2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩130頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、利用計(jì)算機(jī)模擬人眼的功能準(zhǔn)確分割圖像中的目標(biāo),對(duì)于計(jì)算機(jī)視覺(jué)和圖像處理至關(guān)重要。由于在實(shí)際圖像中,目標(biāo)可能受到噪聲、遮擋、缺損或背景粘連等因素的影響,僅依賴圖像本身的信息對(duì)目標(biāo)進(jìn)行分割往往效果不佳?;谛螤钕闰?yàn)生成過(guò)完備形狀字典,并結(jié)合稀疏表示模型對(duì)目標(biāo)分割過(guò)程進(jìn)行監(jiān)督可較好的改善分割效果。本文在深入分析了國(guó)際上一些經(jīng)典的稀疏形狀表示模型和變分分割方法的基礎(chǔ)上,重點(diǎn)研究了形狀的稀疏表示方法、映射空間過(guò)完備字典的生成方法以及結(jié)合稀疏表示的

2、變分目標(biāo)分割方法等內(nèi)容,提出了多種基于形狀先驗(yàn)的變分稀疏分割模型。
  本研究主要內(nèi)容包括:⑴基于相關(guān)命題推出通過(guò)擴(kuò)展形狀映射系數(shù)的定義,可基于映射公式構(gòu)造形狀凸集和其稀疏子集。利用上述子集中的稀疏組合約束輸入目標(biāo)在形狀凸集上的投影,可進(jìn)一步建立基于映射空間的變分稀疏分割模型。論文對(duì)結(jié)合獨(dú)立形狀分量和非線性核空間的凸形狀集研究表明,上述基于映射凸集的變分稀疏形狀表示方法具有一定的通用性,該方法也為建立映射空間變分稀疏分割模型提供了

3、一種新的思路。⑵結(jié)合變分水平集方法、獨(dú)立形狀分量和稀疏形狀表示,提出了一種基于稀疏獨(dú)立分量表示的變分目標(biāo)分割方法。該方法解決了直接使用獨(dú)立分量構(gòu)造稀疏形狀組合無(wú)法確保重建形狀的有效性問(wèn)題。此外,模型還使用對(duì)數(shù)極坐標(biāo)形狀代替原始形狀,實(shí)現(xiàn)了稀疏形狀表示模型中的目標(biāo)自動(dòng)對(duì)齊。通過(guò)在獨(dú)立形狀分量張成的空間中構(gòu)造映射形狀集,并迭代求解水平集函數(shù)在該形狀集上的稀疏表示等方法,解決了利用稀疏獨(dú)立分量表示模型監(jiān)督變分目標(biāo)分割的問(wèn)題。⑶結(jié)合近期發(fā)展起來(lái)

4、的“Wake-sleep”優(yōu)化方法,提出了一種分層分割框架。該框架將能量最小化過(guò)程分解為“Wake”和“Sleep”兩個(gè)階段,通過(guò)“Wake”階段強(qiáng)化模型對(duì)底層圖像的表達(dá)。同時(shí),通過(guò)“Sleep”階段強(qiáng)化高層能量對(duì)輸入形狀的表示。此外,本文還提出一個(gè)對(duì)偶連接能量項(xiàng)來(lái)平衡“Wake”和“Sleep”階段的演化。綜合上述幾項(xiàng)技術(shù),本文構(gòu)建了一種基于隱含核稀疏形狀表示的變分分割模型,該模型解決了非線性核空間中稀疏近鄰的搜索問(wèn)題及利用隱含核形狀

5、表示指導(dǎo)底層變分目標(biāo)分割的問(wèn)題。⑷針對(duì)小樣本情況下過(guò)完備字典形狀表示能力弱的缺陷,提出了一種基于映射字典群的變分稀疏分割模型。該模型在傳統(tǒng)稀疏表示函數(shù)中引入了局部約束項(xiàng)和局部權(quán)重系數(shù)來(lái)實(shí)現(xiàn)形狀的局部調(diào)整。與傳統(tǒng)方法相比,新的模型充分挖掘了訓(xùn)練集中的形狀信息,大幅提高了基于形狀先驗(yàn)的變分稀疏分割模型在小樣本情況下的形狀表達(dá)能力,解決了目標(biāo)存在局部形變的情況下,現(xiàn)有變分稀疏分割方法無(wú)法充分利用訓(xùn)練集樣本的局部特征重建目標(biāo)形狀的問(wèn)題。⑸提出了

6、距離約束概率形狀和對(duì)數(shù)極坐標(biāo)模糊分解兩種形狀建模方法,改善了傳統(tǒng)稀疏組合形變能力不足的問(wèn)題。其中,基于距離約束的概率形狀通過(guò)引入距離約束的概念模擬了平均形狀普遍存在的“過(guò)渡帶”特征,拓展了單個(gè)形狀樣本的內(nèi)涵?;趯?duì)數(shù)極坐標(biāo)模糊分解的形狀字典生成方法對(duì)訓(xùn)練集形狀進(jìn)行了更深層次的分解和挖掘,為小樣本情況下構(gòu)建過(guò)完備形狀字典群提供了更加豐富的信息,大幅改善了小樣本情況下的分割精度。論文在公開(kāi)數(shù)據(jù)集和自建數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,上述基于形狀先驗(yàn)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論