二维Renyi灰度熵和模糊聚类在图像分割中的应用

针对传统二维Renyi熵阈值算法计算复杂度高的问题,提出一种改进的二维Renyi图像分割算法。该算法利用两个一维Renyi熵算法的阈值来代替传统二维Renyi法的阈值,使得计算复杂度大大降低;同时为了改善图像分割效果,综合使用了FCM算法。实验结果表明,改进的算法充分发挥了二者的优势,不仅提高了运算速度,且分割效果更好。     

粒子群算法及多阈值指数熵的遥感影像变化检测方法研究

在遥感影像检测中,一般采用多变化阈值来提高检测精度,但会导致运算量的增加。为解决该问题,提出利用粒子群算法及多阈值指数熵的遥感影像变化检测新方法。首先采用影像差值法构造差异影像;然后提出利用粒子群和多阈值指数熵的遥感影像分割方法,并将其用于对差异影像进行分割获取变化区域;最后对选取的实验数据进行变化检测,并与基于模糊C均值、双阈值指数熵、三阈值指数熵的非监督变化检测方法进行比较。实验结果显示,提出的变化检测方法其精度为94.77%,本案方法是一种有效地、可靠的遥感影像变化检测方法。     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

侧扫声呐图像分割的中性集合与量子粒子群算法

针对现有的侧扫声呐图像分割方法存在分割准确率不高和效率偏低的问题,提出了一种基于中性集合和量子粒子群算法的侧扫声呐图像阈值分割方法。通过基于中性集合计算图像灰度共生矩阵,实现了侧扫声呐图像精细纹理的表达,提高了分割精度;基于二维最大熵理论,采用量子粒子群算法计算二维最优分割阈值向量,实现了分割阈值向量的快速准确获取,提高了分割效率和精度。最终实现了高噪声侧扫声呐图像目标的准确、高效分割。通过对含有不同目标的侧扫声呐图像的分割试验,验证了该算法的有效性。     

利用高速收敛PSO或分解进行二维灰度熵图像分割

首先,定义了灰度熵并导出了相应的二维灰度熵阈值选取公式;其次,利用高速收敛PSO算法寻找二维灰度熵法的最佳阈值,并采用递推方式避免迭代过程中适应度函数的重复计算;最后,将二维灰度熵的运算转换到两个一维空间上,计算复杂度由O（L2）进一步降为O（L）。实验结果表明,与基于粒子群的二维最大Shannon熵法相比,所提出的两种方法的分割效果具有明显优势,且运行时间大幅减少。     

一种基于人工免疫的图像分割算法

图像二维熵分割,一直因耗时长而限制了实际应用。本文借鉴生物免疫思想,提出二维熵图像分割的人工免疫算法。在克隆选择算法中引入疫苗的免疫接种,用于优化最优分割阈值对的搜索过程。在遥感高分辨率图像上的实验显示,该算法不仅能准确搜索到最优阈值对,而且计算时间只有传统算法的1.8%。该算法也验证了人工免疫思想用于图像分割的可行性和有效性。     

一种基于人工免疫的图像分割算法

提出了二维熵图像分割的人工免疫算法。在遥感高分辨率图像上的实验显示,该算法不仅能准确搜索到最优阈值对,而且计算时间只有传统算法的1.8%。该算法也验证了人工免疫思想用于图像分割的可行性和有效性。     

测量机器人小视场星图一维最大熵星点图像分割算法

图像分割是处理恒星星图的基本问题之一,也是确保野外高精度天文测量精度的关键步骤。图像分割的重点是图像二值化,对于星图的复杂星空背景,传统的阈值分割算法难以将星点目标从背景中提取出来。针对徕卡视频测量机器人TS50i拍摄恒星星图的小视场、单星点、弱目标和单峰性的特点,首次提出了运用一维最大熵法对星图进行阈值分割。对比分析了常用的几种阈值分割算法,通过对分割结果的比较和定量分析,验证了一维最大熵法能够在充分保留图像信息的同时,对TS50i图像达到具有良好的二值化处理效果。基于大量实拍星图背景的仿真试验表明,以该算法为基础的星点提取算法的准确性和可靠性得到验证,星点提取精度较野外一等天文测量精度要求高一个数量级,可以满足野外高精度天文测量的需求。     

Tsallis熵和改进CV模型的海面溢油SAR图像分割

为了解决海洋表面溢油监测中合成孔径雷达(SAR)图像分割精度不高的难题,提出一种基于Tsallis熵多阈值分割与改进CV(ChanVese)模型相结合的海面溢油图像分割方法。首先采用基于Tsallis熵的多阈值选取算法对海面溢油图像进行粗分割;然后分别将得到的溢油区域和溢油粗略轮廓作为CV模型的局部区域和初始轮廓,以降低CV模型的场景复杂度及其对初始条件的敏感性。CV模型仅考虑了图像各区域的均值信息而没有考虑图像的局部信息,尽管能够得到渐进型边界图像,但其分割结果存在误差。本文采用了加入移动因子的改进CV模型降低分割误差,提高收敛速度。实验结果表明,提出的海面溢油SAR图像分割方法具有分割边界定位准确、运行高效和无需设置初始条件等优点。     

Otsu多阈值算法推广实现

遥感图像处理中的地物分割是分析和解译遥感图像的必要环节。本文分析了Otsu算法进行阈值分割的原理和有效性,针对Otsu多阈值分割算法计算效率低的缺点,提出了用Nelder-Mead单纯形法对Otsu的多阈值分割进行优化。将优化的Otsu算法与传统方法进行了比较,从理论分析和实验结果来看,此方法不仅能获得与传统方法分割一致的结果,而且应用到大尺寸遥感图像的多阈值分割中大大提高了分割效率。     

