期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于Daubechies小波尺度函数的炉膛空气动力场声学层析重建方法 被引量:1
1
作者 刘璠 李言钦 《中国电机工程学报》 EI CSCD 北大核心 2024年第5期1904-1912,I0020,共10页
声学层析测量是一种先进、有前景的炉内空气动力场非接触重建方法,其中可靠、优化的重建模型算法是关键。小波尺度函数包含所确定尺度以下所有信号频率信息,便于有效重构包含复杂频率成分的场对象,鉴于此,该文提出以小波尺度函数为基对... 声学层析测量是一种先进、有前景的炉内空气动力场非接触重建方法,其中可靠、优化的重建模型算法是关键。小波尺度函数包含所确定尺度以下所有信号频率信息,便于有效重构包含复杂频率成分的场对象,鉴于此,该文提出以小波尺度函数为基对待测空间场层析重建的方法。其采用具有紧支撑、正交特点的Daubechies小波以获得更好的场重建辨识度;对几何参数进行归一化处理以适应不同炉膛断面尺寸的场重建;采用梯度下降法求解线性方程组,得到稳定可靠的结果。通过构建不同典型仿真断面流场并重建,该方法均得到与原设定场良好的一致性,从而证明所提出场重建方法的有效性与可靠性。 展开更多
关键词 声学层析测量 流场 DAUBECHIES小波 尺度函数 梯度下降法
在线阅读 下载PDF
医学噪声图像分割的分解与活动轮廓方法 被引量:10
2
作者 文乔农 徐双 万遂人 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2011年第11期1882-1889,共8页
医学噪声图像的分割是一件非常困难的事情,为了同时进行噪声去除和图像分割,提出一种基于分解的图像活动轮廓分割模型.该模型是G空间图像分解模型和边缘、区域相结合的活动轮廓模型集成的一个变分泛函,由于模型直接求解困难,把它分裂成... 医学噪声图像的分割是一件非常困难的事情,为了同时进行噪声去除和图像分割,提出一种基于分解的图像活动轮廓分割模型.该模型是G空间图像分解模型和边缘、区域相结合的活动轮廓模型集成的一个变分泛函,由于模型直接求解困难,把它分裂成2个泛函极值——图像分解部分和图像分割部分.其中,图像分解部分是在G空间的泛函极值,用第二代曲波变换域的阈值收缩求解;分割部分是变分水平集泛函极值,其Euler方程为非线性偏微分方程,可用梯度下降流求解.实验结果表明,文中模型不但可对噪声图像去噪,而且在相同的实验条件下分割效果优于Chan-Vese模型、Snake模型、Level-set模型和ASM;不仅提高了图像的质量,还能较好地分割出目标部分. 展开更多
关键词 图像分割 活动轮廓 图像分解 阈值收缩 梯度下降流
在线阅读 下载PDF
新的彩色图像去噪与增强模型 被引量:3
3
作者 王贵 管志成 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2005年第9期1343-1347,共5页
为了在对彩色图像进行去噪、增强的过程中保护原彩色图像的色彩信息,提出了一个具有稳定性算法的新的泛函模型.该模型将彩色数据分离为色彩和亮度两部分.将每个像素的三个色彩通道看成是一个三维矢量,则矢量的单位方向向量和亮度分别表... 为了在对彩色图像进行去噪、增强的过程中保护原彩色图像的色彩信息,提出了一个具有稳定性算法的新的泛函模型.该模型将彩色数据分离为色彩和亮度两部分.将每个像素的三个色彩通道看成是一个三维矢量,则矢量的单位方向向量和亮度分别表示像素的色彩和亮度.亮度部分用常见的发展已较完善的各向异性扩散流来处理, 针对色彩部分的处理,新模型基于求解有约束泛函的惩罚函数方法,将对色彩的单位模约束移至能量泛函中.用Leray-Schauder不动点定理证明了该泛函的梯度下降流方程组解的存在性和唯一性,并与相关的彩色图像去噪模型进行了比较.数值实验结果表明,新的模型在去噪的同时保护了原图的彩色特征,且算法稳定. 展开更多
关键词 去躁 增强 惩罚函数 梯度下降流 Leray—Schauder不动点定理
在线阅读 下载PDF
医学影像非刚性配准的并行加速及优化 被引量:1
4
作者 周志勇 薛维琴 +1 位作者 张涛 蒯多杰 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2012年第4期485-493,共9页
