2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩107頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、圖像信息表示方法是圖像處理技術(shù)研究的核心內(nèi)容。在基于生成模型的圖像信息表示方法中,通過采用一組基函數(shù)的線性疊加來模擬圖像的產(chǎn)生過程,將原始圖像變換為基函數(shù)空間的投影系數(shù)表示,來揭示圖像的內(nèi)在結(jié)構(gòu),從而更有效地進行圖像識別、降噪與壓縮。圖像信息的描述能力很大程度上取決于基函數(shù)的選擇,相比傳統(tǒng)的預(yù)先設(shè)定的基函數(shù),通過學(xué)習(xí)算法獲得與圖像特性相匹配的基函數(shù)能夠?qū)崿F(xiàn)對圖像信息更有效的描述?;诨瘮?shù)的圖像信息表示方法研究是目前圖像處理技術(shù)的前沿課

2、題,涉及到統(tǒng)計學(xué)、幾何學(xué)、圖像處理與分析、模式識別、視覺生理學(xué)等眾多學(xué)科。 本文以圖像的生成模型為基礎(chǔ),結(jié)合獨立分量分析模型和小波分析模型,研究圖像信息的基函數(shù)表示方法及其關(guān)鍵問題。研究了圖像在基函數(shù)張成的高維空間中投影系數(shù)的統(tǒng)計特性;利用具有一定約束條件的基函數(shù)模型描述圖像中物體的復(fù)雜結(jié)構(gòu)信息;通過基函數(shù)參數(shù)的學(xué)習(xí),構(gòu)造具有自適應(yīng)特性的圖像基函數(shù)模型。 本文的主要工作如下: (1)綜述了圖像信息基函數(shù)表示方法的

3、研究現(xiàn)狀,分析了傅立葉變換、小波和獨立分量分析等圖像基函數(shù)表示方法的優(yōu)缺點,引出了對基函數(shù)及其投影系數(shù)的統(tǒng)計描述和條件約束,以利于圖像信息有效表示的研究思路。 (2)分析了圖像的獨立分量分析模型中,圖像信息的表示系數(shù)滿足非高斯分布的特點,研究了高階統(tǒng)計量在特征提取中的作用,提出利用二階統(tǒng)計量與高階統(tǒng)計量的聯(lián)合矩描述投影系數(shù)的概率分布特征,有效地實現(xiàn)了多類紋理分類。 (3)在平均場獨立分量分析模型中,結(jié)合局部非負特性對基函

4、數(shù)的約束,提出了局部非負的平均場獨立分量分析方法,利用所得到的稀疏性基函數(shù)用于基于部件的物體識別,取得了較好的識別性能。 (4)融合了獨立分量分析與小波變換的基函數(shù)構(gòu)建方法,提出基于自適應(yīng)基函數(shù)的稀疏小波模型。采用Lattice結(jié)構(gòu)構(gòu)造自適應(yīng)小波基,通過對小波分解的子帶系數(shù)進行稀疏性的限制,將圖像基函數(shù)的學(xué)習(xí)轉(zhuǎn)化成一組低維的小波基函數(shù)參數(shù)的優(yōu)化問題,從而減少基底函數(shù)估計的不確定性,有效增強模型對圖像真實的統(tǒng)計獨立結(jié)構(gòu)的描述能力。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論