一种改进的Split-Merge图像分割算法

图像分割的经典算法Split-Merge算法思路简洁、运算效率高,但存在边界定位不准确和过分割等问题。针对过分割问题提出了一种改进的Split-Merge算法,在合并过程中引入全局目标函数,并在目标函数中定义了长度项,使用贪心法完成合并过程。长度项以及贪心法的使用促使相邻区域充分合并,有效地克服了过分割等问题,取得了较好的分割效果。

嵌入式伺服下ZDR温盘控制软件中SPLIT技术的研究

着重研究了ＺＤＲ盘控制软件中扇区ＳＰＬＩＴ关键技术的实现，提出了ＳＰＬＩＴ算法，已在嵌入伺服中的ＣＰ３０４４上模拟实现。

在Split-Merge框架下进行基于图的图像分割

Split-Merge算法是图像分割领域的经典算法,思路简洁、运算效率高,但因分裂位置和形状固定,导致出现方块效应和边界定位不准确等问题。现有的各种改进算法不能从根本上解决这些问题,为此本文将基于图的分割算法纳入到Split-Merge框架中来,提出了在Split-Merge框架下进行基于图的分割。新算法把传统的基于图割值的算法作为分裂阶段的处理手段,在合并阶段采用本文提出的一种与访问次序无关的合并算法。新算法既解决了Split-Merge算法中因分裂位置和形状固定而带来的各种问题,也有效地消除了在基于图的分割中常见的"过分割"现象,取得了满意的分割效果。

多车场多车型最快完成车辆路径问题的变异蚁群算法

一般车辆路径问题的目标是总路程或总费用最小,而在应急管理或特殊配送中要求以最快的速度完成配送任务,该文研究了以最快完成为目标的多车场多车型车辆路径问题的变异蚁群算法.首先介绍了多车场多车型最快完成车辆路径问题,然后分别给出求解多车型和单车型问题的车辆分割的动态规划方法,并把单车型问题的动态规划方法和改进的Split方法进行对比,同时利用改进的最大流算法将车辆分配给各车场,从而把该问题转化为寻找最优顾客排列的问题.随后给出了求解该问题的变异蚁群算法,最后给出了计算实例.

融合变分模型与快速算法分割噪声图像

针对现有的变分水平集方法对噪声图像分割不理想和计算效率较低的情况,提出一种改进的可有效分割噪声图像的变分模型。首先改进了Chan-Vese模型的能量泛函,并引入辅助变量耦合某些拟合能量项,接着用凸松弛方法将其转化为凸优化问题。该优化问题可转化为几个子问题,在求解时结合快速的Split-Bregman算法和AOS算法以提高速度。对噪声图像作分割实验,并与不引入辅助变量的水平集方法作比较。结果表明,本文提出的变分模型对带某些类型噪声的图像分割不仅提高了计算效率,还能较好地分割目标。

几种矢量图像噪声去除变分模型的边缘保持比较(英文)

矢量图像噪声去除的变分模型必须考虑不同通道图像间的耦合以保持图像边缘,但所得到的模型复杂、计算效率低,且不同耦合方法对应的模型的边缘保持质量不同。本文首先设计了目前已经提出的这类变分模型的快速Split Bregman算法,然后通过大量数值实验对不同模型的边缘保持特性和计算效率进行了比较。所研究的模型分别使用LTV(layered total variation)规则项、MTV(multichannel total variation)规则项、CTV(color total variation)规则项、PA(polyakov action)规则项和RPA(reduced polyakov action)规则项。实验结果表明CTV模型对矢量图像去噪边缘保持最好,其他依次是PA模型、MTV模型、RPA模型和LTV模型;LTV模型计算效率最高,其他依次是MTV模型、RPA模型、CTV模型和PA模型。