基于坎贝拉度量改进的智能拼图算法

智能拼图是根据相邻块的相似度进行组装的,因此如何计算拼图块之间的相似度度量至关重要。提出了一种新颖的匹配拼图块的相似度度量方法,考虑相邻拼图块之间边缘的相似度,将坎贝拉距离与MGC算法(马氏相似度度量)结合,确定阈值后利用贪婪算法将拼图块进行组装。将部分网络图片以及现实拍摄的部分图片进行测试,实验结果表明本文算法具有更高的准确率。

概率犹豫模糊环境下基于累积前景理论和VIKOR的多属性群决策方法

为解决概率犹豫模糊环境下的多属性群决策的问题,同时考虑到决策者心理行为的不足,例如在面对获利时风险规避,面对损失时风险偏好。提出了一种基于累积前景理论与多准则妥协优化解(VIKOR)法相结合的多属性群决策方法。首先,通过一致性调节方法确定决策者的综合权重;其次利用主客观结合的方法求解属性权重;再者通过累积前景理论完善决策者的心理决策过程,摒弃传统的欧式距离公式,采用坎贝拉距离公式加权,构建正、负理想解矩阵;然后基于VIKOR方法确定备选方案的优劣顺序,最后用数值算例进行了对比分析。结果表明:所提出的方法考虑了决策者的心理偏好,完善了决策者的心理行为,实例验证了所提方法的可行性和有效性。

基于改进CV模型的金相图像分割

对金相图像进行快速精确分割是金相晶粒评级的关键步骤,利用传统Chan-Vese(CV)模型很难将晶粒精确地提取出来.为了更加精确地对金相图像进行分割,提出一种基于改进CV模型的金相图像分割方法.初始化水平集函数,对曲线内外两部分分别计算其倒数坎贝拉距离,并将该距离的大小作为拟合中心的权重系数,有效抑制了噪声点对区域拟合中心准确性的影响;引入指数熵自适应调节曲线内外能量权重,减少固定能量权重对曲线演化的影响;同时加入距离规范项以避免水平集函数的重新初始化,加速该模型的收敛.实验结果表明,与传统CV模型、测地线活动轮廓模型、距离规范项的水平集模型以及偏置场修正水平集模型相比,所提方法分割出的金相图像更加精确,分割效率较高且模型收敛性较好.