基于光流场核密度估计的动态目标分割

在经典的核心密度估计模型中,基于像素亮度的估计能够将同一目标更好地连通显示,具有集中的像素分布规律.利用这一规律,可将经典核密度模型的计算维度扩展到二维,用其分割像素对应的光流场,并称该方法为基于光流场核密度估计的动态目标分割模型.实验证明,该方法能够从运动背景中很好地检测出较完整的运动目标.     

一种复杂图像目标的分割与识别

研究受光照等因素影响的表面灰度随机变化的空中图像目标的分割与识别。提出了改进的多阈值八邻域像素比较边缘检测算法,对得到的边缘像素进行填充,并在跟踪过程中消除轮廓上的短枝及图像干扰,最后采用快速多边形近似算法,用多边形顶角及目标形状因子作为特征对目标进行识别。     

种群密度估计的方差与种群动态曲线拟合的加权目标函数

研究认为种群动态曲线拟合目标函数的选取及定义取决于密度估计方差的性质。由密度估计方法的原理及计算机模拟确定了密度估计方差与密度估计值之间的正相关关系。由此确定了采用１／Ｎｉ加权的目标函数Σ（Ｎｉ－Ｎｉ）＾２／Ｎｉ的对于种群动态曲线拟合的合理性。并在实验数据的拟合中得到证实。     

基于SUSAN算法的空间目标分割算法

随着航天科技的迅猛发展,空间背景下非合作目标的分割问题已经成为人们关注的新焦点。SUSAN算法是一种新兴的并行边界类分割算法,采用USAN原理,通过对模板覆盖像素的统计来提取目标的特征。针对空间目标图像的特点,提出了一种基于SUSAN算法的空间目标分割算法。利用图像中目标的边缘轮廓信息进行特征提取,实现了人造目标与背景的分离。该算法具有抗噪声能力好、特征定位准确、计算速度快、能够较好的保持图像的特征结构信息等特点,非常适用于航天图像的实时分割处理。     

基于核密度估计的VaR-GARCH模型改进

对GARCH模型下标准化扰动的分布进行非参数核密度估计,并应用标准化扰动的核密度估计分布来计算时变风险价值.最后通过实证分析验证了此模型的有效性.     

室外场景下目标分割和目标识别算法

视频监控应用场听可分为室内和室外．室外环境受到诸如光照、下雨、落叶等因素的影响,整个场景变化复杂,给视频处理带来许多困难．文中介绍一种室外场景下目标分割和目标识别的方法,使用基于像素颜色特征的混合概率模型,将当前图像中与模型匹配的像素视为背景,然后更新模型中各个参数．为了去除目标区域的阴影部分,引人一种基于阀值和区域特征的阴影消除算法．同时,采用基于支持向量机的分类方法,识别场景中新出现的目标．     

基于动态规划的最优化医学超声图像边缘提取

动态规划（DP）是一种解决多阶段决策过程最优化的方法。图像边缘提取时为了使系统输出具有最小的不确定性，考虑最优化判据是必要的。动态规划算法用于图像的边缘检测主要是获得一个图像的最低能量代价阵的过程，而图像的边缘对应于最低代价阵中的终止点和起始点之间能量梯度降低最快的路径，由此可以由最低代价阵勾勒出需要的边缘。对于质量较差的图像，可以先用梯度算子和一种LUM滤波器相结合进行预滤波。实验表明，基于该算法用于超声图像的边缘检测要获得全局最优的稳定的边缘线，是一种理想的最优化算法。     

基于小波变换的纹理图像分割

Ｍａｌｌａｔ非正交小波变换通常用于光滑图像的边缘提取,本文将其改进后,推广到图像纹理特征的提取和纹理图像的分割,取得了良好的效果。基于小波变换的纹理图像分割的算法中,小波变换尺度数的选取和纹理聚类数的确定是其难点。对此,本文作了详细的讨论,提出了一些独特、有效的解决方法。     

基于改进动态规划的MR图像左心室分割

为了在MR图像中精确提取左心室外膜,本文提出一种基于改进动态规划的分割方法。先用Otsu阈值法分割心内膜,再在此基础上设计一种改进的动态规划方法来寻找一条闭合的最小代价路径作为心外膜边界。该方法的关键在于路径代价函数的设计,它包括边界灰度因子、梯度因子和形状因子。3个因子之间的权重系数用混沌粒子群算法优化,同时,为了避免心外膜越过心包脂肪,设置了代价无穷大的心外膜"禁区"。将该方法在138幅图像上的分割结果与金标准及相关算法进行比较,结果表明该方法具有更高的分割精度和鲁棒性。     

基于改进活动轮廓模型的人脸分割

人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。     

基于核密度估计的泥土物证分类方法

利用核密度估计建立了泥土物证元素数据分布不符合正态分布时,估计样本总体概率密度函数的方法,为城市样本间基于似然比检验的分类与比对建立基础。在估计过程中采用积分均方误差衡量窗宽优劣,以积分均方误差最小化准则求得核密度估计的最优窗宽。利用判别分析与似然比检验为特定地域泥土物证的分类提供了可靠的分类分析方法。     

基于核密度估计的图像平滑的最优停止

运用偏微分方程进行图像平滑的过程中,迭代的最佳停止次数一直都是研究重点.利用随机变量之间的独立性,提出一个基于核密度估计的最优停止准则.该准则能获得准确的最佳停止次数,且不需要预知图像中的噪声水平.数值实验结果表明,该准则所得到的最佳停止次数非常接近于均方差（mean square error,MSE）方法所得到的最佳停止次数,且适用于多种噪声水平.     