三次B样条函数拟合小形变需要大量控制点,且非刚性配准的迭代算法和归一化互信息计算量巨大,使得非刚性配准缓慢.为了提高配准速度,提出基于B样条函数的二级并行算法,其中对归一化互信息使用数据并行算法;对梯度下降流使用任务并行算法... 三次B样条函数拟合小形变需要大量控制点,且非刚性配准的迭代算法和归一化互信息计算量巨大,使得非刚性配准缓慢.为了提高配准速度,提出基于B样条函数的二级并行算法,其中对归一化互信息使用数据并行算法;对梯度下降流使用任务并行算法,并将数据并行算法嵌入到任务并行算法中.为减少计算量,提出图像多层次局部熵提取自由形变场活动控制点的算法,使活动控制点仅分布于待配准的目标之上,并使用B样条系数的快速算法进一步减少计算量;对由于控制点分布优化造成的各线程块并行计算量不平衡的问题,使用类似于Greedy算法的计算平衡算法使各线程块的计算量均衡.实验结果表明,使用B样条系数快速算法可以减少约50%的B样条系数计算量;与串行算法相比,使用二级并行算法以及控制点分布优化算法可以达到60~80倍的加速效果;比现有的数据并行配准算法可提速约6倍. 展开更多
关键词 并行算法 归一化互信息 梯度下降流 局部熵
在线阅读 下载PDF
基于变分和互信息的先验形状配准算法
5
作者 杨平吕 周则明 +1 位作者 石汉青 黄峰 《计算机工程》 CAS CSCD 2013年第11期174-177,共4页
针对带先验形状约束的几何活动轮廓模型中的形状配准问题,提出一种基于变分方法和最大互信息准则的先验形状配准算法。利用变分配准模型计算仿射变换参数,将其作为互信息配准算法的初值,通过Powell优化算法计算仿射变换参数的最优解。... 针对带先验形状约束的几何活动轮廓模型中的形状配准问题,提出一种基于变分方法和最大互信息准则的先验形状配准算法。利用变分配准模型计算仿射变换参数,将其作为互信息配准算法的初值,通过Powell优化算法计算仿射变换参数的最优解。实验结果表明,该算法在保证配准精度的同时,能明显提高计算效率。 展开更多
关键词 先验形状 图像配准 变分 互信息 梯度下降流 仿射变换
在线阅读 下载PDF
基于CNN公交客流检测系统的设计 被引量:3
6
作者 张开生 刘泽新 +1 位作者 郭碧筱 杨帆 《石河子大学学报(自然科学版)》 CAS 北大核心 2019年第5期654-660,共7页
针对公交客流数据获取现状不稳定、处理方法陈旧及无法实时调度等问题,本文结合图像处理和深度学习方法,设计了公交客流检测系统,重点对乘客头部的特征提取算法进行研究。该系统将工业摄像头分别置于车厢前端、中端及末端的上侧,以此获... 针对公交客流数据获取现状不稳定、处理方法陈旧及无法实时调度等问题,本文结合图像处理和深度学习方法,设计了公交客流检测系统,重点对乘客头部的特征提取算法进行研究。该系统将工业摄像头分别置于车厢前端、中端及末端的上侧,以此获得车内乘客三通道图像,在Raspberry Pi树莓派中移植TensorFlow深度学习框架,由此搭建卷积神经网络CNN的模型,以此模型提取车厢内乘客头部特征,再采用综合梯度下降算法优化学习速率和三通道数据融合技术判断车内拥挤情况,从而保证模型的鲁棒性。实验结果表明:将识别结果输入SPP-Net网络结构中,上述算法识别准确率为87.23%,较传统卷积神经网络提高9.11%,收敛速率提高20.77%,其实时的拥挤度判断更具有实用性。 展开更多
关键词 客流检测 卷积神经网络CNN 综合梯度下降算法 拥挤情况
在线阅读 下载PDF
基于变分模型的图像去雾方法 被引量:3
7
作者 刘建磊 《计算机工程》 CAS CSCD 北大核心 2017年第11期216-220,226,共6页
基于雾天图像成像模型的去雾方法在天空区域易产生失真现象,并且存在边缘处透射率计算不准确的问题,为此,提出一种图像去雾方法。该方法基于变分模型构建含有数据项、平滑项和边缘保持项的能量泛函,利用梯度下降流法最小化该能量泛函以... 基于雾天图像成像模型的去雾方法在天空区域易产生失真现象,并且存在边缘处透射率计算不准确的问题,为此,提出一种图像去雾方法。该方法基于变分模型构建含有数据项、平滑项和边缘保持项的能量泛函,利用梯度下降流法最小化该能量泛函以达到透射率的精确求解,根据已获取的透射率值和雾天图像复原理论实现图像的精确复原。实验结果表明,该方法在天空区域和边缘区域的去雾效果优于传统方法,具有更小的均方误差值和更大的结构相似度值。 展开更多
关键词 透射率 梯度下降流 变分模型 能量泛函 暗原色先验
在线阅读 下载PDF
神经网路模式在流量之预测
8
作者 颜正平 曾仁宏 《水土保持研究》 CSCD 1995年第3期62-67,共6页
本文以倒传递神经网路模式,进行长期流量预测之应用研究,并以台湾中部德基水库上游松茂流量站历年观测资料进行探讨.初步得到预测结果与实测值比较尚有一倍以上的误差。但以神经网路之潜在应用潜力,寻找系统化网路参数值建立方法以... 本文以倒传递神经网路模式,进行长期流量预测之应用研究,并以台湾中部德基水库上游松茂流量站历年观测资料进行探讨.初步得到预测结果与实测值比较尚有一倍以上的误差。但以神经网路之潜在应用潜力,寻找系统化网路参数值建立方法以得到更精确预测结果之经验,为寻人相当值得继续研究之课题。 展开更多
关键词 水土流失 神经网路模式 最陡坡降法 流量预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部