排序方式: 共有52条查询结果,搜索用时 15 毫秒
1.
2.
针对在有限样本条件下恒模算法无法保证代价函数的经验风险与期望风险收敛到一致的问题,提出了一种基于结构风险最小化(SRM)准则的恒模盲均衡器(Structural risk minumum-contant model blind equalier,SRM-CMBE).该方法利用信号的恒模特性,在高维特征空间中以SRM为准则构造代价函数,采用核方法实现计算,并结合Kumar快速算法和静态迭代学习算法在线跟踪信道,能够在小样本条件下有效保证代价函数的经验风险收敛到期望风险.通过仿真实验,并与标准恒模盲均衡器(Constant model blind equalizer,CMBE)和修正的恒模盲均衡器(Modified-constant model blind equalizer,M-CMBE)进行比较,结果证明该方法的非线性均衡性能最佳. 相似文献
3.
近期国内外分割算法研究表明,当目标局部边缘性质相差较大时,局部自适应分割算法较全局分割算法可以取得更好效果。为了快速地进行GS(Greedy Snake)图像分割,提出了一种不规则形状自适应图像分割算法,用于图像目标物体的边缘检测,同时基于伪逆算法,提出了一种自适应调整参数的方法,该方法保留了算法的反馈机制。在系统动态仿真中,为了避免动态边缘的停滞,新算法继承了greedy Snake算法的能量公式,同时根据附近目标轮廓边缘及其周围测试点的性质,通过调整其权值参量来达到调整局部特性的目的,以便使轮廓自适应地逼近目标边缘。计算机仿真结果表明,将新算法模型用于捕捉多种目标物体的边缘,可较其他Snake算法取得较为良好的效果。 相似文献
4.
针对非均匀光照图像不能满足"视觉匹配"的问题, 依据人眼视觉机制提出了非均匀光照图像二次曝光算法. 首先, 融合退化过程模拟模型(Degradation process simulation model, DPSM)和Retinex模型得到了非均匀光照图像的成像模型, 利用修正的变分Retinex求解方法,获取乘性光照图像; 在人眼视觉阈值性的引导下去除加性光照图像, 获取反射图像; 依据视觉感光适应性对乘性光照图像进行动态范围调整, 并同反射图像相乘获取全局增强结果; 将全局增强结果同原始图像融合, 并对低照度区域进行颜色校正, 获取"视觉匹配"结果. 实验证明本文算法的场景再现结果可以较好地满足"视觉匹配", 性能达到或者超越了现有算法. 相似文献
5.
6.
将结合Barzilai-Borwein步长和非单调线搜索的梯度投影法用于压缩感知信号重构.分析了Barzilai-Borwein步长计算方法,结合其特点给出了非单调线搜索方法,为降低线搜索对算法性能的影响,引入了自适应的策略,最后给出了算法收敛性分析.实验结果表明,该算法能很好地重构不同稀疏度的信号,且在相同条件下,计算效率优于经典的基追踪法、正交匹配追踪和其他梯度投影法. 相似文献
7.
传统的一阶马尔科夫随机场在图像先验信息表达和对图像整体的约束上能力有限,同时基于暗通道的去雾算法在天空等大片白色区域处理效果存在偏差。针对以上问题,该文提出一种基于Color Lines 的高阶马尔科夫随机场去雾算法。该算法通过引入对颜色失真具有很好鲁棒性的Color Lines 先验条件,初步校正经暗通道获取的传输图,然后利用高阶马尔科夫随机场优化传输图,获取最终精确的去雾图像。实验结果表明,与已有算法相比,该文算法具有更强的普适性,可提高雾天图像的清晰度,同时恢复更多的图像细节等信息。 相似文献
8.
在对信号稀疏性统计分析的基础上,将具有稀疏描述能力的拉普拉斯分布用于描述信号的先验分布,基于贝叶斯法,利用信号采样值、拉普拉斯先验分布和高斯似然模型,推导信号的后验概率密度估计;最后将最大后验概率(MAP)估计过程转化为加权迭代L1范数的最小化问题。在求解过程中,与非加权的L1范数法进行对比表明,信号重构性能明显提高;通过实验计算,详细讨论了其中一些参数的取值原则和范围;针对稀疏度不同的信号,随着信号非零点数的增加,本文算法重构结果明显优于基追踪(BP)和(OMP)法;与同类的IRL1算法相比较,本文算法更具普遍性和理论意义。 相似文献
9.
针对均衡边缘检测精度和抗噪性能难度大的问题,借鉴初级视皮层(V1)细胞的动静态感知特性,建立具有方位选择性的V1细胞模型应用于图像边缘检测。采用时空滤波器来模拟简单细胞的感受野,通过使用能量模型和归一化来整合简单细胞的响应得到V1细胞模型,从而利用V1细胞静态感知特性来检测自然图像边缘。仿真结果表明,所提V1细胞模型能够基本拟合生物数据,具有生物上的普适性;与传统的边缘检测算子相比,该模型的性能更优,鲁棒性更强。依据生物实验结论来构建生物视觉模型并用于图像处理,对生物视觉和计算机视觉的融合进行了有益的探索。 相似文献
10.
为了提高栈式稀疏去噪自编码器(SSDA)的图像去噪性能,解决计算复杂度高,参数不易调节,训练收敛速度慢等问题,提出了一种栈式边缘化稀疏去噪自编码器(SMSDA)的图像去噪方法。首先,由于边缘化去噪自编码器(MDA)具有收敛速度快这一特性,对SDA网络损失函数作边缘化处理,形成边缘化稀疏去噪自编码器(MSDA),使其同时满足边缘性和稀疏性。其次,将多个MSDA堆叠构成深度神经网SMSDA,为避免模型参数局部最优,采用非监督逐层训练法分别训练每一层网络,再用BP算法对整个网络微调,从而获得最优权重。最后,用SMSDA对给定图像去噪。仿真结果表明,较SSDA而言,所提算法在降低计算复杂度、提高收敛速度的同时,拥有较高峰值信噪比(PSNR),且保留了更多原始图像的细节信息,具有更好的降噪性能。 相似文献