2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、論文圍繞非參數(shù)正交多項(xiàng)式密度估計(jì)理論,以圖像數(shù)據(jù)為研究對象,在總結(jié)國內(nèi)外關(guān)于圖像數(shù)據(jù)密度估計(jì)和分割、融合研究的基礎(chǔ)上,提出基于圖像數(shù)據(jù)的非參數(shù)正交多項(xiàng)式密度模型及正交多項(xiàng)式混合模型。在此模型基礎(chǔ)上,研究出針對密度模型的圖像分割和融合方法。
   主要內(nèi)容包括以下幾個方面:
   1.針對目前圖像擬合時容易造成“模型失配”的問題,提出利用圖像的灰度等特征構(gòu)造圖像的一元和多元非參數(shù)正交多項(xiàng)式密度模型;對于單一的參數(shù)分布難以準(zhǔn)

2、確擬合復(fù)雜圖像的問題,設(shè)計(jì)出一種面向圖像的非參數(shù)二類Chebyshev正交多項(xiàng)式混合模型,利用Fourier分析方法與張量積理論推導(dǎo)出圖像的多元正交多項(xiàng)式,并構(gòu)建出基于圖像的非參數(shù)多元正交多項(xiàng)式混合模型。
   2.在圖像的正交多項(xiàng)式密度模型的基礎(chǔ)上,提出新的微粒群(Particle Swarm Optimization,PSO)多峰尋優(yōu)方法。為了求解多峰尋優(yōu)問題,提出改進(jìn)的PSO算法,通過減小傳統(tǒng)PSO算法中的全局因素,增大其

3、局部因素,采用變步長方法增加微粒的多樣性,調(diào)整參數(shù)加快算法收斂速度,在啟發(fā)式搜索尋優(yōu)的基礎(chǔ)上,能夠?qū)崿F(xiàn)多峰優(yōu)化,尋找多個局部最優(yōu)解。
   3.在圖像的一元非參數(shù)二類Chebyshev正交多項(xiàng)式混合模型的基礎(chǔ)上,提出基于非參數(shù)的隨機(jī)期望最大(Stochastic NonparametricEstimation Maximization,SNEM)算法和貝葉斯準(zhǔn)則的圖像分割方法。對每一個模型的平滑參數(shù)根據(jù)均值積分平方誤差(Mean

4、 IntegratedSquared Error,MISE)方法進(jìn)行估計(jì),利用SNEM算法求解正交多項(xiàng)式系數(shù)和每一個模型的權(quán)重,最后根據(jù)貝葉斯準(zhǔn)則對圖像實(shí)現(xiàn)分割。在此模型的基礎(chǔ)上加入了空間鄰域信息,使分割時能有效抑制噪聲點(diǎn),而且此方法不需要對模型作任何假設(shè),可以有效克服有參混合模型與實(shí)際數(shù)據(jù)分布不一致的問題。實(shí)驗(yàn)表明該方法比其他分割方法效果好。
   4.針對一元正交多項(xiàng)式只能利用圖像的灰度單一特征問題,提出一種基于圖像多特征的

5、多元正交多項(xiàng)式混合模型的圖像分割方法。根據(jù)Fourier分析方法與張量積理論推導(dǎo)出圖像的多元正交多項(xiàng)式,并構(gòu)建多元正交多項(xiàng)式的非參數(shù)混合模型,估計(jì)混合模型的參數(shù),進(jìn)而實(shí)現(xiàn)圖像的分割。實(shí)驗(yàn)表明,該方法可以對圖像實(shí)現(xiàn)比Mean-shift方法更準(zhǔn)確的分割。
   5.針對估計(jì)理論的圖像融合方法都是假設(shè)圖像偏移或噪聲服從高斯混合分布,容易造成模型不匹配和容易丟失局部細(xì)節(jié)等問題,提出一種基于小波的多分辨率非參數(shù)正交多項(xiàng)式圖像融合方法。首

6、先,對圖像進(jìn)行多分辨率分解;然后,根據(jù)圖像信息模型和非參數(shù)正交多項(xiàng)式混合模型,對低頻部分采用非參數(shù)的期望最大(NonparameterExpectation-Maximization,NEM)算法估計(jì)模型參數(shù),獲得低頻融合結(jié)果;對高頻部分,采用系數(shù)絕對值選大法進(jìn)行融合;最后,將高頻和低頻部分結(jié)果進(jìn)行反變換,得到最終融合圖像。實(shí)驗(yàn)結(jié)果表明,本方法融合質(zhì)量優(yōu)于其他方法,融合時間大大縮短。
   本文提出的基于非參數(shù)正交多項(xiàng)式密度模型

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論