基于高斯混合模型的纹理图像的分割

文章提出了使用高斯混合模型对纹理图像分割的方法。该模型考虑到图像纹理的特点，使用二状态的高斯混合分布来对图像各纹理类像素的分布进行拟和。首先对待分割的各类像素寻找与之匹配的最佳模型参数，然后再进行分割。最后，对分割结果进行多尺度综合，得到了各尺度的分割结果。实验表明该算法不仅能够较精确地定位各纹理区域，而且还有运算速度快的优点。     

基于高斯混合模型的衍射成像算法

编码衍射成像系统中记录的测量值丢失了相位,而相位含有关于图像的大部分结构信息.如何利用无相位测量值重构原始图像是相位恢复（Phase Retrieval,PR）算法面临的一个重要问题.由期望最大（EM）算法训练高斯混合模型（GMM）的最优参数,任一图像块可以选用GMM中某一模型分量最佳表示.基于该认识,本文利用GMM的统计特性融合数据保真项构造PR优化问题,并用加速邻近梯度法求解该问题.实验结果表明,该算法在噪声强度较大、编码衍射图案较少的情况下仍能获得较高质量的图像重构.     

基于张量高斯混合模型的SAR图像分割

本文利用SAR图像的灰度、均值、标准差及行和列位置信息等特征组成一个三阶特征张量,结合高斯混合模型,采用贪婪EM算法进行参数寻优,提出一种SAR图像分割方法,即张量高斯混合模型算法。     

基于改进高斯混合模型的运动图像目标检测算法

运动图像目标检测指的是从序列图像中将变化的目标从背景中分离出来,高斯混合模型可以对视频序列图像的前景和背景进行分类,再利用背景减除实现运动目标的检测。提出一种基于改进高斯混合模型的优化背景建模方法,该方法首先利用3×3模板对序列图像帧中的像素进行类似卷积的均值计算,然后利用相邻均值的差提取均差因子自适应更新图像的均值。在此基础上,设计了自适应学习率和学习速率,利用改进高斯混合模型实现序列图像的背景建模。改进模型不仅能有效减少数据计算量,同时可以降低在相似区域像素计算的时长,大大加快背景建模速度。实验结果表明,改进模型在目标检测、算法执行速率等性能指标上都有更好的表现,能满足实时检测要求。     

高斯混合模型自适应微光图像增强

为了改善微光情况下可见光图像传感器输出图像的质量,提出了一种基于高斯混合模型的自适应微光图像增强算法。对图像的直方图进行混合高斯建模,应用改进的期望最大化算法对直方图拟合,从而获取高斯混合模型的最优参数,然后根据各个聚类的交点将直方图分区,最后确定输出图像所属聚类的映射关系,同时应用保持最大熵方法逼近人类视觉特性映射函数得到最终的增强图像。实验结果表明,此图像增强模型能自适应确定最佳聚类个数,提高直方图拟合的运算速度,一帧图像平均处理时间为0.37s,在相关信息熵和纹理信息等的客观评价中,增强结果明显优于传统方法,有效地提高了微光图像的对比度,同时保持了图像的细节。     

基于NSST和高斯混合模型的医学图像融合算法

提出了一种基于非下采样剪切波变换（Non-subsampled shearlet transform, NSST）和高斯混合模型的医学彩色图像融合算法。首先将彩色图像转换到HSI颜色空间,提取其色度分量图像、饱和度分量图像和强度分量图像;然后对强度分量图像和MRI图像进行NSST变换,其中低频系数采用基于区域系数改进拉普拉斯能量和（Sum-modified-Laplacian,SML）加权的融合规则,高频系数采用高斯混合模型估计参数取大的融合规则;对融合后的系数进行NSST逆变换重构融合后的强度分量图像;最后将融合后的强度分量图像与色度分量图像、饱和度分量图像混合得到融合后的HSI图像,再将HSI图像转换到RGB颜色空间得到融合后的彩色图像。仿真实验表明,该算法在视觉效果和客观评价指标上具有更好的融合效果。     

