排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
视觉注意机制在图像增强中的应用研究 总被引:2,自引:0,他引:2
将视觉注意机制引入到直方图构造中,并在此基础上提出了一种新的基于灰度级信息量直方图的图像增强算法.该算法利用Itti视觉注意计算模型对图像的显著性进行分析,获得全局显著图;然后,将全局显著图划分为若干等大的子区域,求取各子区域的平均显著值,并做归一化处理,得到子区域的加权统计系数;再将各子区域的灰度级加权统计值相加,得到灰度级信息量直方图;最后,依据直方图均衡化的映射函数,调整灰度级的动态范围.实验结果表明,该算法明显优于经典的GHE算法和AHE算法,具有满意的视觉效果. 相似文献
3.
混沌系统的一般变结构控制方法存在高频抖振和需要事先已知系统不确定项的上界等不足,针对这些不足,以一类不确定时变混沌系统为例,提出了自适应无抖振变结构控制(ACFVSC)方法,以控制混沌系统到任意设定轨道.该方法不仅能消除滑模面附近的抖振现象,实现渐近跟踪,而且不需要“不确定项的上界已知”的先验知识.ACFVSC的渐近跟踪分析与仿真结果都表明,只要选择合适的控制器参数,就能在有限时间内达到任意的设定跟踪精度.
关键词:
不确定时变混沌系统
变结构控制
无抖振 相似文献
4.
时间序列复杂网络分析近些年已发展成为非线性信号分析领域的一个国际热点课题.为了能更有效地挖掘时间序列(特别是非线性时间序列)中的结构特征,同时简化时间序列分析的复杂度,提出了一种新的基于时间序列符号化结合滑窗技术模式表征的有向加权复杂网络建网方法.该方法首先按照等概率区段划分的方式将时间序列做符号化处理,结合滑窗技术确定不同时刻的符号化模式作为网络的节点;然后将待分析时间序列符号化模式的转换频次和方向作为网络连边的权重和方向,从而建立时间序列有向加权复杂网络.通过对Logistic系统不同参数设置对应的时间序列复杂网络建网测试结果表明,相比经典的可视图建网方法,本文方法的网络拓扑能更简洁、直观地展示时间序列的结构特征.进而,将本文方法应用于规则排列采集的自然风场信号分析,其网络特性指标能较准确地预测采集信号的排布规律,而可视图建网方法的网络特性指标没有任何规律性的结果. 相似文献
1