Contourlet变换和Tsallis熵的多源遥感图像匹配

提出了一种利用Contourlet变换、Tsallis熵和改进粒子群优化的多源遥感图像匹配算法。在分别对参考图像和目标图像进行Contourlet分解的基础上,以基于Tsallis熵的互信息量作为相似性度量准则,利用改进的带极值扰动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,逐级上推,最终实现全分辨率情况下多源遥感图像的匹配。实验结果表明,与常用的遥感图像匹配算法相比,该算法匹配精度高,稳健性好,且运算量大幅减少。     

约束非负矩阵分解框架下高维自适应粒子群端元提取

传统基于约束非负矩阵分解NMF(Nonnegative Matrix Factorization)的高光谱端元提取算法一般存在两个问题:一方面,以固定惩罚系数方法处理端元提取的约束优化问题,难以较好权衡目标项与约束项间的关系,影响提取效果;另一方面,求解过程通常基于梯度算法,依赖于初始值和步长的设定,容易陷入局部最优。针对这些问题本文提出约束NMF框架下高维自适应粒子群端元提取算法HAPSO(High-dimension Adaptive Particle Swarm Optimization)。该算法在端元距离最小约束的NMF框架下,利用粒子群算法PSO替代原梯度算法以增强全局搜索能力;采用高维PSO方法解决了多波段高维问题,并结合种群信息构建自适应惩罚机制以实现端元提取中目标与约束的合理权衡。通过模拟影像和真实影像的实验,证实该算法与传统的NMF端元提取算法相比能够更合理地权衡约束和避免局部最优,具有较好的端元提取效果。     

粒子群优化神经网络的土壤有机质高光谱估测

针对提高土壤有机质高光谱估测精度的问题,该文对山东省泰安市的92个棕壤样本进行光谱去噪,剔除异常样本处理后,对光谱反射率进行11种变换,发现一阶微分变换最佳;然后计算土壤有机质含量与变换后光谱反射率的相关系数,选取5个特征波段,分别利用多元线性回归、BP神经网络、支持向量机、粒子群优化神经网络4种方法建立土壤有机质含量高光谱估测模型并进行精度比较。实验结果表明,多元线性回归、BP神经网络、支持向量机和粒子群优化神经网络模型的决定系数R2分别为0.520 3、0.665 4、0.735 0和0.853 0,均方根误差分别为2.12、1.99、1.45和1.08。研究结果表明,粒子群优化神经网络的反演精度高、稳定性强,可有效提高土壤有机质的光谱估测能力。     

改进的自适应遗传算法在遥感图像分割中的应用

为了自动确定遥感图像分割的最佳阈值,本文提出了一种改进的自适应遗传算法,并利用该算法对二维Otsu图像阈值分割函数进行了全局优化,提高了分割闻值的求解速度。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服基本遗传算法的收敛性差、易早熟问题。实验结果表明,该算法具有良好的收敛速度和稳定性,达到较好的图像分割效果,大大缩短了计算时间。     

利用粒子群算法的小波神经网络探讨

小波神经网络(WNN)具有较强的逼近和容错能力,并具有良好的收敛性和鲁棒性。然而其网络收敛速度慢、搜索成功率低和易陷入局部极小值等缺点使得传统的小波神经网络难以得到广泛应用。本文介绍一种基于粒子群(PSO)算法的小波神经网络,其通过利用种群间信息共享进行寻优,以获得结构化的神经网络,克服了传统小波网络的诸多缺点,结合工程实例,检验了其具有较好的适用性和可靠性。     

基于主成分分析与粒子群优化的遥感影像变化检测

针对变化检测中差异影像上变化阈值选择困难的问题,该文提出了使用粒子群优化算法自动地从差异影像上选择最优变化阈值的方法。该方法首先利用主成分分析法从影像中提取包含最大信息的主分量,利用主分量构建差异影像;在此基础上,使用高斯混合模型估算差异影像的初始阈值,最后通过粒子群算法计算出最优的变化阈值。实验结果表明,该方法能够迅速地获取变化阈值,避免了人工选择时繁琐重复的尝试,且检测结果精度较高。     

A site selection method of DNS using the particle swarm optimization algorithm

The Domain Name System (DNS) is an essential component of the functionality of the Internet. With the growing number of domain names and Internet users, the growing rate and number of visit quantity and analytic capacity of DNS are also proportional to the Internet users' size. This study (based on the analysis of access popularity and the distribution of massive DNS log data) aims to optimize the configuration of the DNS sites, which has become an important problem. The ArcGIS software is used to show the temporal and spatial distributions of visit source of DNS logs. This study also analyzes the influence of different sites and the dependence on DNS service in different regions of the world. This information is important to further decision‐making on new DNS site selection. This article proposes new DNS site selection solutions, using particle swarm and multi‐objective particle swarm optimization algorithms for one new site and multiple sites, respectively. The results from particle swarm optimization, genetic, and simulated annealing algorithms were compared and experimental results confirmed the correctness and effectiveness of the proposed methods. The proposed methods could also be extended to solve other layout related issues, such as onsite facility layout and road network optimization.     

JSEG改进算法在多光谱遥感影像区域分割上的应用

图像分割是对图像进行感兴趣区域提取与识别的基础,是图像分析的关键步骤.基于区域分割的JSEG算法是一种既融合了颜色信息又融合了空间信息的图像分割方法,在普通图像和视频图像中都能得到良好的分割结果.将这一算法引入到遥感影像的分割中,并对其做出改进,使之适用于多光谱遥感影像和纹理特征复杂的遥感影像的区域分割.实验结果表明,该算法很好的解决了由于影像中复杂的地物信息而产生的不同区域边界模糊的问题.