一种基于多分辨率与模糊聚类技术的散焦图像分割算法

带有投射光栅的散焦图像的准确分割是3维物体复原的重要环节。为了更准确地进行散焦图像分割,基于所提取的带光栅散焦图像特征,提出了一种将多分辨率分析与模糊聚类技术融合实现图像分割的算法。该算法是利用多分辨率技术来建立面向像素特征向量的多级图像联系矩阵,并在图像低分辨率级进行基于模糊聚类的区域分割。实验证明,该技术不仅克服了直接分割的困难,而且提高了分割的正确率,因此表明,该算法是有效的。

利用图论多分辨率聚类方法构建核磁可变T2截止值预测模型

准确求取T_(2)截止值对核磁共振资料在储层评价中的应用至关重要,传统T_(2)截止值获取方法受到区域性、储层非均质性等影响明显,实际使用中往往误差较大。基于岩心核磁实验,分析物性参数、核磁共振T_(2)谱几何均值等参数与T_(2)截止值之间的关系。考虑到储层非均质的影响,提出采用图论多分辨率聚类方法,利用邻近指数和核心代表指数划分测井相,结合铸体薄片等资料建立测井相与岩相的对应关系,建立基于测井相约束的可变T_(2)截止值预测模型。在渤海盆地X油田实际应用中表明,所提出的模型计算的T_(2)截止值与岩心核磁实验T_(2)截止值测量值误差较小,较传统方法优势明显,进一步提高了利用核磁共振资料计算储层参数的准确性与适用性。

利用测井曲线图论多分辨率聚类识别松南地区火山岩岩性

由于钻井提速和火山岩岩性本身的复杂性,常规岩屑识别火山岩岩性存在多解性.在松南地区,中基性火山岩与碎屑岩不管在测井曲线值域还是在测井识别图版上叠置都较为严重,而火山岩取心层段有限、特殊测井费用高昂,因此能否经济有效地识别火山岩岩性制约着火山岩期次划分及储层深入的分析和研究.在深入挖掘中基性火山岩与碎屑岩、中基性火山岩不同岩性类别之间在常规测井响应特征差异的基础上,采用了图论多分辨率聚类的方法,深度学习每种岩性在多条测井曲线上的正态分布范围,通过神经网络算法将具有相似分布特征的层段进行聚类,最后根据测井曲线范围分布确定岩性类别.该方法对中基性火山岩岩性划分起到了良好效果,与实际地质认识及取心认识相符,在其他岩性识别上也具有推广意义.

基于图论多分辨率聚类法的测井相划分及渗透率评价——以渤海P油田W井区馆陶组为例

同一油组(油田)采用同一孔渗指数关系模型计算渗透率时往往会出现比较大的误差。提出基于图论多分辨聚类法的测井相划分方法,即利用邻近指数划分不同类别的测井相,利用核心代表指数优选最佳测井相,该方法参数较少且运行结果稳定。以渤海P油田W井区馆陶组为例,结合地质、测井及岩心铸体薄片等资料,确定了研究区测井相与岩相对应关系,建立了基于测井相约束的渗透率评价模型。应用效果表明,与常规孔渗指数模型计算的渗透率相比,本文模型计算的渗透率与岩心分析渗透率吻合程度更高,进一步提高了地质建模中渗透率建模的精度和准确度,可以为油田的滚动开发方案井位部署提供定量依据。

基于超分辨率纹理重构的数码迷彩设计研究

为实现数码迷彩设计与背景纹理特性精准化结合目的,提出了一种基于超分辨率纹理重构算法的数码迷彩设计方法。首先利用模糊聚类法提取了背景主色,再使用Criminis算法生成数码迷彩使边缘分割更细碎;最后改进的超分辨率纹理重构算法,将背景图像上的纹理细节放大至迷彩图案中,使数码迷彩图像的纹理适应性更强。针对戈壁、丛林两种典型背景图像进行数码迷彩设计,结果表明使用该模型生成的数码迷彩纹理适应性较强。

基于网格和图论的初始聚类中心确定算法

针对传统K-means算法随机选取初始聚类中心,易造成准则函数收敛速度慢、聚类结果陷入局部最优等问题,提出一种基于网格和图论的初始聚类中心确定算法。该算法将数据空间网格化,通过在网格单元上形成树的连通分支来选取初始中心点。采用模拟和真实数据集对该算法选取的初始中心进行测试,实验结果表明,改进后的K-means算法在降低时间复杂度、减少迭代次数以及提高聚类精度方面都取到了较好的效果。

无线传感器网络的图论聚类算法研究

为了解决传感器通过三层网络结构向融合中心传递数据时必须进行分簇的问题,提出了一种采用图论方法进行聚类分簇的具体实现算法及实现过程,并通过实验验证了图论分布式聚类算法相对于集中式K-平均算法的性能优越性。