利用高斯混合模型实现概率密度函数逼近

针对图像的概率分布密度函数的不确定,利用有限高斯混合模型逼近图像的概率分布密度函数。理论上证明了有限高斯混合模型可以以任意精度正逼近实数上的非负黎曼可积函数,特别可以逼近任意的概率分布密度函数。实例表明有限高斯混合模型逼近已知分布密度函数或未知分布密度函数时,具有逼近精度高等优点,为函数逼近提供了理论和技术支持。     

基于熵图像和隶属度图的高斯混合背景模型

经典的高斯混合背景模型中,高斯分量的个数是固定的,近邻像素间的相关性也没有被考虑。作为对这种模型的改进,该文利用熵图像来度量背景像素亮度分布的复杂程度,进而给出了根据熵图像为各像素选择高斯函数个数的方法,在保证检测精度的前提下节约计算资源;并利用隶属度来表示像素属于背景的可能性,通过融合各像素邻域的局部信息来对其进行有效的分类,使得分类决策的结果更可靠,而计算量却增加不多。多种真实场景下的实验证明了这种算法在计算速度和精度上的良好性能。     

混合高斯模型的高阶统计量研究与仿真

以高阶统计量数学分析方法,对混合高斯模型进行研究,并给出理论计算结果.重点讨论二元混合高斯模型,给出高阶统计量的理论值,用Matlab仿真不同方差和不同均值时多膜性、对称性和斜度值、峰度值的估计结果,并比较斜度值、峰度值的理论结果和仿真结果,验证理论结果的正确性,为通信理论中混合高斯模型的研究做补充.     

基于混合高斯模型的三马尔可夫场红外图像分割

针对马尔可夫随机场在红外图像分割方面存在的问题,给出了一种基于混合高斯模型的三马尔可夫场红外图像分割算法.三马尔可夫场在马尔可夫随机场的基础上通过引入一个附加随机场和全体随机变量服从马尔可夫性假设,克服了马尔可夫场算法中对条件概率分布相互独立的要求,并赋予该附加随机场对目标和背景区域的标识作用,其中采用混合高斯模型作为三马尔可夫随机场的先验模型.仿真结果表明,文中提出的基于混合高斯模型的三马尔可夫场红外图像分割算法能够实现复杂背景的红外图像准确分割,得到较为理想的分割效果.     

从高斯过程到高斯过程混合模型:研究与展望

高斯过程（GP）模型是核学习方法与贝叶斯推理相结合的典范,现已成为机器学习领域的一个研究热点。作为对GP模型的拓展,高斯过程混合（MGP）模型具有更强大的学习能力和适应性。然而,目前关于GP和MGP模型的研究较为零散,尚缺少系统的分析与总结。本文首先对于GP模型的基本原理及其研究进展进行了深入地分析和讨论;然后将GP模型拓展至MGP模型,从多方面对MGP模型的研究现状和进展进行了深入地分析和讨论,并指出未来值得探索的研究方向和应用问题。      

一种改进混合高斯模型下的运动人体检测算法

提出了一种基于改进混合高斯模型下的帧间差分和背景差分相结合的方法对运动人体进行检测,实验表明,采用改进的混合高斯模型,可加快背景建模和更新的速度,且对外界环境的适应能力更强。而帧间差分和背景差分的结合充分发挥了二者各自的优势,提高了检测效率。     

