排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
在自然图像中经常会出现亮度不均匀的现象,虽然基于局部信息的水平集方法在不均匀图像的分割方面取得了较好的效果,但是该类方法在主动轮廓的能量上存在局部最小值和计算复杂度高等问题.针对这些问题,本文提出了基于Bregman散度分布和区域可伸缩拟合能量模型(Region-Scalable Fitting,RSF)相结合的水平集图像分割方法.本方法利用包含特征点信息(Bregman散度)的全局信息项加快远离目标边界曲线的演化速度,提高算法对初始位置的鲁棒性;利用RSF模型的局部信息项提高对亮度不均匀图像的分割能力,吸引轮廓曲线向物体边界收敛,并停止在目标对象的边界处.通过对合成图像、医学图像和其它真实图像的对比实验,可以看出本文模型与现有模型(LCV、RSF和LGIF)相比,对亮度不均匀图像具有更强的处理能力和更高的处理效率,且对噪声具有更强的鲁棒性. 相似文献
2.
结合KL散度和RSF模型的主动轮廓图像分割方法 总被引:1,自引:1,他引:0
针对主动轮廓模型在进行图像分割时计算复杂度较高的问题,提出一种基于区域的变分水平集主动轮廓模型图像分割方法.新模型将Kullback-Leibler(KL)散度信息加入到RSF(region-scalable fitting)模型中,在新模型的能量项中通过RSF能量项计算区域内某点和该区域"中心"之间的拟合距离来表示目标区域的相似性,同时通过最大化KL能量项使模型能更容易分离图像中的不同灰度区域,进而使图像分割的计算时间显著降低.该模型可以很好地处理图像的模糊边界和图像噪声等问题,并适用于合成图像和实际图像的分割.通过实验结果的对比可以看出,本模型在保证分割精度的前提下,加快了边缘的收敛速度,提高了图像分割的效率. 相似文献
3.
为改善现存图像修复算法在修复时存在的"灰度跳变"现象,同时降低运行复杂度,提出一种基于偏微分方程模型(称为Isophote-TV-H-1模型)和改进Criminisi算法的数字图像修复算法.首先利用图像分解模型(TV-H~(-1))获得缺损图像的结构部分和纹理部分;然后用Isophote-TV-H-1模型和改进的Criminisi算法分别对缺损图像的结构部分和纹理部分进行修复;最后将修复后的结构部分和纹理部分进行叠加得到最终的修复结果.实验结果表明,本模型与TV模型相比,能够较好地修复缺损区域中的纹理信息;与Criminisi算法相比,本模型通过对相似度度量方法的改进,有效地抑制了图像修复过程中的误差传播,并利用局部搜索(图像局部相似性)来替代传统的穷尽搜索,进而提高算法的效率.同传统的基于图像分解的图像复原算法以及TV模型相比,本模型能解决"灰度跳变"问题,获得更好的修复结果. 相似文献
4.
本文利用丰满水库1959~2005年水位资料,流域降水资料,丰满水库放流资料,探讨了水库水位变化与流域降水的关系。利用统计学方法找出时空相关因子,建立数学模型,并对方程做对比检验。得出结论:采用独立站点的空间分布因子和综合站点的降水时间分布因子建立的方程模式,较为适合丰满汛期径流水位预报,径流水位预报的准确率有所提高。 相似文献
5.
手写汉字识别是实现办公室自动化的前沿课题,选择具有良好可分性的特征,是提高系统识别率的根本保证。本文提出汉字的横竖方向上笔划穿越次数投影的Rapid变换为统计特征,用汉字的四边及四角部位作为结构的特征,通过对40,000个汉字样本的实验,结果表明分类效果良好,可以用此方法做成一个汉字识别系统。 相似文献
6.
7.
TwoTypesofFeaturesandTheirExtractionsinHandwritenChineseCharacterRecognitionSHIDaming(石大明)TANGXianglong(唐降龙)LIUJiafeng(刘家锋)SH... 相似文献
8.
9.
提出了一种新的基于主动判别函数的手写体识别方法.首先,提出了主子空间中基于统计特征的主动原型模板并给出了对应于待识模式的最优主动原型模板.然后,提出了主动判别函数,它是两个加权距离之和;其中一个是待识模式与主子空间的距离,另一个是待识模式与次子空间的距离.其次,作为主动判别函数的参数,主动原型模板的约束可应用最小分类错误准则进行优化,这一最优约束有助于提高主动判别函数的识别正确率.最后,在银行票据中使用的手写金融汉字样本库上进行实验.实验结果表明,主动判别函数在手写体识别方面是非常有前景的. 相似文献
10.
在视觉目标跟踪(video tracking)过程中,当跟踪图像存在背景杂波、图像噪声(如图像遮挡、图像快速移动)时,算法往往不能取得很好的图像追踪效果.为解决该问题,在经典L1-tracker追踪算法的基础上,针对目标遮挡、目标消失等严重影响跟踪效果的情况进行研究,提出加入拓展模板(固定模板和近况模板)的策略来提高跟踪精度和抗遮挡能力.固定模板保持追踪目标最初的图像特征,防止错误的追踪结果在模板更新时引入错误的特征,进而导致识别目标偏移.近况模板记录目标的最新跟踪结果,避免由于点模板的大量使用而造成遮挡的误识别.通过对多个标准数据集的实验测试,证明加入新策略的L1-tracker算法,在不破坏原有L1-tracker优势的基础上,显著地提升了L1-tracker算法应对遮挡问题的能力. 相似文献