基于自适应锚定邻域回归的图像超分辨率算法

在基于字典的图像超分辨率(SR)算法中,锚定邻域回归超分辨率(ANR)算法由于其优越的重建速度和质量引起了人们的广泛关注。然而,ANR算法的锚定邻域投影并不稳定,以致于不足以涵盖各种样式的映射关系。因此提出一种基于自适应锚定邻域回归的图像SR算法,根据样本分布自适应地计算邻域中心从而以更精确的邻域来预计算投影矩阵。首先,以图像块为中心,运用K均值聚类算法将训练样本聚类成不同的簇;然后,用每个簇的聚类中心替换字典原子来计算相应的邻域;最后,运用这些邻域来预计算从低分辨率(LR)空间到高分辨率(HR)空间的映射矩阵。实验结果表明,所提算法在Set14上平均重建效果以31.56dB的峰值信噪比(PSNR)及0.8712的结构相似性(SSIM)优于其他基于字典的先进算法,甚至胜过超分辨率卷积神经网络(SRCNN)算法。同时,在主观表现上看,所提算法恢复出了尖锐的图像边缘且产生的伪影较少。

基于图论聚类和最小临近算法的岩性识别方法——以四川盆地西部雷口坡组碳酸盐岩储层为例

碳酸盐岩具有非均质性强、岩性变化快和岩石类型复杂的特征,岩性精细识别难度大,严重制约了储层参数的计算及后续油气开发。以四川盆地西部雷口坡组碳酸盐岩储层为例,结合岩心和薄片等分析测试资料将储层发育的岩性分为8类:藻粘结白云岩、粉晶白云岩、泥晶白云岩、灰质白云岩、白云质灰岩、灰岩、膏质白云岩和石膏,明确了不同岩性的测井响应特征。采用机器学习的思想,将已知岩性定名样本作为训练数据,利用图论聚类分析方法建立岩性识别训练模型,在此基础上结合最小临近算法对未取心井岩性进行预测,实现了不同岩性的精细识别。区块应用结果表明:该方法岩性识别整体符合率高达91.3%,有效提高了岩性识别精度。

一种结合超像素和图论的高空间分辨率遥感影像分割方法

超像素分割已成为遥感影像预处理研究的新热点,但易形成过分割。为解决该问题,提出一种结合超像素和图论的高空间分辨率遥感影像分割方法。首先,采用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法对遥感影像生成超像素过分割影像;然后,采用图论算法对超像素进行合并,通过计算得到每次合并后的分割数对应的局部方差,确定合适的影像分割数;最后,根据合适的影像分割数用图论算法对超像素重新聚类合并。实验数据为4幅不同空间分辨率、不同场景的遥感影像,采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法能有效地解决遥感影像过分割结果的问题,获得了良好的分割结果。

基于压缩感知的声纳图像超分辨率重建算法

超分辨率重建通用方法中,图像分解后对应小波基只能有效稀疏表示单一成分,往往只侧重边缘成分而忽略了光滑成分等。针对这个问题,本文改进了一种基于压缩感知的声纳图像超分辨率重建算法。该算法基于三种不同稀疏字典小波变换模型,运用一种基于K-均值聚类算法的结构化字典训练法,并采用Newton-Raphson法进行迭代算法处理,实现声纳图像压缩感知的超分辨率重建。最后通过仿真实验,验证了此种算法的可行性和有效性。实验结果表明,该算法获得的超分辨率图像能够很好地重建并保持原图像的特征,能高效地改善并提高重建质量。

网格化电力负荷预测的最佳空间分辨率获取算法

该文提出了一种基于网格化的空间分辨率获取算法,用以改善空间负荷预测的结果。该方法对数据进行综合分析,得到元胞大小,使得该元胞具有高内部相似性和高外部差异性,求得的网格大小同时兼顾空间误差和计算量两方面优点,提高了空间负荷预测结果的准确性。以某城市的一个小型行政区为例进行实例分析,考虑其实际配电系统中变压器的空间分布,结果表明文中所提出的方法是正确有效的。

Adam优化的CNN超分辨率重建

为了使单帧图像在不同放大倍数的条件下进行超分辨率重建能得到较好的效果,提出了一种Adam优化的卷积神经网络(convolutional neural network,CNN)超分辨率重建方法。该方法首先使用ISODATA(iterative selforganizing data analysis)聚类算法对训练的图像集进行分类处理,然后在Adam优化的卷积神经网络中对输入图像进行特征提取和非线性映射得到特征映射图,最后在Adam优化的卷积神经网络中对特征映射图进行反卷积重建得到多尺度放大的重建图像。通过实验验证使用该方法在不同放大倍数条件下的重构效果优于传统算法,在视觉效果上有较好的表现。

