基于Gabor特征分解的高斯混合非线性图像滤波

通过图像滤波提高图像的分辨和识别能力,传统的图像滤波算法采用小波降噪方法,由于受到背景色噪声的干扰,小波分解中对低频图像参量的滤波性能不好。提出一种基于Gabor特征分解的高斯混合非线性图像滤波算法。首先进行图像平滑和小波分解预处理,沿梯度方向求得图像边缘信息,在尺度平移平面上进行小波特征分解,得到图像滤波过程中的Gabor小波变换系数,采用高斯混合非线性滤波算法实现图像滤波方法改进。仿真结果表明,采用该方法进行图像滤波,能有效抑制图像斑点噪声,提高图像的分辨性能,对边缘特征和细节的保持能力方面性能有优越,特别适用于对合成孔径雷达成像的滤波处理。     

低信噪比图像高斯噪声非线性模值滤波算法分析

高斯噪声产生于图像采集、成像和传输的各个部分,由于其对于图像时域和频域的全局覆盖作用,难以进行有效抑制.低信噪比图像在雷达、遥感、医学成像等领域有着广泛应用,本文提出一种基于图像功率谱的非线性模值滤波算法(Nonliear Module Filter,NMF),图像功率谱用模值作为非线性滤波的阅值,在保留信息比例高的系数基础上滤除包含高噪声比例的系数,从而达到提高信噪比抑制高斯噪声的目的.     

基于高斯混合模型的图像检索算法研究

通过研究聚类算法在图像处理上的应用,提出了一种基于高斯混合模型聚类的图像检索方法。该检索方法首先提取每幅图像的特征,并以特征值为数据集建立高斯混合模型,得到所有图像的高斯混合模型。再以所有图像的混合模型参数集作为数据集,用基于高斯混合模型的聚类算法进行聚类。最后输出检索例图所在的类,即得到检索结果。     

基于高斯混合模型的时空大数据挖掘算法

时空大数据在各领域中得到了持续的运用,推动着新研究模式的产生。但是,传统数据存取中、分析与挖掘方法则很难支持新研究模式的形成。时空数据的探索性增长以及社交媒体和位置传感技术的出现,使得为分析大数据而开发新的、高效的计算方法十分必要。传统的数据挖掘算法大多是基于小型数据集开展的研究,通常忽略了计算效率,而是更侧重于识别能力的研究。针对传统算法的不足,本文介绍了基于高斯混合模型(GMM)的时空大数据挖掘算法,在GPU上并行了GMM聚类算法,结果显示,模型具有较高的可扩展性和较低的计算成本,但仍需要新的方法来有效地模拟空间和节奏的限制。     

基于改进MPA优化的高斯混合模型算法

针对高斯混合模型算法（GMM）对初始参数敏感、易陷入局部最优的问题,提出一种基于改进海洋捕食者算法优化的GMM算法（MMPA-GMM）。首先基于混沌序列和伪对立学习策略初始化种群,引入非线性收敛因子平衡MPA算法的全局与局部搜索,同时提出融入社会等级制度的位置更新策略;然后从搜索能力和收敛速度对改进的MPA进行分析;最后以S＿Dbw指标作为算法的适应度函数,利用改进的MPA优化GMM算法的初始参数。实验结果表明,改进的MPA在4种测试函数上表现良好,并且MMPA-GMM算法对4个数据集的聚类效果均有改善,有效避免了GMM算法陷入局部最优的问题。     

基于混合高斯模型的运动目标跟踪算法

视频帧序列中实时运动目标分割的一般方法是背景差分或者是对于背景图与当前帧的阈值公差。不同的方法之间的区别在于对于背景图的建模和模型的更新策略。本文讨论对每个像素进行混合高斯模型建模和使用在线近似的方法更新模型。自适应混合高斯模型的分布用来评估决定哪些像素点最有可能来自背景处理过程。每个像素点根据最有效代表它的高斯分布是否为背景模型的一部分进行分类。本文最后得到一个稳定、实时并且对于轻微变化不敏感和长时间的场景变化的跟踪器,满足24h×7的基本工业要求。     

