Toggle navigation
首页
期刊介绍
期刊简介
历史沿革
收录情况
获奖情况
引用指标
编委会
期刊在线
文章推荐
过刊浏览
专辑专刊
下载排行
阅读排行
投稿指南
组稿方向
投稿须知
论文模板
常见问题
署名变更申请
单位变更申请
版权转让协议
中图分类号
引言书写要求
参考文献著录格式
插图与表格规范
英文摘要书写要求
收费标准
学术诚信
联系我们
编辑部联系方式
位置示意图
期刊订阅办法
广告合作
English
期刊
出版年
关键词
结果中检索
(((范海菊[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
1.
基于核自组织映射的有监督主动轮廓图像分割
范海菊, 刘国奇
计算机应用 2016, 36 (
10
): 2832-2836. DOI:
10.11772/j.issn.1001-9081.2016.10.2832
摘要
(
557
)
PDF
(887KB)(
329
)
可视化
收藏
针对灰度不均匀目标和多灰度强度目标利用主动轮廓难以精确分割的问题,提出了一种基于核自组织映射(KSOM)的有监督主动轮廓算法KSOAC。首先对背景区域和前景区域的先验样本分别利用KSOM进行训练,得到其各自的拓扑映射结构来表征其分布,从而获得突触权值向量;其次提出计算两个网络结构单位像素的平均训练误差,把该误差加入能量函数修正曲线进化过程,并利用前景和背景的面积比得出能量项的控制参数;最后推导出了利用神经元权值向量的有监督主动轮廓能量函数和迭代方程,并采用Matlab 7.11.0对多幅图像进行了仿真验证。仿真结果和数据表明,与自组织映射(SOM)主动轮廓(SOAC)相比,KSOM得到的映射更接近于先验样本的分布,误差更小;KSOAC的准确率、查全率和
F
参数均大于0.9,分割结果更接近目标本身;在时间消耗方面与SOAC相差不大。实验结果表明,KSOAC能够提高概率分布未知图像、非均匀图像和多灰度强度目标分割效果,减少目标泄露。
参考文献
|
相关文章
|
多维度评价
Select
2.
离焦模糊图像模糊半径检测的新方法
范海菊 冯云芝 王涛 冯乃勤
计算机应用 2012, 32 (
07
): 1875-1878. DOI:
10.3724/SP.J.1087.2012.01875
摘要
(
873
)
PDF
(606KB)(
624
)
可视化
收藏
针对离焦模糊图像盲复原中模糊半径难以快速精确检测的问题,提出了局部熵和直方图统计相结合的算法。首先对模糊图像进行局部熵滤波提取图像的灰度变化信息量,利用Canny边缘算子和Hough变换检测出离焦图像的直线边缘;然后利用相互平行直线边缘区域内的直方图统计特性和Grubbs检验法,定位出阶跃直线边缘求出线扩散函数;最后利用线扩散函数得到模糊半径。实验结果表明所提算法在模糊半径较小时能够精确快速地定位阶跃边缘,从而提高模糊半径的识别精度和识别效率。
参考文献
|
相关文章
|
多维度评价
Select
3.
基于人工势场和Agent的人员疏散系统仿真
张俊娜 范海菊
计算机应用 2012, 32 (
06
): 1753-1756. DOI:
10.3724/SP.J.1087.2012.01753
摘要
(
862
)
PDF
(563KB)(
458
)
可视化
收藏
从聚众场合火灾中疏散群体的个体角度出发,结合人工势场和Agent,提出了微观的仿真模型。该模型首先将场化影响人行为的火、门和障碍物等因素量化,构建了人工势场体系,其次以个体为对象,通过受力分析确定人员移动方向,最后通过是否开启安全通道,有无人员疏导的分析对比,合理仿真了人员疏散情形。基于Visual C++实现了疏散仿真系统,通过仿真结果分析,该系统能够较真实地模拟人员疏散过程。
相关文章
|
多维度评价
Select
4.
基于局部标准差和方向微分的模糊方向识别
范海菊 张爱丽 冯乃勤
计算机应用 2011, 31 (
09
): 2506-2508. DOI:
10.3724/SP.J.1087.2011.02506
摘要
(
1200
)
PDF
(620KB)(
368
)
可视化
收藏
针对最小方向微分算法在运动模糊方向识别中误差大和实时性差的缺点,提出利用局部标准差和方向微分相结合的方法鉴定模糊方向。该方法首先对模糊图像进行局部标准差滤波以增强模糊方向上的纹理细节,然后利用双线性插值求最小方向微分和,其对应的方向即为模糊方向;在对方向微分和曲线归纳分析后找到了其内在规律,基于此规律提出范围对半递减搜索最小值的方法,减少了搜索次数。实验结果表明该算法识别精度高,抗干扰性强,实时性好。
相关文章
|
多维度评价