提出了一种新的基于四分树的分开-扩张的区域分割方法.通过对各类别的不同测量区域的纹理样品进行监督分类,确定分割的初始区域和终止区域,并把样品分类的精度作为各测量区域的纹理特征的权值,根据是否满足一致性属性和区域的性质进行分开或扩张.该方法较好地处理了不同测量区域的纹理特征可信度不一致的问题,扩张的过程可提高分割的精度并避免小区域纹理特征的不稳定.实验结果表明,分开-扩张方法能有效地分割纹理图像,其分割精度优于分开合并方法.

分裂合并算法的优化及并行化方案

研究了分裂合并算法的优化方法,并提出相应的并行化方案。修改了图像在区域合并阶段中原有的最佳合并原则,增加了满足合并条件的相邻区域的匹配率,减少算法迭代次数。为解决合并阶段的负载不平衡提出了一种新方法;同时针对分裂阶段的负载不平衡,提出了一种新的分裂合并算法并行方案,并分析了两种并行方案在负载平衡,通信复杂度及可扩展性的差异。实验结果表明,对分裂合并算法的优化能有效提高算法的效率,其并行化方案切实可行。

基于机器视觉的禽蛋图像分割方法研究

探讨了一种新的图像分割算法,可对禽蛋表面图像中脏斑、血斑等信息进行高效、准确的分割。文中将由CCD摄像机获取的禽蛋图像首先采用改进的中值滤波方法去除噪声,然后将去噪后的图像使用Sobel边缘检测算子检测边缘,运用分裂合并算法对去噪图像进行多区域分割,从而得到较为明显的多区域图像,最后利用图像融合技术将Sobel算子检测到的边缘图像和区域分裂合并算法得到的多区域图像融合为一体。与其他方法相比,采用上述方法可以获得边缘较为清晰,脏斑、血斑等表面信息更为明显的分割图像。经试验验证该种方法实时性较好,分割结果令人满意,可以应用于禽蛋品质的在线检测。

基于三角形二叉树的实时大规模地形渲染算法

提出一种大规模地形渲染算法,对大规模地形进行分块,用三角形二叉树表示地形网格,在实时漫游中,通过强制分割和强制合并实时更新网格,充分利用帧与帧之间的连贯性并自动避免裂缝。实验结果表明,该算法可以有效提高ROAM算法性能,能以较高帧速实现大规模地形的实时漫游。

神经网络边缘拟合

提出了一种基于神经网络学习特性和集合论的边缘分段算法(Merge Split),优点在于它的分段间断点、自由度满足自适应性,能在学习过程中实现而不必事先规定;进一步提出神经网络拟合不连续的图像边缘的方法,在无边缘数学函数形式的情况下,充分利用其学习函数的任意逼近和自学习性进行拟合,实践证明该方法可以克服以往边缘拟合方法的不足。

用混合遗传算法求解两类多边形近似问题

多边形近似是一种重要的曲线描述方法.研究用遗传算法求解平面数字曲线的多边形近似碰到的两个主要问题是不可行解难以处理和基本遗传算法局部搜索能力差.针对这两个问题,本文提出了一种组合拆分与合并技术的混合遗传算法(SMGA).它将两种经典算法—拆分技术与合并技术引入到对染色体的修复过程.采用这种方法,一个不可行解不仅能得到快速的修复,而且还能被推进到解空间中一个局部较优的位置.它的另外一个优点是:不同于已有的遗传算法,只能解决一类多边形近似问题,SMGA是一种能求解两类多边形近似问题的通用算法.实验结果表明:本文提出的算法比其他同类算法性能更优越.

基于块合分的运动估计及其准则

基于块分裂合并的运动估计法先用小尺寸的块进行运动估计，通过分析各块的匹配误差图来表征块的分裂与合并，将运动相关性好的块合并成一个块，得到新的运动矢量．同时还设计了使估计量尽可能接近真实运动的块合并判决准则．实验表明，该方法能得到更接近物体真实运动且一致性好的运动矢量．

基于Morton码的图像分裂合并算法研究

分裂合并算法是一种基于区域的串行图像分割算法。在图像的分裂阶段,从图像区域的表示出发,引入Morton码,降低了算法的空间复杂度。同时在图像的相邻区域的合并阶段,提出了一种新的合并原则,增加了满足合并条件的相邻区域的匹配率,减少算法的迭代次数,提高了算法的执行效率。最后给出并分析了相关的实验数据,证明了算法的有效性。

基于骨架法形态分析的连体字符图像识别方法

文章介绍了一种基于骨架法形态分析的连体字符图像识别方法，能较正确、容易地确定切分位置，使用修剪算法对各切分点进行处理，被分离的字符骨架可直接通过分类器而不必再作进一步处理。

基于小波变换的针叶苗木彩色图像分割

苗木图像分割是形态参数提取的前提条件。利用小波变换及分开-合并法实现了对苗木图像的分割。对图像的色度分量进行小波变换。其变换系数作为分开-合并法中区域一致性的度量。通过改变小波变换的尺度,可以将边缘与噪声区分开来,减小图像分割中噪声带来的影响,有利于提高分割的准确性。实验表明,该算法取得了满意的结果。

对称三对角线特征值问题的一个并行修正拟Laguerre算法

在拟 Laguerre算法的基础上 ,提出了用修正拟 L aguerre算法来求解对称三角线特征值问题 ,并给出了算法的并行实现 .

