利用移动最小二乘法实现图像变形

将移动最小二乘方法用于实现图像的变形操作,提出了一种基于控制曲线集的移动最小二乘图像变形方法。根据图像的形状拓扑关系或轮廓信息设置点,生成控制曲线,移动控制曲线的方向和位置使图像产生变形,生成图像的仿射变换、相似变换和刚性变换。实验表明,该方法可以使图像产生平滑、真实的变形,获得满意的效果。     

利用控制曲线和移动最小二乘法实现图像变形

将移动最小二乘方法用于图像变形,提出基于控制曲线的图像变形算法.根据源图像中的形状信息或变形需要来设置关键点,生成控制曲线,然后移动控制曲线到新的位置,利用移动最小二乘方法实现图像的变形.对基于控制曲线的移动最小二乘变形函数进行了理论推导,实现了图像的仿射、相似和刚性变换,得到不同的图像变形效果.实验表明,该算法可以较好地描述图像中的形状和轮廓信息,实现图像的复杂变形,获得真实感的变形效果.     

基于移动最小二乘法的视差图像拼接

对于视差图像拼接,现有的工作大都采用单应性变换,这不足以得到好的拼接结果。提出一个新的视差图像拼接算法。首先检测图像的特征点并匹配,随后用随机采样一致算法RANSAC(Random Sample Consensus)和距离相似性筛选出正确的匹配点集;其次,以这些特征点结合移动最小二乘法构造一个全局仿射变换对准图像;最后,在图像的重叠区域以像素为顶点构建一个网络流,用最大流最小割算法寻找最优拼接曲线,并融合图像。由于提高了特征点匹配的正确性,对准模型的准确性明显好于以前的工作,图像拼接结果平滑真实,无扭曲、鬼影等现象。     

基于移动最小二乘法的医学图像配准

提出一种基于移动最小二乘法变形模型的医学图像配准技术.首先用蛇模型的方法分割图像感兴趣区域;其次在分割后的图像上半自动地选取对应标记点;最后基于这些标记点采用移动最小二乘法的变形模型对图像进行变形,从而实现医学图像的配准.实验结果表明,该方法克服了手动选点难度大的缺点,提高了配准的精度,是一种有效的医学图像配准方法.     

移动最小二乘法研究进展与述评

为使移动最小二乘法能更好地应用到无网格方法中,详细阐述移动最小二乘逼近法、移动最小二乘插值法、MUKHERJEE改进的移动最小二乘法以及程玉民等提出的改进的移动最小二乘法和复变量移动最小二乘法等的研究进展,述评各种移动最小二乘法的优缺点,并概述各种移动最小二乘法形成的无网格方法的研究进展.     

基于移动最小二乘法的微型光谱仪标定方法

针对现有微型光谱仪缺少一种统一、可靠的标定方法,提出了一种基于移动最小二乘法（Moving Least Squares, MLS）的微型光谱仪标定方法。首先,微型光谱仪分别获取汞氩灯和氖灯的标准光谱图;然后对含有高频噪声的原始光谱图进行小波去噪,之后通过峰值定位算法找到特征峰并筛选出需要参与拟合的特征峰所对应的像元序号,最后筛选出一定数量的标定点使用MLS进行拟合。选取一定数量的未参与标定的特征峰代入到拟合函数中进行精度验证。实验表明：基于MLS拟合标定后,标定集的误差标准差为0.136 nm,测试集的误差标准差为0.192 nm,高于传统的最小二乘法曲线拟合,该方法实现了快速、准确地对微型光谱仪进行标定,在实际工程应用中具有重要的指导意义。     

样条小波最小二乘法处理毛细管电泳信号

运用样条小波最小二乘法（SWLS）处理峰形尖锐的毛细管电泳信号，获得满意结果。经过两次处理后，与样条小波变换处理结果相比，不仅噪声被滤除，峰形不变，峰高不受影响；数据点无须为2^n(n∈z）。     

基于移动最小二乘法的气动力数据建模方法

针对一体化飞行器高度耦合的非线性气动问题,提出了一种基于移动最小二乘法的气动力数据建模方法;首先,对影响模型精度的因素进行了分析;接着,在构建移动最小二乘模型时采用遗传算法获取最佳支撑域半径以及最佳影响因子β,提高近似精度从而达到减少样本点的目的;得到泛化能力较强的气动力模型,并与偏最小二乘方法的建模结果进行对比;实验结果表明:移动最小二乘法的建模效果优于偏最小二乘方法,预测误差较小,证明了将该方法应用于气动数据建模是可行的。     

