基于形态学连通性理论的图像分割研究

来源 :第八届中国多智能体系统与控制会议(MASC2012) | 被引量 : 0次 | 上传用户:lovesnow
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  图像分割是图像处理的关键问题,因图像类型和应用领域的不同,尚无通用的、公认的分割方法。本文运用形态学连通性理论,依据图像的色调、亮度、纹理等分布特性将彩色图像划分成若干个连通区域(即等价类)。由于连通区域内部像素点具有相同或相近的特征,该方法对平滑区域和纹理部分均有较好的分割效果。实验证明了本文所提方法的有效性。
其他文献
研究了具有通信时延的异类多智能体系统的一致性问题。假设多智能体系统具有一阶动力学方程和二阶动力学方程,不同类别的智能个体组成一个有向连通网络而且存在一个全局可达节点。假设智能个体之间信息传输存在通信时延,应用广义Nyquist 判据、Greshgorin 圆盘定理和几何理论,研究了具有通信时延的异类多智能体系统的运动一致性。最后,许多计算机仿真验证了结论的正确性。
基于有限时间稳定性理论,文章给出了可以保证多智能体系统在有向星状网络中达到快速一致的充分条件。理论结果给出了影响快速一致性的因素:智能体之间的耦合强度,系统控制参数和系统的个数。数值模拟表明所有智能体在给定的有向星状网络中可以快速地达到一致,从而证实了理论结果的正确性。
This paper addresses sweep coverage problem of multi-agent systems in the uncertain environment.At first we present a new formulation and then propose the decentralized sweep coverage algorithm to gua
In this paper,we investigate the controllability of multi-agent systems with leaders as control inputs,where the interconnection is directed and weighted.We provide two necessary and sufficient graph
研究了一类存在外部扰动的多智能体系统的包围控制问题。在通讯拓扑弱连通且领航者组成的导出子图为平衡图的假设条件下,设计了一个含待定参数矩阵的分布式协议,通过定义合适的控制输入,将包围控制问题转化为鲁棒H∞控制问题。然后以线性矩阵不等式(LMI)方法为工具,给出了原系统可解包围控制问题的充分条件。
针对双支持向量机分类时对噪声样本点敏感的问题,通过构造适用于两个分类超平面的一种新型模糊隶属度函数,提出了模糊双支持向量机并发展了相应的求解算法.Heart-statlog 和two-moons数据集上的仿真结果表明所提支持向量机能有效消除噪声样本点的影响,进而提高分类精度.
传统的基于信息内容的概念相似度算法在计算信息内容值时过于依赖语料库,本文给出了一个新的只通过WordNet结构计算概念语义相似度的信息内容模型。该模型以WordNet的is-a关系为基础,不仅考虑了概念所包含的子节点的个数和所处深度,而且将该概念所处的簇及父节点的信息内容值引入到模型中,使得概念的信息内容值更为精确。实验结果显示将该模型应用到领域本体并代入到多个相似度算法当中,可以明显提高这些算法
针对二维局域环境中无人机实时航路规划展开研究,本文采用了一种基于速度矢量场的航路规划方法。该方法以势场法的思想为出发点,直接以速度驱动规划点向目标点移动,具有很强的快速性。速度矢量场法添加了传统势场法不具备的导引场,使得规划点陷入局部陷阱的概率大大降低,但速度矢量场法仍未彻底解决局部陷阱问题。针对此问题本文提出了路标法,使得算法的完备性得到保障。通过仿真验证,表明速度矢量场法能够及时规避威胁,路标
高超声速飞行器机体/发动机/结构动态耦合特性使得其数学模型异常复杂且具有非最小相位特性,阻碍了非线性控制方法的应用。为了解决模型形式与控制方法之间的矛盾,面向控制建模技术逐步兴起并得到了发展。从非线性控制器设计需求分析入手,分析了带有机体/发动机/结构动态耦合特性典型高超声速飞行器数学模型中的非最小相位特性。在掌握模型内在耦合关系以及影响非线性控制器设计具体原因的基础上,介绍并分析了面向控制建模技
This paper is devoted to apply adaptive neural network dynamic surface control (DSC) technique to dual motor driving servo systems.High order neural network is utilized to approximate unknown function