碎纸片的拼接复原方法研究

碎片经扫描后存为位图文件,碎片位图的每一个像素是用8bit表示的灰度值.位图像素点能够通过原始变量组内相关性检验,且各碎片边缘像素点也能够通过变量组间线性相关性检验.因此可以对各碎片边缘像素点使用典型相关性分析,根据分析结果进行碎片匹配.典型相关分析可以使用统计学中的方差、协方差及相关矩阵等建立相关模型,分析出各碎片轮廓像素值间的相关性.实践证明,在进行碎片边缘相关性分析中使用相关矩阵的效果较好.通过对相关性计算与碎片拼接递归程序的运行结果的分析表明,论文提出的碎纸片半自动拼接方法适用于规则切割的碎纸片的拼接.     

FAT32与NTFS文件系统碎片提取研究

在FAT32与NTFS文件系统中,文件通常是以簇为单位存储的,并且根据文件存储的先后顺序连续分配相应的簇。但在实际中,经常会出现文件删除或者替换等操作,这样就容易产生碎片,FAT32和NTFS因文件系统结构不一样,碎片文件的提取方法也不一样。碎片文件的存在容易影响系统的运行性能,降低文件读取速度和硬盘寿命,所以磁盘碎片整理是必要的。     

一种提升哈夫曼编码压缩比的方法

图像压缩领域中,哈夫曼编码被广泛用于消除图像中的编码冗余,但当图像像素值的离散程度较大时,使用哈夫曼编码对图像进行压缩后的压缩比相对较低。针对上述问题,研究了图像像素值的离散程度与哈夫曼编码压缩比的关联关系,提出了一种提升哈夫曼编码压缩比的方法,该方法利用直方图规定化算法,在图像进行哈夫曼编码之前,对图像直方图进行预处理,将图像像素值集中在直方图上一个较窄的灰度级区间,降低图像像素值的离散程度,达到后期提升哈夫曼编码压缩比的目的。通过客观数据和主观观察验证了该方法在不影响图像视觉质量的前提下,有效提高哈夫曼编码的压缩比。     

分数阶微积分在图像处理中的应用

为了增强图像边缘和纹理以及去除图像噪声,讨论分数阶微积分算子频域特性,提出新型的分数阶微积分算子模板和算法。考虑边缘和纹理具有方向性、空间邻域内像素的关联性以及相邻像素灰度值的相近性,利用3×3模板,在分数阶微分增强时,取中心点4个方向最大值为增强值;在分数阶积分去噪时,将图像分别在8个方向卷积,按照在8个方向卷积结果总和中所占的比例大小进行线性加权,从而得到去噪后的图像。实验结果表明,提出的分数阶微积分算子能明显地增强图像的边缘和纹理信息以及去除图像噪声,并且视觉效果明显。     

三角面片点云数据处理的研究与应用

点云数据转换成灰值图时,对每个像素点周边邻域内的点云进行计算从而估计出该像素点的像素值,但其效率和精度较低。针对上述问题,首先对点云数据进行多视图拼接和滤波处理,然后提出利用三角面片法对点云数据进行处理,将文件头和三角形面片信息分成两部分进行存储,最后,提出在知道坐标原点的位置以及两个基本平面的法向向量值的情况下,进行点云的位置变换的算法。实验证明,提出的三角面片方法可以提高STL文件解析的数量,提出的点云位置变换算法将点云位置变换到加工时所需的坐标系,从而提高数据处理的效率和精度。     

基于边缘和梯度场的图像表示和压缩方法

提出一种基于边缘和梯度场的图像表示和压缩方法.将图像表示成边缘域的像素和非边缘域的梯度场,并分别进行编码.编码端,采用自适应四叉树分解和一维小波变换编码边缘域,采用二维小波变换编码梯度场.解码端,由对逆变换得到的边缘域和梯度场,通过梯度域变分重构进行解码恢复.方法能用于无损和有损图像压缩,具有较好的压缩性能,并能有效地克服边缘附近的振铃效应.     

