新西兰留学简介

有长白云之乡美誉的岛国新西兰,好似一叶扁舟漂在南太平洋上,那里风景优美,碧海蓝天,是闻名全球的旅游国家。新西兰距离澳大利亚约1600公里,国土面积与英国和日本相近,全国人口约为410万,大多为英国人的后裔,另外有大约13%的土著人毛利族的后裔。新西兰是英联邦的成员国,沿袭了英国的政治、经济、教育体系,实行议会民主制,社会环境安全稳定,农牧业高度发达。新西兰的教育水平在国际上尤其是亚太地区享有很高的声誉。学校师资力量雄厚,教学手段先进,教学质量高,学习费用适宜,学历国际认可。综合各项因素考虑,前往新西兰留学不失为一个非常明智的选择。为方便大家对选择学校、专业以及对留学费用等事宜有一个理性认识,笔者在此将给大家做一个大致介绍。

由质疑型学习观谈高职高专学生的创新意识——以郑州大学的实践调查为例

质疑型学习理念主要源于西方的苏格拉底。他认为一切知识,均从疑难中产生,越求进步疑难越多,疑难越多进步越大。在苏格拉底看来,学习的过程就是一个具有选择性、批判性和创造性的、充满活力的质疑创新过程。本文从苏格拉底的质疑型学习观入手,以高职高专学生的调查为例探索质疑型学习观的发展途径,从而为学生创新意识的培养营造氛围和环境。

从奥克兰华人日常对话看语码转换和母语保持

传统上对语码转换的研究主要关注语码转换的社会意义与功能、心理语言模式及其所涉及到的语法问题。本文探讨如何从儿童的语码转换中看移民的母语保持和语言替代本课题通过调查发现,尽管孩子的家庭背景、父母的工作性质及英语水平不尽相同,但在家庭日常对话中,如果父母使用英语,孩子的英语使用量将急剧增加,而且孩子在语言选择上有“升级”现象。结合其他分析,我们认为家庭是母语习得的出发点,也是移民环境下母语保持的最后堡垒。当地语言逐渐进入家庭,严重威胁着母语,也许意味着语言迁移的开始。

基于形状自适应PCA的三维块匹配图像去噪

三维块匹配法中3-D变换真实信号的稀疏表达能力较弱,针对该问题,提出一种关于图像去噪的三维块匹配(BM3D)改进算法。采用形状自适应的图像块(邻域)代替BM3D算法中的平方窗图像块,对3-D变换处理的形状自适应图像块进行PCA变换。实验结果证明,该算法能够有效去除图像的高斯噪声,提高图像的峰值性噪比和结构相似度,且在保持图像的边缘等细节信息方面性能较好,图像视觉效果有明显改善。

基于新的遗传算法的模糊C均值聚类用于遥感图像分割

标准FCM对噪声十分敏感,并且依赖于初始聚类中心选择,算法通常得到的是局部最优解而非全局最优解。针对此问题提出一种基于猴王遗传算法的改进的FCM算法.猴王遗传算法是一种新颖的全局优化搜索算法,具有高效的计算性能和优良的全局搜索能力。本文首次将猴王遗传算法(MKGA)与结合空间领域信息的FCM相结合,利用改进的FCM算法的目标函数建立适应度函数,利用猴王遗传算法搜索全局最优解,代替FCM的基于梯度下降的迭代过程,从而有效地避免了模糊C-均值聚类算法收敛到局部最优和对噪声敏感的问题。在此基础上实现了对遥感图像的聚类分割。实验结果表明,该算法对于遥感图像显示了较好的分割效果和较强的抗噪能力。

基于k均值和量子遗传算法的RBF网络优化

针对遗传算法容易出现早熟的问题,提出一种基于k均值和量子遗传算法的径向基函数(RBF)神经网络组合优化方法。通过k均值聚类求取网络的中心,用量子遗传算法训练网络的权值,利用量子染色体的表示方式以及量子染色体的更新提高算法的并行性,从而解决遗传算法早熟的问题,提高网络的适应度。相对于PSO-RBF和ACO-RBF,该方法提高网络的收敛速度,实现对RBF网络的优化。

