基于改进的GAC模型图像分割算法

针对图像分割中经典GAC模型无法准确分割拓扑结构变化的凹陷目标、容易穿越深度凹陷的弱边缘轮廓和无法准确分割含噪声目标的问题,通过利用图像灰色关联度、类间方差和经典GAC模型构造新能量函数,提出了一种改进的GAC模型,该模型可增强经典GAC模型的边界检测能力,减少分割时间。仿真实验验证了改进的GAC模型的正确性和有效性。

基于改进GAC模型的木材表面缺陷图像分割

为提高对木材表面缺陷图像分割的准确率,对木材表面缺陷图像采用传统GAC模型算法和改进GAC模型算法进行多组对比试验,与此同时研究改进算法中迭代步长、迭代次数、常数速度、反差参数等参数对木材表面缺陷图像分割结果的影响。通过试验验证了改进GAC模型算法的可行性、快速性和准确性,能够克服传统的GAC模型欠分割的缺点。

一种有效的舌体提取算法研究

针对在舌象中较难准确分离舌体的问题,提出从舌体的颜色、形状、位置等先验知识出发,采用HIS色彩模型去除舌象中的嘴唇、脸部等信息,获得舌体初始轮廓,然后用舌体修正模型修正舌体初始轮廓,最后用改进的GAC算法提取舌体.通过舌体提取实验及分析,表明该方法在舌体提取时,不仅能克服嘴唇和脸部的影响,而且在舌体凹陷区域和边缘模糊区域均能取得较好的提取效果.舌体的准确提取为下一步舌质舌苔的分离打下了良好基础.

基于贪心—蚁群钵苗自动移栽路径分段优化算法研究

针对由于穴盘孔数增大,蚁群算法收敛速度慢,且难于达到全局最优的问题,综合蚁群算法和贪心算法的优点,提出基于贪心—蚁群钵苗自动移栽路径分段寻优算法(GACS算法)。GACS算法首先将穴盘进行分段,然后利用蚁群算法进行段内最优路径,最后利用贪心算法确定段间最优连接路径,从而实现钵苗自动移栽路径达到全局最优。以运行时间和路径长度为评价指标,将GACS算法与蚁群算法进行对比。结果表明:分段数是算法重要参数,50、72和128规格穴盘,所对应的最佳分段数分别为2、4和6。由于采用分段策略,GACS算法较蚁群算法在性能上有了显著提高,算法时间缩短到蚁群算法的20%以下,最优路径长度比蚁群算法更短,算法收敛速度更快。GACS算法能够有效地解决钵苗自动移栽过程中的路径优化问题,提高移栽效率。

融合边缘与区域信息的水平集分割算法

针对测地线主动轮廓(GAC)模型容易产生边界泄露且对初始位置敏感及局部图像拟合(LIF)模型容易陷入局部极小的问题,提出融合边缘与区域模型的水平集算法。通过设置权值,该算法能自适应地调整GAC模型和LIF模型在融合算法中所占的比例。对不同图像的实验结果表明该算法的迭代收敛速度比GAC模型和LIF模型要快,分割效果明显优于GAC模型和LIF模型。