密度核估计的局部窗宽选择法

密度核估计的局部窗宽选择法中,光滑Bootstrap法只有在目标函数具有较高阶的连续导数时,窗宽h才能获得理想的取值。为此,减弱条件提出了新的计算方法,经过证明分析该方法是较切合实际的。     

基于变分模态分解的弹性参数核密度估计方法

概率密度建模是地震随机模拟中至关重要的环节,而弹性参数高频成分的概率密度估计决定了高分辨率地震随机模拟结果的精度。针对常规方法中弹性参数高频成分提取精度不足、概率密度建模先验条件过度约束以及弹性参数的概率密度建模分层设计等问题,提出了一种基于变分模态分解（variational mode decomposition, VMD）的弹性参数核密度估计方法。该方法首先采用VMD对测井弹性参数数据进行模态分解,筛选出本征模态函数（intrinsic mode function, IMF）中的高频项叠加得到测井弹性参数的高频成分;然后使用核密度估计分层计算得到高频成分的概率密度模型,并通过该模型进行随机抽样生成随机高频成分叠加至井旁地震数据上以达到丰富地震弹性参数数据高频内容的目的。珠江口盆地34号井区的实验结果显示,VMD有效分离出了中心频率在70 Hz以上的测井弹性参数高频成分,分层设计的核密度估计方法凸显了高频成分的统计规律,叠加随机高频成分后地震弹性参数70 Hz以上的高频成分得到了明显补充。该方法为地震高分辨率随机模拟提供了新的思路。     

变窗宽密度核估计的构造及均方相合性

通过对非参数密度核估计定义的理解,从一个崭新的角度提出了变窗宽密度核估计的思想,且对于i.i.d(独立同分布)随机变量的密度函数,给出了一种新的核估计方法,并以定理形式得出在一定条件下,此核估计具有均方相合性,并给出了证明.     

密度核估计中窗宽选择的一种新方法

提出了密度核估计中窗宽选择的一种新方法,并通过选取适当的核函数,推导出决定窗宽选择的数学表达式,最后在均方误差(MSE)意义下,通过与交叉验证法(cross-validation)进行比较,说明在未知总体分布的情形下,用此方法选择最优窗宽是很有效的一个途径.     

基于高斯混合模型的视频对象分割算法

针对应用高斯混合模型（GMM）进行视频建模与分割时的模型选择及参数估计初值选择的难点，提出了一种基于GMM的视频对象分割算法．首先进行特征提取，在特征矢量中引入加权运动信息，可根据不同需要选择合理的加权系数，然后通过分割投影进行模型选择及期望最大化（EM）算法的参数初始化并估计参数，这种初值选择方案使得EM算法的初值和真实值较接近，加快了迭代运算的收敛速度，从而提高了视频对象的分割速度，最后对特征矢量进行聚类分割．仿真实验表明，在保持良好分割效果的同时，所提算法的运算速度约为常规方案的76％，并且具有良好的稳定性．     

基于粒子群改进的自适应核密度估计算法的江苏省地面气温分析

考虑到当前气温分析方法对于季度、月度及日夜时间尺度下的数据分析不够充分的问题,提出一种基于粒子群算法改进的自适应核密度估计算法(PA-KDE),利用1961~2008年江苏省12个站点的定时气温资料研究该方法在季度、月度及日夜时间尺度下的灵敏度。按区域与季节对试验进行分析的结果表明：PA-KDE算法在季度、月度、日夜时间尺度下具有更高的灵敏度;同时可以用来更全面的分析气温的时空变化特征以及不同影响因子的效果。可见在讨论气温时空变化以及影响特征时要关注更多时间尺度、区域、季节下的影响。     

Parzen窗核密度估计的大规模数据模式分类隐私保护方法

 针对大规模数据集上的模式分类任务, 提出基于Parzen 窗核密度估计的模式分类隐私保护算法。利用Parzen 窗算法对原始大规模训练集服从的概率密度进行估计, 根据估计的概率密度函数构造la 个替换训练样本, 其中l 为原始样本的数目, a 通过10 折交叉验证方式确定。最后发布替换训练样本进行模式分类, 以实现原始数据上的隐私保护。在Adult 数据集上的仿真实验充分验证了算法的有效性。