基于稀疏表示的多幅图像快速超分辨率重建

针对基于稀疏表示的图像超分辨率重建(SRR)提高图像的重建质量,但一般存在计算量大、耗时长的问题,通过粒子群优化稀疏表示算法获得稀疏表示;对多幅图像的稀疏系数进行融合;根据融合后的稀疏系数重建得到高分辨率图像。实验结果表明:方法的重建速度更快,重建质量更高。

基于测度的网格聚类算法

基于测度的网格聚类方法在数据空间上定义计数测度,并以计数测度构造目标函数.通过调整划分数据空间的分辨率,使目标函数值最大,从而实现分辨率的自动确定.在此分辨率下,某些数据细节被忽略,但是数据的主要属性和关系更为明显.距离较近的数据将被聚类到属性相同的同一簇中,使簇间的数据相似性最小,簇内的数据相似性最大.算法中没有对参数值进行人为设定,可以实现提高准确性的目的.

基于图论Gomory-Hu算法的快速图像分割

Gomory-Hu算法是图论中的经典算法,用于寻找图的最小流割等价树,具有最优解,但是该算法很难处理较大的图像,而且倾向于分割出孤立点集。为此,给出了孤立点的判定方法,并提出一种基于Gomory-Hu算法的图像分割方法。该算法首先通过快速聚类减少图中顶点数目,然后构造新的赋权图,并应用Gomory-Hu算法对图进行最优划分,得到分割结果。提出的算法对多幅自然图像进行了分割实验,平均分割时间在3 s内。实验结果证明了算法的有效性和快速性。

结合模糊聚类与色彩空间的遥感图像阴影检测

高分辨率遥感图像中的阴影会导致特征信息的丢失、物体的假色调和形状失真,严重影响图像的质量。针对现有阴影检测算法对遥感图像中非匀质阴影区域及亮阴影区域易漏检、检测精度低等问题,该文结合模糊聚类及HSV色彩特征提出了一种新的遥感图像阴影检测算法。首先,对图像进行预处理,剔除亮度、饱和度与阴影区相似的干扰地物;其次,利用基于局部信息改进的模糊聚类算法对图像进行结合邻域信息的聚类,克服噪声情况下的错误聚类;最后,结合图像在HSV色彩空间的H分量和RGB空间的灰度直方图进行多阈值提取阴影,得到阴影区域。实验证明,改进算法有机结合了阴影像素点的邻域信息及色彩不变特性,在亮阴影及非匀质阴影区域检测中明显提高了检测精度。

结合图论的供水管网PMA分区方法

供水管网压力分区(PMA)以压力调控为主,兼顾区域计量,可有效地控制城市管网漏失,为此,提出结合图论的PMA分区方法,首先运用自适应AP聚类算法结合经济性计算对供水管网进行初步分区,确定分区数目;然后运用迪杰斯特拉(Dijkstra)算法计算各个聚类中心点到水源的最短路径,确定各个分区的供水管段;建立分区边界优化模型,运用模拟退火算法求解该模型;最后结合人工经验对部分分区进行适当合并,形成最终方案并运用于Y市供水管网实例,取得良好结果.该种分区方法是以计算机算法为主体并结合人工经验,很大程度降低分区的工作量,并且比传统的人工试错分区具有更大的搜索空间,可用于指导实际供水管网的PMA分区.

基于最小最大割算法的阈值分割算法

近年来,建立在图论基础上的谱聚类算法作为一种新型的工具被应用于图像分割。其本质是将图像分割转化为最优化问题,其中的最小最大割算法(Min-max cut)能充分满足聚类算法的准则。算法实现过程中,把最优化准则转化为特征系统进行求解。该实现方法计算复杂,随着图像尺寸的增加,所需存储空间和计算时间复杂度都会增加。在实现最小最大割算法时,用基于灰度级的权值矩阵代替通常所用的基于图像像素的权值矩阵来描述图像各像素的关系,确定分割的阈值。实验表明,此方法实现的最小最大割算法实现简单、实时性高,具有自动分割等优越的分割性能。

基于集合论与图论的餐饮推荐聚类算法

为了提高餐饮推荐系统的准确率,提出一种基于集合论和图论的餐饮高维非数值型数据聚类算法.首先将菜品数据进行预处理,找出需要的特征,删除不必要的特征,再将这些特征以集合的形式输入到系统中,使用改进的杰卡德相似系数对集合进行相似度计算,得到以集合表示方式的菜品数据间的相似度,接着将所有的数据转换为无向图,最后利用图形聚类算法进行聚类分析.实验结果表明:所提出算法的聚类过程不受噪声影响,具有很好的实用价值.