排序方式: 共有71条查询结果,搜索用时 15 毫秒
1.
结合多尺度图像分解技术和等高线理论提出了一种图像特征表达方法.该方法的独特之处在于将经验模态分解技术应用于图像的梯度模,而不是直接应用于图像本身.对梯度模图像进行经验模态分解,获得表示图像不同尺度下变化信息的固有模态函数,取携带丰富图像特征的前两个固有模态函数进行叠加,对叠加后的固有模态函数求取等高线,以实现对图像特征的提取和表达.实验结果表明,这种图像特征表达方法,不仅可以捕获图像中不同灰度变化属性信息,而且可以获得图像的几何结构,对图像的弱特征信息也有较好的表示能力. 相似文献
2.
通过分级变换将图像从灰度空间转换到新的等级空间,然后构造相应的匹配代价函数计算两个图像点之间的最大相似度,从而找出对应点和偏移值。分级变换可以有效的解决在立体对应中经常遇到的图像噪声、失真及左右图像的亮度差异等问题。大多数的自适应立体对应算法是以偏移量和灰度值两个自变量来构造代价函数,而构造合适的代价函数是一个困难的问题。本文中提出自适应窗选择算法只与灰度值有关。首先通过边缘检测提取出灰度边缘信息。本算法仅根据灰度边缘信息就可以进行自适应窗的选择。自适应选择图像窗的过程与偏移值无关,从而降低了构造代价函数的难度。实验结果说明本算法能够生成准确度较高的深度图,是一种较好的局部立体对应算法。 相似文献
3.
对自主式移动机器人,通过立体视觉方法得到环境的深度信息,并反馈控制机器人的运动。文中提出了一种基于自由门1-door和t-door进行机器人路径规划的方法,讨论了该方法的可行性,并分析了通常情况下机器人运动可能遇到的几种情况。 相似文献
4.
5.
本文提出一种用自反馈神经网络来恢复被噪声污染的非零边界条件模糊灰度图象的方法。文中详细讨论了用于描述图象的神经元网络模型,给出了模型参数估计和根据该模型实现的图象恢复算法。在神经元网络模型中,图象的灰度函数被表示成神经元状态的简单代数和。实验结果表明由于神经元网络模型的容错性和自适应性,运用该方法对加有椒盐噪声的匀速直线运动模糊列车图象进行恢复,可以得到高质量的图象恢复结果。 相似文献
6.
提出了一种图像的非线性尺度空间表示方法,并将其应用于时间要求严格的场景绘制。首先把图像分解为水平差集,对水平差集的连通分支赋予一个测度,然后根据测度从大到小对所有水平差集的所有连通分支进行排序。绘制进根据所排序依次将连通分支显示出来,根据时间的限制, 显示的将是不同层次细节的图像。这种表示方法具有保形、保对比度的特点。最后,给出了实验结果,并探讨了此方法的局限性及改进方向。 相似文献
7.
研究了基于Unix系统的大型离散事件可视化网络仿真器NS—2(Network Simulator V.2),分析了基本网络模型C 类的设计原理,Tcl仿真脚本文件的Otcl语言建立方法,局域网模型拓扑描述,路由策略与协议算法,组件的编译等。着重剖析了分布式Bellman—Ford(或距离向量DV)路由算法,以及动态网络拓扑变化的仿真机制。设计了一个7结点的令牌环形网的动态路由仿真实例。利用Nam工具仿真实现了动态路由DV算法的动画效果,利用Xgraph工具描绘出通路上的数据流量曲线,实验结论验证了在DV路由算法下网络的通畅性,以及实际通信中数据包的抛弃、丢失和网络阻塞干扰等现象的客观存在。 相似文献
8.
9.
基于支持向量机的机场检测算法 总被引:2,自引:0,他引:2
提出了一种新的机场检测算法.该算法通过把机场跑道的几何特征与其所在区域的纹理特征相结合来描述机场特征,其中由灰度的平均值和方差、区域的光滑性、直方图的偏斜度、区域的一致性、图像的随机性、图像的梯度平均和方差等8个特征组成机场的纹理特征向量.先通过直线检测找到机场跑道的候选区域,然后用基于高斯核函数的支持向量机作为分类函数,对候选区域的特征向量进行分类,由此判别机场跑道.实验表明,与传统的仪通过形状判断机场的方法比较,该算法对机场的误检率较低,检测率比刘德红的方法高近10倍,几乎能实时完成一幅图像的检测. 相似文献
10.
针对智能车辆油门控制系统,提出了一种单神经元模型参考自适应控制算法.首先通过实验研究获得油门控制系统的传递函数,再以该函数获得的数学模型为依据设计了自回归滑动平均模型(NARMAX)神经网络,并对系统输出进行离线辨识和在线预测.采用免疫模糊思想改进二次型单神经元控制算法,构建基于NARMAX神经网络预测的模型参考自适应控制系统,定义了一种评价车辆纵向运动的目标函数,采用浮点遗传算法寻找各控制器的最优值.仿真结果表明,NAR-MAX神经网络可辨识和预测车辆油门系统的动力特性,与免疫模糊和二次型单神经元算法相比,单神经元模型参考自适应算法的阶跃响应速度显著提高. 相似文献