-
公开(公告)号:CN118840381A
公开(公告)日:2024-10-25
申请号:CN202410834695.7
申请日:2024-06-26
Applicant: 南京邮电大学
Abstract: 本发明公开基于曲率先验改进的自适应图像分割方法及系统,属于图像处理领域;基于曲率先验改进的自适应图像分割方法包括:获取待分割图像;使用基于当前恢复图像的自适应矩阵,并引入曲率先验信息,得到改进的图像分割模型;使用ADMM算法求解所述改进的图像分割模型,得到待分割图像的平滑近似图像;利用聚类算法,对所得平滑近似图像进行聚类分析,得到最终分割结果;通过改进自适应矩阵,降低了输入图像中噪声和模糊对分割结果的影响,得到了相对清晰的平滑近似图像;并引入曲率先验减少平滑区域的块状伪影,增强平滑近似图像的对比度且更好地保留边缘,提高图像分割的精度。
-
公开(公告)号:CN117455937A
公开(公告)日:2024-01-26
申请号:CN202311405342.7
申请日:2023-10-27
Applicant: 南京邮电大学
Abstract: 本发明属于图像处理技术领域,具体涉及一种基于偏移场先验的灰度不均匀图像选择性分割方法;主要包括:输入待分割的灰度不均匀图像;为输入图像手动添加初始标记点集,并形成相应的初始轮廓线;根据偏移场局部常数和空间光滑的性质,构建基于偏移场先验的灰度不均匀图像选择性分割模型;利用热核卷积将构建的模型转换为近似逼近问题,并基于交替方向乘子法,设计交替极小化算法进行数值求解;采用所设计的交替极小化算法对灰度不均匀图像进行选择性分割,得到对应的选择性分割结果;可以很好地对灰度不均匀图像进行选择性分割;保证了本发明方法在分割精度和运行速度上的优越性,同时对参数和初始轮廓具有鲁棒性。
-
公开(公告)号:CN113657640A
公开(公告)日:2021-11-16
申请号:CN202110746628.6
申请日:2021-07-01
Applicant: 南京邮电大学
Abstract: 一种基于机器学习算法的用户中长期交易购电量优化方法,首先考虑用户年度与月度交易需求,分析影响用电量的因素;再提出年度合约最优购电量模型与年度总最优购电量模型,得到合约电量分解计划;接着根据模型采用Q学习算法进行求解;最后得到年度合约与年度总最优交易购电量结果,并进行分析比较。相比现有方法,本方法考虑影响用户用电量的因素,使得电量分解结果更适用于实际;机器学习算法更适合求解月度购电量不确定的问题,使过程和结果更合理。
-
-