检索结果

Select

1. 基于Radon变换的运动模糊图像恢复

廖永忠蔡自兴何湘华

计算机应用 2014, 34 (7): 2005-2009. DOI: 10.11772/j.issn.1001-9081.2014.07.2005

摘要（395）

PDF （682KB）（476）

提出了一种快速自然运动模糊图像恢复算法，采用一种新的基于Radon变换算法来确定模糊核函数；在确定模糊核函数后，对于模糊图像的恢复采用了一种改进的基于l1范数和l2范数混合保真项的变分图像恢复算法。实验结果表明,与Fergus的算法和Levinss的算法比较，所提算法对于一类线性运动占主要因素的强噪声模糊图像的恢复具有更快的速度和良好的恢复效果。

参考文献 | 相关文章 | 多维度评价

Select

2. 图像去雾技术研究综述与展望

郭璠蔡自兴谢斌唐琎

计算机应用 2010, 30 (9): 2417-2421.

摘要（1689）

PDF （910KB）（2188）

图像去雾技术是图像处理和计算机视觉领域共同关心的重要问题。通过从图像处理和物理模型的研究角度对图像去雾技术进行综述，综合了近年来提出的典型的图像去雾方法的基本原理和最新研究进展，并对一些典型的及最新提出的去雾方法，给出了其视觉上的去雾效果和客观的评估数据。最后展望了图像去雾技术的未来研究方向，并给出了一些建议。

相关文章 | 多维度评价

Select

3. 一种基于扫描相关度的LSB算法

任孝平蔡自兴卢薇薇

计算机应用 2009, 29 (05): 1349-1352.

摘要（1154）

PDF （583KB）（1178）

自然图像相邻像素序列具有一定的相关性。基于图像的这种统计特性，提出了扫描相关度的概念。隐藏信息的非均匀嵌入使得载体图像的相邻像素序列相关度降低，而且图像局部有相关度突变的现象，增大了隐藏信息被检测到的风险。进一步提出了一种LSB改进算法，该算法将隐藏信息均匀嵌入到载体图像中，并在嵌入过程中，根据相邻像素期望值对扫描相关度有突变的区域进行平滑。实验结果表明，该算法明显降低了图像相关度突变的现象。

相关文章 | 多维度评价

Select

4. 一种无线传感器网络的节点自定位方法

匡林爱蔡自兴

计算机应用

摘要（2089）

PDF （461KB）（1449）

节点定位对许多无线传感器网络的应用来说是非常关键的，提出了一种基于移动锚节点的无测距的节点定位算法。此算法建立在Monte Carlo定位算法基础之上，通过利用节点收集到的信息来加速算法中样本的选取，从而提高定位的精度和效率。仿真结果表明，此节点定位技术平均定位精度能达到0.2个通信半径，与其他类似定位技术相比，能够明显提高节点定位精度。

相关文章 | 多维度评价

Select

5. 未知环境中基于视觉显著区域的拓扑定位

王璐李玉玲蔡自兴

计算机应用

摘要（1684）

PDF （1487KB）（913）

针对移动机器人在未知环境中的导航问题，提出并实现一个新的基于视觉显著区域的拓扑定位系统。首先采用中心—周围差方法在多尺度图像空间中计算颜色及纹理对比，根据检测出的显著线索构造适宜尺寸的显著区域。然后将这些场景中的视觉显著区域利用隐马尔科夫模型组织成为拓扑图中的一个顶点，从而将定位问题转化为隐马尔科夫模型(HMM)的估值问题。该系统支持机器人在线建立环境的拓扑模型，同时进行定位。实验结果表明，该方法能够在机器人移动过程中发生尺度、2维旋转、视角等变化时稳定地检测出显著视觉区域，场景识别率较高。实验证明该定位系统有能力保证机器人在未知环境中的安全导航。

相关文章 | 多维度评价

Select

6. 采用粒群优化的免疫克隆算法

刘丽珏; 蔡自兴; 谭琎

计算机应用

摘要（1780）

PDF （510KB）（809）

利用免疫系统的克隆选择机制，结合粒群优化算法的进化方程，提出一种用于函数优化的算法。算法的主要特点是利用免疫处理操作，提高种群的多样性，利用进化方程提高收敛速度。仿真程序表明，该算法能以较快速度完成给定范围的搜索和全局优化任务。

相关文章 | 多维度评价

Select

7. 基于改进遗传算法的多示例神经网络优化

蔡自兴;孙国荣;李枚毅

计算机应用 2005, 25 (10): 2387-2389.

摘要（1699）

PDF （796KB）（1281）

多示例神经网络是一类用于求解多示例学习问题的神经网络，但由于其中有不可微函数，使用反向传播训练方法时需要采用近似方法，因此多示例神经网络的预测准确性不高。〖BP）〗为了提高预测准确性，构造了一类优化多示例神经网络参数的改进遗传算法, 借助基于反向传播训练的局部搜索算子、排挤操作和适应性操作概率计算方式来提高收敛速度和防止早熟收敛。通过公认的数据集上实验结果的分析和对比，证实了这个改进的遗传算法能够明显地提高多示例神经网络的预测准确性，同时还具有比其他算法更快的收敛速度。

相关文章 | 多维度评价