随机比较Gabor滤波的可撤销掌纹识别算法

针对掌纹生物特征识别的模板安全保护,本文研究并提出一种Gabor滤波与混沌矩阵进行随机比较的可撤销掌纹识别方法。首先使用Gabor滤波器与经过预处理的掌纹图像卷积;然后将滤波得到的模板与混沌矩阵进行随机比较,得到可撤销的二值模板;最后根据计算模板之间的汉明距离归类匹配。通过掌纹数据库实验表明,该算法在保护掌纹图像模板安全性的同时,提高了识别效果。     

基于自回归的高斯混合模型

聚类问题是当今统计学习界的热点研究问题,针对一般情形的聚类分析已经有具有了kmeans、高斯混合模型等,由于目前各种数据的细化,人们提出的聚类算法更多的倾向于研究某种特定的数据.在本文中,笔者提出了基于自回归的高斯混合模型,它假设模型是由符合自回归模型的高斯分布混合而成,算法利用EM算法,可以精确地估计混合模型中的自回归系数以及方差系数.     

基于小波域高斯-柯西混合模型的SAR图像降噪声算法

(Symmetric alpha-Stable)模型是小波域一种精确的图像模型 ，但是其计算复杂性高,本文在分析 模型的基础上，提出了高斯-柯西模型，将此模型作为图像的小波域先验模型信息，并用Bayesian估计器，算法复杂性上有显著的降低。另外，图像对数变换后的统计特性发生变化 ，需要在变换过程中加入均值调整的过程。实验结果表明，本文的算法模型在较好的保持了SAR图像结构的基础上，能较好的保留图像边缘信息和纹理特征，并能有效的抑制图像的斑点噪声，取得了良好的效果。     

非线性动态调节模型的滤波式递推辨识算法

针对Hammerstein非线性动态调节模型提出一种基于数据滤波的递推广义最小二乘算法,方法的主要思想是：通过数据滤波,将辨识模型分解成系统模型和噪声模型,然后分别辨识。最后给出两种方法的仿真实例,通过与递推广义最小二乘算法参数估计精度和收敛速度的比较,来说明滤波式递推广义最小二乘算法的有效性。     

基于张量高斯混合模型的SAR图像分割

将基于贪婪EM高斯混合模型分割方法应用到SAR图像中,同时提出了一种张量高斯混合模型的SAR图像分割方法。该方法利用张量空间保持图像空间几何结构的优势,代替一般的向量算法,实验结果证明张量高斯具备良好的分割性效果,对于SAR图像中的斑点噪声具有良好的抑制作用,作为一种针对单个或多个目标分割的SAR图像分割方法,张量高斯混合模型具备较高的实践使用价值。     

基于STFT变换和Gabor滤波的船舶辐射噪声张量特征提取

针对船舶辐射噪声分类识别难的问题,根据Gabor滤波能模拟听觉皮层得到时频感受,以及张量结构具有鲁棒性的特点,提出了一种基于短时傅里叶变换(STFT)和Gabor滤波的船舶辐射噪声张量特征提取方法。首先对船舶辐射噪声进行短时傅里叶变换,获得噪声信号的功率谱密度(PSD),然后对PSD进行Gabor滤波,最后构建一个时间×频率×尺度×方向的四阶特征张量,并通过张量分解实现了船舶辐射噪声的分类识别。大量实测样本识别结果表明,该方法具有较高的正确分类识别概率。     

基于FPGA的中值滤波算法设计

针对传统中值滤波算法实现速度慢的缺点,提出了一种基于FPGA的中值滤波设计方法。在传统算法原理的基础上,利用硬件描述语言设计了一个中值滤波器对图像进行去噪处理,并对设计进行了仿真,取得了较好的效果。     

基于鱼群的PSO粒子滤波算法

粒子群优化(PSO)粒子滤波算法比较而言,容易陷入局部最优,因此算法的准确度就会降低。本文在解决该问题时引入了一种基于鱼群的PSO粒子滤波算法。此算法是通过鱼群优化在采样过程中找到全局最优的相对位置,使其能够向全局最优的位置逐渐接近,同时提高估计有效的粒子数目,从而能够更有效的减少粒子退化与枯竭问题。实验表明,此算法与PSO粒子滤波算法相比,在估计准确度方面有了较大的提升。     

