基于全局Maxflow邻域生长算法的SAR图像目标分割

提出一种改进的GrabCut算法,利用迭代图割(GrabCut)算法对彩色图像进行分割的特点,在不需要交互式操作的情况下,将SAR图像转化为24 bit BMP的位图进行处理,再结合邻域生长算法实现对SAR图像目标的自动分割。通过对MSTAR和NASA喷气推进实验室的SAR图像进行目标分割实验,结果表明,该算法分割精度高于目前通用的其他算法。

基于时间耗费的城市轨道交通乘务排班优化

乘务排班问题一直是城市轨道交通运营部门面临的既关键又具体的问题之一,合理的排班对于减少运营中乘务费用支出,提高运营效益有着极其重要的意义。文中以上海城市轨道交通为背景,研究了城市轨道交通乘务排班软件中的优化方法。在以总时间耗费最小实现多目标优化的基础上,将优化过程分为两步,首先对列车运行线在乘务换乘点上划分为乘务作业段,这个过程归结为一个径路选择问题,通过最短路算法实现。然后将划分好的乘务作业段组合成乘务任务,这个过程是一个匹配问题,通过最小费用最大流算法来实现。本文对乘务作业段的定义与划分、时间耗费的计算及整个排班计算的实现过程进行了详细阐述。

基于快速收敛Grabcut的目标提取算法

为了加快Grabcut算法的收敛速度,提出了一种降低原图像分辨率以加快收敛速度的算法。该方法将原始图像的分辨率降低,在缩小图像上迭代Grabcut算法,使得收敛速度得到极大地加快。将收敛获得的目标区域作为原始图像初始值,并再次使用Grabcut算法,从而获得了目标的细节信息。从理论上证明了在降低分辨率图像上使用Grabcut算法,其Gibbs能量单调递减方向与在原图像上一致。同时实验结果表明了该算法收敛速度快,且目标提取的效果和原始的Grabcut算法相当。

不完全标记的事务行为踪迹问题研究

开放网络环境下分布式软件在交互行为中产生的事件行为踪迹标记丢失,导致无法对软件行为进行分析和预测。为丢失的踪迹找到事件源,将不完全标记的事务行为踪迹问题转化为网路最大流问题。采用沿路径推进的增载轨算法,找到各事务产生的最有可能的行为踪迹序列。仿真实验表明:本方法可以有效、准确地标记不完全标记的事务行为踪迹序列。

综合边界和纹理信息的合成孔径雷达图像目标分割

目的针对传统Grab Cut算法需要人工交互操作,无法实现合成孔径雷达(SAR)图像的自动分割,且方式单一(仅利用边界或纹理信息中的一种)的问题,提出一种综合利用边界和纹理信息的改进Grab Cut算法,实现对SAR图像目标的自动分割。方法首先将其他格式的彩色或灰度SAR图像转化为24bit的位图,采用图形理论对整幅SAR图像建模,根据最大流算法找到描述图的能量函数最小的割集,从而分割出目标区域;然后采用中值滤波抑制相干噪声;最后通过邻域生长算法滤除图像斑点和小目标的干扰,从而达到目标边界的连接,实现自动对SAR图像中的目标进行分割。结果在64位Window 7环境下采用MATLAB R2014处理平台,对楼房、车库、大树、汽车群等4幅分辨率不同的SAR图像进行目标分割实验,特征目标被自动分割出来,耗时分别为1.69s、1.58s、1.84s和3.09s,相比Mean-shift和Otsu算法,平均计算效率分别提升150%和3%,并且图像中的背景杂波、目标阴影和干扰小目标均被有效去除。结论综合利用边界和纹理信息能够有效抑制相干噪声,去除图像斑点和小目标的干扰,从而达到目标边界的连接,实现对SAR图像目标的自动分割。实验结果表明,本文算法可以满足工程化应用要求,自适应性强,分割精度高,且具有较好的鲁棒性。