狼群优化的二维Otsu快速图像分割算法

传统二维Otsu快速图像分割算法选取阈值时常采取穷尽搜索方式,而这种搜索方式降低算法的实时性,且延长算法的分割时间,从而对图像分割结果产生不良影响。为提高二维Otsu快速图像分割算法的运行效率,可采取狼群算法对最优阈值进行搜索,每匹人工狼就代表着一个可行的二维阈值向量,而狼群进行游走、围攻和召唤等智能行为的不断迭代和狼群间的信息交互,从而获取到最佳的阈值,这样既能够缩短算法的分割时间,又能够提高图像分割结果的精确度。论文用狼群算法取得最优的二维阈值向量,来解决快速图像分割问题。

一种机器人室内场景图像识别方法

为了对现有机器人的物体识别进行优化和改进,提出了一种新的权重计算方法进行室内场景图像识别。该方法通过对输入场景的转换获取无向带权图,在表面法方向的基础上,使用表面凹凸度这一指标来进行表面粗糙度综合判定,取代了传统的布尔判定,大大提升了抗噪性能,避免出现错误传递放大的情况。基于快速图像分割算法及时识别未知物体。实验结果表明:提出方法的鲁棒性及抗噪能力均较强,优于单纯基于法方向的方法。与基于深度学习与推测的同类方法相比,所提方法性能更好,更适用于实际识别。