论文摘要：基于图像相似度计算的青少年独创性评价模型的研究与应用

在拔尖人才选拔中，通过独创性评价实现对学习者创新能力的评估是选拔人才的重要环节。现有的独创性评价的一般方式是：被试根据要求画出一系列的图形，测试者基于模板库，采用目测对比的方式对被试画的图形进行评价并给出相应的分数。当模板库和被试画的图形数目比较大时，这种目测对比的方式不仅耗时较长且容易造成误判和漏判。因此，如何高效准确地对被试画的图形进行独创性评分成为亟需解决的问题。本文提出一个基于图像相似度计算的独创性评价模型，该模型首先提取出图像的形状特征及目标边缘角点，再通过边缘梯度方向直方图刻画图像形状，最后基于推土机距离给出被试所画各图形的评分。文章主要围绕如何提高图像形状提取的准确度展开研究。
本文的主要工作与创新点在于：
(1)对原始边缘检测算法坎尼算子(Canny)进行改进。针对 Canny 算子在阈值偏高或偏低的情况下会产生边缘丢失或伪边缘的缺陷，提出一种基于细菌觅食算法与改进最大类间方差法(Otsu 算法)相结合的自适应阈值Canny 算子。该方法可根据各图像自身特点自适应地确定Canny 算子的双阈值而不需人为设定，故提高
了边缘检测的准确性。
(2)针对边缘检测的断点问题,提出一种基于模糊理论和蚁群机制的断点连接方法。以原图像和传统检测算法得到的边缘为基础，首先分析出边缘端点，再根据端点邻域内各像素的梯度信息，采用模糊判决方法，计算隶属度矩阵；最后由各像素的灰度梯度、隶属度和信息素确定转移函数，减小蚁群寻优的盲目性，提高了边缘点定位的准确性。
(3)采用脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)对灰度图像边缘进行提取，由于PCNN模型参数较多，本文针对模型中分割循环次数需要人为设定的缺陷，提出采用最小距离准则自动判断循环次数并选取最优分割结果的方法，文章通过实验验证了该方法的有效性。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/217415.html