基于分解的混合多目标进化算法在供水调度系统中的应用

建立了供水调度模型,利用基于分解的多目标进化算法,首先将供水调度问题分解为若干单目标,然后根据分布估计的思想对各个单目标建立概率模型,通过采样产生新的个体。利用非支配排序法进行选择,得到最优解。实验表明,该算法对求解供水调度优化问题具有较好的多样性和均匀性,并且降低了算法的计算复杂度。     

基于高斯混合模型和K-均值聚类算法的RBF神经网络实现男女声转换

语音转换是指改变一个人的语音个性特征,使之具有另外一个人的语音个性特征的技术,本文提出采用K-均值聚类算法的RBF神经网络实现基音频率转换,从而实现语音的韵律转换。在语音谱包络转换中采用高斯混合模型。     

基于压缩特征编码的混合云冗余数据删除算法

混合云存储系统的大数据部署和管理过程中,出现大量冗余数据,需要对冗余数据合理删除,获取想要云端的数据,提高系统稳定性。传统的冗余数据删除算法会在分数阶Fourier域出现伪峰峰值,不能有效地对冗余数据进行检测滤波和删除处理,提出一种基于压缩特征码的混合云冗余数据删除算法。预测出不同时间片内混合云的任务执行期望完成时间,对混合云数据冗余主成分进行特征编码,表征为校验信息存储子集对部分冗余数据的块层结构,提高冗余数据删除性能,实现算法改进。仿真结果得出,该算法对云存储系统中冗余数据的检测性能较好,有效避免数据信息流的干扰特征造成的误删和漏删,冗余数据删除准确性高,具有较好的应用价值。     

基于目标检测与加权混合特征的目标跟踪算法

由于传统Camshift算法在运动目标被遮挡、受到背景同色干扰、运动过快时存在跟踪失败问题,因而文中提出一种融合目标检测与混合特征描述的跟踪算法。针对传统单一的颜色直方图的描述,提出基于感知哈希算法、纹理特征与颜色特征相融合的混合特征表达方式表征运动目标区域。针对目标运动过快或者被遮挡的干扰,引入Kalman滤波来预测目标出现的位置,并结合运动目标检测,加快目标搜索过程,提高Camshift算法在目标跟踪与搜索时的准确性与时效性。选取不同场景下的多组视频进行实验,结果表明,跟踪算法具有较好的鲁棒性,验证了算法的有效性。     

基于混合累积模式匹配的云数据特征分区融合算法

在无线传感器网络云计算环境下,传统的数据融合方法,对混合累积特征未进行滤波后置检测,无法实现模式匹配,数据融合误差控制不可控制。提出混合累积模式匹配的云数据特征分区融合算法,根据两云间云滴的取小取大后的比值描述云间相似程度,得到云数据信息熵融合特征的功率谱幅度,采用簇内数据相异粒度寻优法得到云数据的熵融合特征提取最优化的约束条件,对特征进行混合累积模式匹配,对云数据的分区特征混合累积模式匹配滤波后置处理,控制云数据分区特征融合误差,实现算法改进。仿真结果表明,该算法提高特征空间增益,其精度高、实现简单等优良特性,性能优于传统算法。     

基于Mel倒谱特征顺序统计滤波的语音端点检测算法

为提高噪声环境下语音端点检测的准确性,提出一种基于Mel倒谱距离顺序统计滤波的端点检测算法.该算法首先提取每帧语音信号的Mel频率倒谱系数,以前16帧估算背景噪声,计算每帧语音与背景噪声的倒谱距离;然后将当前帧前后相继若干帧的倒谱距离,经过一组顺序统计滤波器得到加权倒谱距离;最后根据各帧加权倒谱距离对输入语音进行分类.在TIMIT语音库上的实验结果表明,该方法在白噪声、粉噪声、汽车噪声和战斗机噪声等噪声环境下,均能得到理想的端点检测结果,且在低信噪比时依然有效.