基于混合蛙跳算法改进的OTSU遥感图像分割方法

阈值的快速选取和噪声处理对图像分割起着至关重要的作用。针对遥感图像分割过程中阈值快速选取和噪声处理的问题,首次提出一种基于混合蛙跳算法优化改进的OTSU遥感图像快速分割算法。该算法首先对图像进行处理,引入一个邻域的空间和灰度相似测量因子来进行抗噪并且保护图像细节。再以最大类间方差作为混合蛙跳算法适应度函数,通过混合蛙跳算法的局部搜索和全局信息交换来快速确定图像分割的全局最佳阈值。实验结果表明,与传统OTSU图像分割算法及基本遗传算法改进的二维OTSU图像分割算法相比,该算法能更有效地去除噪声的干扰,算法运算效率更高。

基于改进的Otsu算法的遥感图像阈值分割

传统的Otsu算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。本文在分析传统的Otsu算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的Otsu算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。实验仿真结果表明,与传统的Otsu算法以及其它的一些改进的Otsu算法相比,本文算法具有明显的优越性。

基于NSCT与模糊对比度的图像增强算法

针对图像在增强的过程中容易放大噪声,造成图像的失真和细节不明显等问题,结合NSCT(non-subsampled contourlet transform)和模糊集理论,提出一种改进算法。利用NSCT的平移不变性和多分辨率分析特点对图像进行非下采样Contourlet变换,对低频系数采用线性增强,用改进的自适应阈值函数来处理高频系数,利用改进的模糊对比度来增强图像的边缘和纹理,使用伽马校正对增强后的图像进行校正,提高全局对比度。实验结果表明,该算法能够明显改善图像的视觉效果,增强图像的细节信息。

改进的模糊熵与图像局部信息相结合的遥感图像分割新算法

针对传统的一维最大模糊熵图像分割算法没有考虑图像的局部信息而对噪声十分敏感的这一不足,本文提出了结合图像局部信息的一维模糊熵图像分割算法。该算法将图像的空间信息和像素信息引入到一维模糊熵图像分割算法中,并运用微正则退火算法对一维最大模糊熵进行改进,从而提高了传统的一维最大模糊熵分割精度。实验结果表明,该算法显示了很好的分割效果和较强的抗噪性能。

改进的FKCN与局部信息相结合的图像分割

FKCN在分割图像时存在速度慢,对噪声比较敏感等问题。对FKCN进行改进,提出了快速的FKCN与图像局部信息相结合的遥感图像分割算法,将图像的空间信息和像素信息引入到改进的FKCN图像分割算法中,从而提高了FKCN的分割速度而且还增强了抗噪性能。实验结果表明,该算法显示了很好的分割效果和较强的抗噪性能。

基于NSCT和改进模糊的遥感图像增强方法

为了解决遥感图像处理过程中噪声放大和图像失真现象,提出了一种结合NSCT和改进模糊对比度的图像增强方法。通过NSCT变换把图像分解成低频子带和若干个高频子带;对低频子带进行线性增强,并利用改进的阈值函数对高频子带进行去噪;随后采用改进的模糊对比度来调整NSCT反变换的系数,以提高图像的整体对比度。实验结果表明,提出的算法的客观指标明显优于其他对比算法,并且视觉效果也得到很大改善。

基于NSCT域的自适应阈值遥感图像去噪方法

提出一种新的基于非下采样Contourlet变换(NSCT)的图像自适应阈值去噪方法。根据NSCT系数所在领域区域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,通过本文提出的方法能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息。与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪算法比较,该算法不仅提高了图像的峰值信噪比,而且图像视觉效果也明显改善。