基于最小二乘法的文档图像倾斜检测方法

在文档扫描过程中,输入的文档图像不可避免地会发生倾斜现象,而布局分析及字符识别算法对页面倾斜都十分敏感,因此倾斜检测和校正是文档分析预处理的重要环节。本文提出了一个基于最小二乘法的倾斜检测方法。它将字符连通区包围盒底边中心点作为特征点,利用文本行中特征点与基线的关系,将特征点用最小二乘法拟事出基线的方向,即为页面倾斜方向。同时,本文介绍了一种基于直线拟合的快速倾斜校正算法。实验证明,该算法速度快,准确度高。     

基于小波分析的最小二乘拟合及应用

直线是图像分析过程中非常重要的描述符号。在工业控制中,图像处理通常采用最小二乘法对直线进行拟合,但在对估计精度要求较高时,传统最小二乘法往往不能满足要求。将离散小波变换和传统最小二乘法相结合,建立了一种基于小波预处理的最小二乘估计的新方法,获得了比传统最小二乘法效果更好的估计结果。试验证明了该方法的有效性和高精度性。     

基于LS-SVM的图像去噪方法

支持向量机是一种基于统计学习理论的机器学习方法，该方法已广泛用于解决分类问题和回归问题。文中将最小二乘支持向量机应用于图像去噪中，并同小波去噪及中值滤波进行了比较分析。仿真结果表明，该方法能较好的保存图像细节，并具有很好的泛化能力。     

移动最小二乘法在多功能传感器数据重构中的应用

针对传统最小二乘法全局拟合的局限性, 将一种新型的数值算法---移动最小二乘法应用于非线性多功能传感器的信号重构. 通过详细研究插值函数的构造方法及性质, 合理地选取基函数和权函数, 求出试函数的系数, 进而得到信号的重构值. 详细分析了基函数维数、影响域节点数及权函数因子对计算结果的影响, 并对最小二乘法以及移动最小二乘法的重构数据进行了对比, 重构的相对误差分别小于 15.3 % 和 1.03 %, 结果表明移动最小二乘法更适合非线性曲面拟合, 且适当地增加基函数维数或影响域节点数可以进一步提高数据重构的精度.     

基于层次聚类LS-SVM的图像分割方法

文章对最小二乘支持向量机进行稀疏化处理,再借鉴层次聚类的思想,采用正向训练、反向测试的方法构造了层次聚类最小二乘支持向量机,简化了分类器的结构。与常用的几种图像分割方法比较实验,结果表明该方法缩短了训练测试时间,提高了分割效果。     

正电子发射层析成像的鲁棒最小二乘重建

提出的鲁棒最小二乘算法综合考虑了正电子发射层析成像中的各种误差,适用于实际正电子发射层析成像系统．实验结果表明：该算法比传统的最小二乘重建算法具有更加鲁棒的重建特性．     

基于TLS估计的遗传小波红外图像去噪方法

为了更有效地去除红外图像中的噪声,提出一种基于总体最小二乘法(TLS)估计的遗传小波红外图像去噪方法.该方法以TLS小波去噪后图像作为父本并以维纳滤波处理后的图像作为母本来进行选择、交叉和变异,通过提取TLS小波去噪和维纳滤波在图像去噪中的优势基因,获得最优子代并解码还原成图像.实验结果表明,与当前已有的图像去噪方法相比,该方法能更加有效地去除红外图像中的噪声,且去噪后的图像具有更高的信噪比(SNR)和更小的最小均方误差(MSE).     

基于小波包和AGA-LSSVM模型的滚动轴承故障诊断

为了解决滚动轴承故障特征提取和故障类型识别问题,提高诊断准确率,提出了一种基于小波包与自适应遗传算法优化最小二乘支持向量机(AGA-LSSVM)相结合的故障诊断模型.首先由小波包分解与重构获取振动信号中能反映不同故障状态的能量特征向量,其次,由经过自适应遗传算法优化的LSSVM模型对滚动轴承常见故障进行诊断.Matlab运行结果表明,相较于传统LSSVM方法,所采用的方法可靠度较高,可以较好地实现对轴承故障的诊断.     

基于最小二乘的多雷达观察精度分析

多传感器数据融合是目前指控系统获取目标真实信息的重要途径.雷达作为一种重要的传感器,其对目标的观察精度分析是数据融合的重中之重,而对于观察同一目标的多雷达精度分析尤为重要.论文通过建立外推估算法精度估计模型和基于最小二乘的离散优化多雷达精度排序模型给出了多雷达对目标观察精度的排序分析.     

基于约束最小二乘的光学遥感图像融合

在光学遥感图像融合方法中,最小二乘法常被用于求解多光谱图像拟合低分辨率全色图像的线性回归系数,但是回归系数常常出现负数,导致其物理意义不明确。针对这种实际情况,提出了基于约束最小二乘的低分辨率全色图像构造方法。通过IKONOS-2全色与多光谱图像的融合实验,结果表明：该方法所求得的回归系数具有明确物理意义,符合实际情况,并且与光谱响应函数法、最小二乘法相比,其融合质量基本保持一致,并且由于该方法不需要先验知识,故其实用性较强。