基于改进高斯混合模型的运动目标检测与跟踪

为了提高运动目标检测与跟踪的精确性与可靠性,提出一种基于改进高斯混合模型的运动目标检测与跟踪方法。首先,建立改进高斯混合背景模型,对运动目标图像进行分块处理,利用相连帧的连续性对运动目标图像的参数更新,提取完整的运动目标并进行分割;其次,将给定的当前帧像素点与目标图像进行匹配,减少高斯混合模型的分布数量和计算量,根据分块处理后的运动目标的大小、形状以及颜色信息完成运动目标全局匹配,实现运动目标的实时检测与跟踪。实验结果表明,与目前的高斯混合模型对运动目标检测与跟踪的方法相比,所提方法计算过程较为简单,具有更快的检测速度和更可靠的检测结果。     

一种改进的高斯混合模型海上红外图像运动目标检测

本文提出一种改进高斯混合模型海上红外图像运动目标检测算法。首先采用帧差法把目标图像的背景和感兴趣区域区分开来。为了保证背景图像准确快速的更新,其次采用高斯混合模型更新背景图像。更新过程中对目标在前后两帧中覆盖区域采用不同的更新率。通过实验结果表明,本文算法在保证图像背景平稳更新的同时,能够准确快速的提取图像中感兴趣目标区域。     

基于混合高斯背景模型的运动目标检测

运动目标检测是计算机视觉、图像理解、目标跟踪等领域非常重要的研究内容。为了能够及时检测到图像场景中的运动目标,本文选择建立混合高斯背景模型作为检测运动目标的方法,该方法能有效的提取出运动的目标及其携带的运动信息,取得比较好的效果。     

基于高斯混合模型的社区检测算法

高斯混合模型作为一种统计学习中的概率模型,已经应用在数据聚类领域。文中将用于聚类的(Gaussian Mixture Model,GMM)模型用于处理社区检测问题。在参数估计过程中,针对普遍使用的爬上迭代算法的缺点,提出了采用实数编码的遗传算法来迭代优化参数;针对算法对初始值敏感的问题,提出了使用K-means来决定初始参数。文章对复杂网络进行GAGMM算法的软分类,并证明了该算法的有效性以及准确性。     

基于高斯混合模型的火焰检测算法

火灾作为对社会和环境危害最大的灾难,一直是人们重点防范的对象.但目前现有的火灾预警系统都存在误报率过高的问题.因此,文中提出了一种基于火焰闪烁动力学的火焰检测框架.在该框架中,火焰颜色分布模型采用高斯混合模型.此外,采用概率显著性分析方法和一维小波变换提取运动显著性和滤波后的时间序列作为特征,描述火焰的动态特性和闪烁特...     

双麦克风噪声消除的高斯混合模型法

为了解决基于相位差滤波器（PBF）双麦克风方法残留噪声较多的问题,本文在PBF方法基础上提出一种基于高斯混合模型的双麦克风噪声消除方法。该方法首先采用高斯混合模型（GMM）对目标语音存在(λ1)与目标语音不存(λ0)在这两种情况进行建模。其次,在实时增强阶段,根据贝叶斯分类器计算每帧的目标语音存在概率(TSPP),随后根据噪声抑制最大化准则修正PBF的增益函数并得到改进的相位差滤波器（IPBF）,最后将TSPP与 IPBF的增益函数相结合,进而得到一种用于双麦克风噪声消除的掩蔽滤波器。实验结果表明:本文提出算法可有效抑制残留噪声,尤其是在目标语音不存在的时间段      

一种基于高斯混合模型的导谱频率参数量化算法

提出了一种高效的基于高斯混合模型(GMM)的导谱频率(ISF)参数量化算法,算法的基本思想是利用高斯混合模型将导谱频率(ISF)参数发送给M个高斯簇,然后由高斯格型矢量量化器来量化相应高斯簇的导谱频率(ISF)参数,最终可以在M个量化值中选出频谱失真值最小的一个作为输出值。在设计高斯格型矢量量化器时,基于率失真理论提出了一种最佳比特分配算法。实验结果显示导谱频率(ISF)参数可以透明地压缩到42 bit/帧,与AMR-WB(G.722.2)的多级分裂矢量量化算法相比,节省了3 bit,减少了55%的存储空间。