基于NSCT和FCM聚类的SAR图像无监督变化检测

提出了一种基于非下采样Contourlet(NSCT)和模糊C-mean聚类(FCM)的SAR图像无监督变化检测算法。首先利用基于NSCT的SAR图像去噪算法分别对两时相SAR图像进行高频系数去噪,然后利用去噪后的高频系数和低频系数构造差异图像,有效地去除了噪声对变化检测结果的影响,最后基于FCM算法实现了图像变化区域和非变化区域的分类。该算法不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强。将本文算法与NSCTKFCM和UDWTKMEAN进行比较,实验证明,本文算法不仅能够很好地保留变化区域的细节和准确检测变化区域的边沿,而且对噪声有更好的鲁棒性。

改进的FCM与局部信息相结合的图像分割

传统的EM算法和FCM算法分割精度低,时间消耗大。为解决以上不足,提出了一种基于EM、FCM和KCN三种算法相结合的全新的图像分割算法。该算法有较好的分割精度。考虑到图像会受到噪声的干扰,在改进算法的基础上又引入图像的局部信息。首先利用图像的局部信息重塑图像的灰度直方图,增强了像素的类间散布性和类内紧凑性,然后让改进的算法在重塑图像上执行。实验结果表明,该算法具有很好的分割效果和较强的抗噪性能。

一种新的基于NSCT域的遥感图像增强算法

针对图像增强处理中产生的伪Gibbs现象、清晰度差等问题,利用下采样轮廓波变换(NSCT)的平移不变性特点,来抑制伪Gibbs现象,同时把模糊对比度和空间频率相结合来处理NSCT系数,提高了增强后图像的清晰度。实验结果证实,该算法使得增强后图像的质量明显优于常用的增强算法,具有一定实践价值。

混合的SAR图像变化检测算法

为尽可能多地消除遥感图像变化检测过程中"伪变化"信息的影响,获得比较客观的感兴趣区域变化检测结果,针对遥感图像中SAR图像的特点,提出一种混合的SAR图像变化检测算法。对已配准好的图像进行Frost滤波,用邻域比值的方法构造差异图,对得到的差异图进行非下采样轮廓波变换(NSCT),对变换得到的高频子带和低频子带分别处理,用模糊C均值(FCM)聚类算法得到变化检测的结果。实验结果表明,该算法模型很好地保留了图像变化区域的细节,提高了变化检测准确性。

基于小波和NSCT的图像自适应阈值去噪方法

提出了一种基于小波和非下采样Contourlet变换(NSCT)相结合的图像自适应阈值去噪方法。先用小波估计噪声图像的噪声强弱,再根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法不仅提高了图像的峰值信噪比,减少了Gibbs现象,而且图像视觉效果也明显改善。

基于NSCT域主分量分析的遥感图像去噪方法

提出一种新的结合非下采样Contourlet变换(NSCT)和主分量分析(PCA)的图像自适应阈值去噪方法。通过PCA估计NSCT域中的噪声能量,并与NSCT系数的领域信息相结合,构造出自适应阈值对遥感图像进行去噪。仿真实验结果表明,提出的方法与Contourlet硬阈值,基于Contourlet的图像PCA和NSCT硬阈值去噪方法相比能够有效去除遥感图像的高斯噪声,较完整地保持图像的边缘等细节信息,提高了图像的峰值信噪比,图像视觉效果也有明显改善。

基于改进模糊算法和相对熵的遥感图像增强

针对传统的Pal-King算法阈值难以确定的缺点,利用改进的最大类间方差(OTSU)算法来自适应获取阈值,通过改进的模糊增强算法对遥感图像进行全局增强,然后以相对熵为判别标准,进行领域信息的自适应对比度增强。实验结果表明,该算法增强的结果在主观上能获得很好的视觉效果,客观指标中清晰度和标准差有了大幅度的提升。因此该算法能获得很好的视觉效果和更加明显的细节信息。