结合图像局部信息的高斯混合型图像分割框架

针对现有的基于判别型或聚类型的图像,用分割方法无法处理被噪声污染的图像的现状,提出一种新的两步式图像分割框架。该框架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,然后将现有的基于判别型或基于聚类型图像分割方法在重塑图像上执行,从而提高了现有图像分割算法的有效性和鲁棒性。文中用典型的聚类型方法高斯混合模型来说明该框架的可行性。由于框架的两个步骤具有独立性．因此可推广到现有的其他基于像素或直方图的方法。在人工和真实图像上的实验结果证明,这种两步图像分割框架可以获得有效且鲁棒的图像分割结果。     

基于改进的二维Otsu法的图像分割法

针对Otsu阈值法仅适合图像目标和背景分布呈正态分布且各像素量和方差基本相当的不足,提出了一种基于二维Otsu的改进算法,实验结果表明,该算法比传统Otsu阈值法能够获得较好的分割效果.     

彩色图像分割算法研究与费歇算法应用

图像分割是图像分析和模式识别需要解决的首要问题和经典难题。彩色图像比灰度图像具有更多的视觉信息,因而受到了越来越多的重视。文中对各种彩色图像分割方法进行了系统论述,分析了各种方法的优缺点,重点介绍了费歇算法。该算法能有效地对彩色图像进行分割,在工业实践中取得了比较好的效果。     

规则化各向异性热扩散方程在SAR图像分割中的应用

在合成孔径雷达（SAR）图像分割中,原有的各向异性扩散方程在迭代次数过大时,会     

基于Petri网的UML状态图的形式化模型

提出一种可以准确描述UML状态图动态特征的形式化模型SC_Net.首先给出了UML状态图的形式化语法定义,其中用状态集合、转移集合、事件集合、条件集合、活动集合、对象集合和变量集合,定义了一系列辅助函数描述UML状态图特征,用确定目标状态和受限源状态表示层次关系,用开放事件和封闭事件表示对象之间的消息.基于C_Net定义了描述UML状态图动态语义的Petri网模型SC_Net,既能描述状态图中的控制部分,又能描述状态图中的数据处理部分,并给出了从UML状态图到SC_Net的转换步骤,便于实现自动转换过程.最后以柔性制造系统的一个实例说明SC_Net能用于分析UML状态图的性质.      

四色猜想—四色定理

在完全平面围中引进顶点分割与合并的概念,根据完全平面图的特征,对其顶点数采用归纳法证明了平面围是四可着色的。     

基于时滞分割技术的时滞神经网络系统时滞相依全局稳定性分析

通过构造一个新的增广 Lyapunov-Krasovskii泛函,利用时滞分割技术并结合自由权矩阵、Jensen积分不等式,得到一个时滞神经网络系统时滞相依全局渐近稳定新判据。该判据以 LMI的形式给出,便于计算和验证。数值实例表明,文章结果改进了相关文献结论,具有更低的保守性。     

一类具有时变和分布时滞的 神经网络系统的时滞相依全局稳定性分析

通过构造一个新的增广Lyapunov-Krasovskii泛函,对时变时滞函数的下界和定常分布时滞同时使用时滞分割,获得了一类同时具有时变时滞和分布时滞的神经网络系统以LMI形式表达的时滞相依全局渐近稳定条件,并通过数值实例表明本文方法的有效性和稳定条件更低的保守性。     

基于多标签协同学习的跨域行人重识别

跨域是行人重识别的重要应用场景,但是源域与目标域行人图像在光照条件、拍摄视角、成像背景与风格等方面的表观特征差异性是导致行人重识别模型泛化能力下降的关键因素。针对该问题,提出了基于多标签协同学习的跨域行人重识别方法。利用语义解析模型构造了基于语义对齐的多标签数据表示,以引导构建更关注行人前景区域的局部特征,达到语义对齐的目的,减少背景对跨域重识别的影响。基于行人图像全局特征和语义对齐后的行人局部特征,利用协同学习平均模型生成行人重识别模型的多标签表示,减少跨域场景下噪声硬标签的干扰。利用协同学习网络框架联合多标签的语义对齐模型,提高行人重识别模型的识别能力。实验结果表明：在Market-1501→DukeMTMC-reID、DukeMTMC-reID→Market-1501、Market-1501→MSMT17、DukeMTMC-reID→MSMT17跨域行人重识别数据集上,与NRMT方法相比,平均精度均值分别提高了8.3%、8.9%、7.6%、7.9%,多标签协同学习方法具有显著的优越性。     

基于图像处理的液位测量技术研究现状与发展趋势

基于图像处理的液位测量技术具有非接触式测量、应用范围广、占用体积小等突出优势,在工业、化学以及水文监测等领域有着广阔的应用和发展前景。随着图像处理算法的改进和工业相机性能的提升,图像液位测量技术的各项性能指标也得到了显著提高。为进一步研究基于图像处理的液位测量技术,梳理其基本工作原理、分类及研究现状,并分析发展趋势和前景,为研究精度更高、应用更广的液位测量技术提供依据。