基于局部密度构造相似矩阵的谱聚类算法

依据样本数据点分布的局部和全局一致性特征,提出了一种基于局部密度构造相似矩阵的谱聚类算法。首先通过分析样本数据点的分布特性给出了局部密度定义,根据样本点的局部密度对样本点集由密到疏排序,并按照设计的连接策略构建无向图;然后以GN算法思想为参考,给出了一种基于边介数的权值矩阵计算方法,经过数据转换得到谱聚类相似矩阵;最后通过第一个极大本征间隙出现的位置来确定类个数,并利用经典聚类方法对特征向量空间中的数据点进行聚类。通过人工仿真数据集和UCI数据集进行测试,实验结果表明本文谱聚类算法具有较好的顽健性。

一种适用于图像拼接的自适应模板匹配算法

在图像拼接中通常使用模板匹配方法进行图像配准,模板特征选取、基准模板位置与大小选取在很大程度上影响图像配准的准确度和速度。根据人类观察事物的行为特点,该文基于局部边缘密度LED和模糊聚类算法定位出特征物体区域,并在此区域上构建基准模板,在匹配上具有更高的可靠性。在模板匹配中采用加权相似性度量的方法,提高相似性度量的可靠性。据此,提出了一种强壮的自适应模板匹配算法,在自动图像拼接中体现出很强的实用性。

基于纹理特征的钢丝绳图像分割方法

针对复杂背景下钢丝绳图像难以准确分割的问题,提出一种新的基于纹理特征的图像分割方法。首先,采用局部二进制模式(Local Binary Pattern,LBP)特征直方图的一阶熵、二阶熵作为LBP特征的统计测度,降低LBP特征的维数。同时选用边缘密度作为纹理描述的特征之一,弥补LBP算子提取纹理特征不足、抗干扰能力差的缺点。然后以上述纹理特征构成特征矢量,采用模糊C-均值(Fuzzy C-Mean,FCM)聚类算法进行聚类分割。在实验中,对比了该算法与灰度共生矩阵、传统LBP算子在钢丝绳图像分割中的效果。结果表明,该算法可以有效地对钢丝绳图像进行纹理分割,并能取得良好的边界定位效果,性能优于另外两种算法。

拍摄全景建筑图像自动拼接匹配仿真

对全景建筑不同角度图像的自动拼接匹配,能够有效提高对建筑图像的复原。对全景图像的自动拼接匹配,需要提取全景图像特征区域,对匹配块重叠区域链接约束进行局部优化,完成全景图像的拼接匹配。传统方法获得待拼接图像的显著图,将待拼接图像的前景和背景区域分离,但忽略了优化局部区域链接约束,导致拼接效果不理想。提出基于局部边缘密度LED算法的全景图像自动拼接匹配方法。结合视觉传达技术进行全景图像特征区域提取,采用待拼接图像的局部熵差进行特征点匹配搜索,对特征匹配块重叠区域引入形状扭曲约束和块链接约束进行局部优化,获得修正后的待拼接图像,对待配准图像进行图像融合获得全景拼接图像。实验结果表明,所提方法能够有效突出图像边缘细节,实现了尺度变化条件下的全景图像无缝拼接。

一维光子晶体带隙边缘处态密度突然增强现象的理论分析

针对一维光子晶体态密度(density of states,DOS)特性,建立数学计算模型,并就其带隙边缘突然增强现象,研究了近似局域最大值与周期数、薄膜材料折射率之间的对应关系。首先计算得到了特定周期数、相对折射率差下的近似局域最大值,接着绘制了DOS带隙特性曲线,验证了局域最大值的准确性。最后通过分析,进一步得到了周期数、相对折射率差对带隙边缘处DOS突然增强现象的调制关系。

基于改进力导向模型和局部密度的聚类算法

在没有先验知识的前提下,聚类是分析样本集中不同类簇的有效方式。文中提出了一种基于改进力导向模型的聚类算法。为实现样本数据预处理的类内聚集和类间分离效果,设计了基于样本点局部密度和样本间距离的吸引力计算方法、基于样本点近邻连通图中边的介数的排斥力计算方法。实验结果表明,文中算法能够使得类内样本点更加聚集、类间样本点更加分离,可以有效地提高聚类的正确率。

非晶声子局域化

本文讨论非晶材料中局域声子存在条件及其态密度估计。

基于局部边缘密度和局部熵的图像拼接算法

针对传统图像拼接算法中存在的缺点,采用了基于局部边缘密度和局部熵的图像拼接算法.该算法综合考虑了图像拼接的精度和速度,在特征区域的提取上,采用了模糊聚类算法和局部边缘密度LED算法,实现了特征区域的自动选取;在匹配搜索上,采用了图像的局部熵和序贯相似性检测算法(SSDA),提高了图像拼接的速度和精度;在图像融合上,采用了动态最佳缝合线算法,保证了全景图像的质量.实验表明该算法有效的提高了全景图像生成的效率和准确性.