基于空间约束模糊聚类的活性污泥显微图像分割

针对活性污泥相差显微图像中絮体和丝状菌分布不均衡、絮体结构多样、存在大量细小丝状菌、图像对比度低,以及光晕、阴影等现象,提出了一种基于多尺度Retinex和空间约束模糊聚类的丝状菌分割算法和基于阈值、形态学操作的絮体分割算法。丝状菌分割算法对原始图像进行多尺度Retinex增强改善不同样本的光源强度,顶帽、底帽滤波增强絮体和丝状菌的对比度,采用边缘检测方法去除图像背景,考虑显微图像相邻像素空间的邻域信息采用空间约束模糊聚类法对增强后的图像进行聚类,结合像素面积和回旋半径形态学特性参数确定丝状菌目标和去除碎片;絮体分割算法利用灰度变换、图像反转以及开操作对絮体进行预处理,克服图像中的光晕和阴影,用阈值分割算法分割絮体,利用形态学操作对其进行后处理。实验结果表明,所提算法在图像分割准确率、精确率、Dice等指标上有明显提升。     

等离子体碎片加速器的放电电流测量

基于最新研制的脉冲运行装置—等离子体驱动微小碎片加速器的诊断需求,设计了罗科夫斯基线圈及其信号处理电路;对线圈的测量原理、线圈结构及电子线路方案设计、静电屏蔽等环节进行了详细分析和介绍,并对测量结果结合线路理论进行了分析和验证,同时对误差来源进行了讨论.     

一种免除二值化的视频叠加中文字符识别方法

提出一种新的用于识别视频中字幕文字的方法。鉴于视频中文字的大小、颜色、渲染风格和分辨率的不同,以及视频中各种复杂背景的影响,识别视频中的叠加文字是一个尚未解决的问题。目前,大多数视频叠加文字识别方法都基于视频文字的二值化和传统OCR引擎的结合。然而,二值化过程容易引入噪声和文字笔划信息的丢失。另外,传统OCR技术主要专注于高分辨率的扫描打印文档,这些文档具有背景单一、噪声少和笔划信息较完整的特点。因此,传统OCR引擎用于识别叠加文字二值化后的结果可能不够鲁棒。为解决这个问题,直接从未二值化的叠加视频文字图像中提取Gabor特征用于训练二层字符识别器。实验结果表明,本文提出的方法在多字体视频叠加中文文字识别上有良好的效果。     

基于边缘和局部能量的NSCT变换遥感图像融合

对基于边缘的算法进行了改进,综合考虑了边缘和能量结构. 首先利用非下采样contourlet(NSCT)变换,对图像进行多尺度和多方向的分解;然后将低频系数按边缘能量大小划分为边缘和平滑2部分,边缘部分采用边缘能量取最大的融合方法,平滑部分使用基于局部能量的规则进行融合,高频子带使用相关系数和局部方差相结合的重要性测度法进行融合;最后对融合系数进行NSCT反变换得到融合图像. 实验结果表明,该算法融合效果较基于边缘算法有所改善,是一种有效兼顾细节和能量结构的方法.     

基于优化初始类中心点的K-means改进算法

K-means算法是一种重要的聚类算法,在网络信息处理领域有着广泛的应用。由于K-means算法终止于一个局部最优状态,所以初始类中心点的选择会在很大程度上影响其聚类效果。本文提出了一种K-means算法的改进算法,首先探测数据集中的相对密集区域,再利用这些密集区域生成初始类中心点。该方法能够很好地排除类边缘点和噪声点的影响,并且能够适应数据集中各个实际类别密度分布不平衡的情况,最终获得较好的聚类效果。     

一种改进的基于峭度指标的FastICA算法

基于峭度指标的FastICA算法具有较快的收敛速度和较高的计算效率,被广泛应用于多光谱图像的特征提取。经典的FastICA算法基于固定点迭代法得到图像的各个独立成分,在迭代过程中,每一个独立成分的求解都需要所有像元的参与。因此,当数据量较大或图像中像元较多时,FastICA的计算量很大,此时它的速度优势就会大打折扣。遥感数据一般都具有较大的尺寸,因此如何将FastICA直接应用于遥感数据,是一个具有实际意义的问题。通过引入多光谱图像协峭度张量的概念,将FastICA的固定点迭代问题转化为代数形式的张量计算,避免每次迭代过程中需所有像元参与的缺陷,因而大大降低计算复杂度。多光谱图像实验结果表明,该算法明显快于传统的基于峭度指标的FastICA算法。     

