排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
由于图像中的噪声和复杂性,传统的图像分割方法并不总是能够捕捉到所有细节,即可能会忽略相邻像素的属性或者将图像的不同部分合并在一起.为了充分利用可用信息,利用低秩表示(LRR)和鲁棒主成分分析(RPCA)模型的优点,提出了一种新的图像分割方法,通过模糊c均值(FCM)方法对低秩亲和矩阵进行聚类来获得分割结果.在整个方法中,低秩分量是图像的主要信息,是通过求解RPCA模型获得的,而亲和矩阵表示全局结构,则是通过求解LRR模型获得的.在实验部分,使用计算机断层扫描(CT)图像分割来评估本文方法,结果显示在准确性和鲁棒性方面都有了显著改进.与现有一些算法相比,本文算法对异常值更加鲁棒,并尽可能地保留了图像的细节信息. 相似文献
2.
通过对比两种不同的泊肃叶定律的推导方法, 澄清了关于泊肃叶定律众说不一的适用范围问题. 指明
将泊肃叶公式中计算流量时的压强视为广义压强, 则泊肃叶定律既适用于水平直圆管的流量计算, 也适用于非水平
直圆管的流量计算. 并指出关于泊肃叶定律的修正中存在的问题 相似文献
3.
1