一种基于XML文档关键字检索的结构索引

XML数据索引对其检索效率有较大的影响。在深入分析现有XML结构索引之后,结合XML文档特点,提出了一种基于关键字检索的结构索引——LSS(Level Structure Summary)。LSS采用了把具有相同标签路径的结点进行合并的策略,具有高效判断结点之间同构异构关系的能力。实现了LSS索引生成算法CSCAN,并在LSS索引的基础上设计了XML关键字检索算法LSSearch。该算法依据LSS索引,将各个关键字的原始倒排表集合分拆成不同类型的子集合,最后在所有子集合上进行查询。实验结果表明,LSS可以帮助减少XML文档中关键字倒排表的规模,提高检索效率。

向远端延伸的周围神经束分裂与合并次数自动获取方法

周围神经内的神经束分裂与合并次数和结构极有可能与其发育有关。当前,针对周围神经序列MicroCT图像中的神经束分裂与合并次数,完全依赖于人工计数方法进行统计,存在易出错、效率低等问题。为实现对神经束分裂与合并次数的自动获取,首先,在完成神经束类圆度统计学分析的基础上,从数学角度提出了序列MicroCT图像中四肢周围神经内部神经束分裂过程与神经束合并过程的定义;其次,提出了ACA-SCN算法,即利用相邻图像间的神经束质心总数的差分结果进行次数的自动获取;最后,提出了ACA-COM算法,即利用神经束的质心偏移量实现对同一神经束的跟踪匹配。以人工方式处理的3个标本中的41个分裂过程和51个合并过程作为评价标准。分析结果表明,所提出的神经束分裂与合并的开始与结束位置定义准确,无例外情况出现;ACA-SCN算法的神经束质心总数计数结果误差为8.69%;ACA-COM算法对神经束分裂与合并次数的计数与人工计数结果完全一致,能正确计数在一张图像上同时发生神经束分裂与合并的情况,也能正确计数单根神经束分裂为3根、3根神经束合并为单根神经束的情况。上述分析结果为后续探索单位长度内神经束分裂与合并次数的统计规律提供了基础。

考虑动态分合的可重构设施布局方法研究

考虑生产过程中同类设施多点布置情况,文章提出一种考虑动态分合的可重构设施布局方法。采用空间填充曲线描述设施位置和面积的信息、拆分和合并的定义,引入物料小车描述布局中物料动态分配。在此基础上,考虑设施能力约束,构建以优化物料运输成本和设施重构成本之和为目标的设施布局模型,并提出一种适用的遗传-粒子群混合算法求解模型。最后,用算例说明动态分合可重构设施布局的优越性、可行性和有效性。算例显示,相对于可重构设施布局,动态分合可重构设施布局的方案费用更低;相对于分布式布局(单周期),动态分合可重构设施布局搜索速度更快。

应用聚类有效性函数指导数据分类算法的研究

研究了应用聚类有效性函数指导数据分类的算法,指出文[6]中算法的不足并对其进行了修改。实验结果表明,修改后的算法是可行的。

基于高斯混合模型的EM算法改进与优化

作为聚类分析的一种重要模型,高斯混合模型在模式识别领域得到了广泛的应用。高斯混合模型的参数通常使用EM算法迭代训练获得。然而,传统的EM算法具有稳定性低,容易陷入局部极小值等缺点。针对传统EM算法的不足,改进了相关算法,在迭代过程中引入了自适应模型合并和模型分裂的策略。通过计算各高斯模型的熵,合并权值过低的模型,分裂熵过大的模型。此外,还优化了算法计算过程的相关步骤。相应实验结果表明,与传统EM算法相比,改进后的算法具有更强的适应性和更好的性能。

图像融合与分裂合并相结合的分割算法研究

针对传统的分裂合并算法中存在的计算复杂度和分割后易于破坏边界信息的问题,提出一种将图像融合与分裂合并算法相结合的分割策略。首先对原始图像降低分辨率,抑制部分噪声,降低细节干扰,减少后期计算量;接着使用自适应边缘提取算法提取边缘信息并对优化图像进行分割;然后将处理后图像进行融合并还原尺度,以此来改善分裂合并算法带来的边界破坏问题。实验结果表明,该方法能够缓解传统算法中的运算量问题,尤其是边界破坏的问题,且分割效果较好。