基于SVM分类器的集装箱箱号识别法

为准确、高效地识别集装箱箱号,提出基于支持向量机(Support Vector Machine,SVM)分类器的集装箱箱号识别法.在对大量箱号图片进行实验并统计各种特征识别率的基础上,经过预处理、箱号定位、字符分割,得到36×22像素大小的二值化图像;提取箱号字符的边界和质心特征、改进的灰度直方图特征以及边缘方向直方图...     

一种基于谱聚类算法的高光谱遥感图像分类方法

结合K-means算法和谱聚类方法的优点,提出一种新的高光谱图像聚类方法。该方法在对高光谱图像数据进行特征降维的基础上,采用K-means算法对图像进行粗聚类处理,然后采用谱聚类方法对粗聚类结果进行较高精度的聚类。与K-means聚类算法相比,该方法有效提高了高光谱图像聚类的分类精度。对模拟数据和真实的高光谱数据的对比实验表明,相对于K-means和谱聚类方法,该方法具有良好的聚类性能。     

基于RUS-CHN标准的手腕骨骨化中心识别分割算法

摘要：骨龄是儿童青少年生长发育的重要指标,目前自动化骨龄判读算法研究中,针对骨化中心的准确分割提取是重要一环。然而之前的研究多采用单一算法、过度追求算法效率,导致稳定性、准确度不高。本研究基于《中国人手腕骨发育标准-中华05》中RUS-CHN方法,针对13处骨化中心的提取问题,改进了骨化中心提取的准确度和稳定性。所用算法包括： Canny边缘识别、基于局部图像灰度特征的边缘筛选,边缘连接、骨中轴线多项式拟合、基于Gabor纹理分析的骨化中心精确定位算法。实验表明：对随机抽样的980张待分割样本,本研究应用综合算删除法,对RUS-CHN判读方法所关注的13个骨化中心区域进行分割,13个骨化中心均正确识别并分割的成功率达到了99.2%。     

基于自适应K均值聚类和霍夫变换的船舶干舷视觉检测

针对内河船舶监管过程中对船舶干舷的测量还需人工巡航,增加了海事部门管理成本问题,提出一种不借助船舶水尺标志检测船舶干舷的方法。对采集的图像进行中值滤波预处理,去除孤立点、降低噪声敏感性;考虑图像颜色特性,应用自适应K均值聚类算法识别船舶区域;联合Canny边缘检测和霍夫直线检测的方法,标记船舶吃水线和甲板边线,并利用数学形态学方法提高检测准确性;基于标定相机和双目测距原理建立图像坐标与世界坐标转换关系,找到甲板中间位置,取其与水面的距离作为船舶实际干舷值。用相机拍摄内河船舶进行检测,结果表明,该方法可以对内河船舶的吃水线和船舷线进行检测并计算干舷值,用于判断船舶是否超载并及时发出预警,满足海事部门的监管需求。     

聚类分析在学生成绩管理中的应用

对高校学生考试成绩进行分析是教学管理的重要工作之一,传统的分析统计方法虽然方便快捷,但这种方法存在一些缺陷,不能客观而全面的反映学生的学习情况。使用数据挖掘中聚类分析方法对学生的原始成绩进行分析,可以有效地克服传统分析方法的缺陷。实验结果表明:k-means算法对学生成绩进行快速聚类具有较高的效率,能够有效地克服传统分析方法的缺陷。     

基于非规范电磁势三维涡流问题的有限元逼近(英文)

最近 20年来,A φ法已广泛应用于涡流模型的数值计算,但关于该方法的误差分析在国内外迄今尚未能见到有关文献。给出了基于非规范电磁势的三维涡流问题有限元方法的一个收敛性分析。在适当的正则性假设下,得到了全离散有限元A φ格式的误差估计