【摘 要】
：
目的:几何形态的变化为变形图像配准带来了许多障碍。本文提出一个用以描述几何形变的数学模型,可以在变形图像配准中实现源图像与目标图像之间的平滑变换。创新点:提出一个新的图像配准模型,可以显著抑制局部几何形变对图像配准的影响并极大地提高配准准确性。方法:本文提出的配准模型中主要引入一个可以将几何形变区域正则化的L1范数。这一稀疏诱导范数可以通过抑制局部变换来实现平滑的全局变换。为保证算法的稳定性和快速
【出 处】
：
Frontiers of Information Technology & Electronic Engineering
论文部分内容阅读
目的:几何形态的变化为变形图像配准带来了许多障碍。本文提出一个用以描述几何形变的数学模型,可以在变形图像配准中实现源图像与目标图像之间的平滑变换。创新点:提出一个新的图像配准模型,可以显著抑制局部几何形变对图像配准的影响并极大地提高配准准确性。方法:本文提出的配准模型中主要引入一个可以将几何形变区域正则化的L1范数。这一稀疏诱导范数可以通过抑制局部变换来实现平滑的全局变换。为保证算法的稳定性和快速收敛,文本对算法的数值解进行了详细讨论。结论:通过将算法应用于真实采集的外伤性脑损伤图像,验证了算法的实
其他文献
针对当前人脸识别算法对光照变化、姿态变化鲁棒性差的局限性,提出了一种改进混合高斯模型的人脸识别算法。首先对采集的人脸图像进行预处理,消除光照等外因素的不利影响,然后分别提取多种人脸图像的特征,最后采用混合高斯模型对人脸进行识别,并采用多个人脸数据库进行验证性实验,结果表明,本文算法对光照变化、姿态变化具有较强的鲁棒性,获得比经典人脸识别算法更优的识别结果,在人脸识别中具有广泛的应用前景。
为实现对激光图像的快速高精度处理,提出了一种基于多核DSP和脉冲耦合神经网络(PCNN)的激光图像处理方法。系统采用PCNN算法作为图像处理算法,利用FPGA与多核DSP相结合对激光图像数据进行处理,通过FPGA对图像数据进行预处理,减少了DSP的运算量,提高了DSP的处理速度。利用千兆网Gig E模块实现图像处理系统与上位机的互连,能够满足处理结果和控制信息高速传输的要求。实验结果表明:系统实现
针对复杂图像脉冲噪声的处理问题,本文基于非线性滤波算法,将开关中值算法和最小相邻图像均方差参数自调整算法结合起来,提出了一种针对脉冲噪声的参数自调整开关中值滤波的图像去噪方法。详细介绍了该方法的设计和实现过程,并不需要掌握图像及噪声的确切信息,可以通过参数自调整方法对该去噪算法中的参数进行选择并优化。最后,进行仿真实验并与其它去噪算法比较。仿真和比较结果表明:基于参数自调整开关中值滤波的图像去噪方
为了提高路径智能识别的准确性,针对当前路径识别方法性能差的不足,本文提出一种基于激光传感器的路径智能识别算法。首先采用激光传感器对路径的状态信息进行采集,并进行相应的预处理,然后从状态信息中提取有用的特征,并对特征进行归一化处理,最后采用支持向量机对路径进行智能、自动识别,并通过仿真测试对其可行性进行验证。结果表明,激光传感器的路径智能识别算法可以获得理想的路径识别结果,解决了当前路径智能识别方法
为有效解决BP分类器训练时易震荡,易陷入局部极小值和人脸图像由于受拍摄角度,表情变化等因素影响而导致识别率低的问题,提出一种基于图像旋转变换的改进的主成分分析(PCA)与学习向量量化网络(LVQ)相结合的新算法。首先用辐射模板对非正面人脸进行标准化,然后将PCA和具有多方向,多尺度滤波特性的二维Gabor相结合进行降维,最后使用鲁棒性强,结构简单的LVQ网络进行分类识别。本文算法利用ORL人脸库进
针对复杂场景文本难以有效分割的问题,提出一种复杂场景文本分割方法.首先,使用简单的线性迭代聚类(SLIC)算法将原始图像分割为若干局部区域,并在其区域邻接图上构建图割模型;然后,采用高斯混合模型(GMMs)和支持向量机(SVM)后验概率模型对场景文本进行建模,并引入每个局部区域与模型之间的匹配度用于计算似然能.为了增强GMMs的鉴别力,在参数学习中引入模型性能描述子,自适应地获得模型参数.实验结果
在有限采样情况下,研究具有时滞的多输入单输出受控自回归系统的参数辨识和时滞估计问题.当采样次数少于未知变量数时,描述系统的方程组是欠定的,对其目标函数求解是NP-hard问题,传统方法无法有效辨识出系统参数.受压缩感知理论的启发,基于参数向量所具有的稀疏特性,提出一种新的阈值正交匹配追踪算法辨识系统的参数和时滞.仿真实验表明,所提出的算法能在少量采样时有效地辨识系统参数、估计未知时滞,同时验证了算
Artistic video stylization, which is widely used in multimedia entertainment, transforms a given video into different artistic styles. Most of the existing video stylization algorithms can simulate si
Often only simple features are employed in mobile augmented reality(AR) due to the limited computational capacity of mobile terminals, which often leads to unsteadiness of the camera tracking. In this
目的:随着智能手机、数码相机的普及和互联网的高速发展,基于内容的场景类别识别对于图像数据库标注和检索具有重要意义。在场景类别数目比较多的情况下,本文基于概率隐语义分析(p LSA)和自适应提升(Ada Boost)算法,实现一种鲁棒的场景类别识别算法。创新点:记录p LSA学习得到的主题的位置关系,提出金字塔主题直方图;在词包(bag-of-words)模型中采用不同的兴趣点提取算子和不同的局部区