- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于高斯混合模型的图像阈值分割方法
摘要： 图像阈值化是图像处理与分析中用于将图像分割为前景和背景的重要技术。传统阈值化方法难以在噪声干扰和灰度不均的图像上获得满意效果。本文提出一种基于高斯混合模型(GMM)的图像阈值化方法来解决该问题。GMM假设图像由两个未知参数的高斯分布混合而成，分别对应前景和背景。基于此假设，我们采用具有简单初始化策略的期望最大化算法来估计统计参数，并利用贝叶斯准则生成二值图。此外，通过考虑邻域效应计算后验概率，从而在噪声干扰和灰度不均的图像上实现良好性能。在合成图像与真实图像上进行的实验结果验证了所提方法的有效性。
关键词： 图像阈值分割、高斯混合模型、期望最大化算法、邻域信息
更新于2025-09-23 15:23:52
-
[IEEE 2018信号处理：算法、架构、配置及应用会议(SPA) - 波兰波兹南(2018.9.19-2018.9.21)] 2018信号处理：算法、架构、配置及应用会议(SPA) - 高斯混合模型前景目标分割算法在超高分辨率视频流中实时处理的硬件实现
摘要： 本文提出了一种用于背景建模和前景目标分割的高斯混合模型算法的硬件实现方案。该视觉系统能够处理分辨率高达4K（3840×2160像素）、帧率达60帧/秒的视频流。此外，还讨论了由内存带宽限制引起的约束问题，并研究了多种应对该问题的解决方案。所设计的模块已在搭载Xilinx Zynq UltraScale+ MPSoC器件的ZCU102开发板上完成验证，同时评估了其计算性能与功耗表现。
关键词： FPGA、4K视频、背景建模、实时处理、GPU、高斯混合模型、前景对象分割
更新于2025-09-23 15:23:52
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 自适应高光谱混合噪声去除
摘要： 本文提出了一种针对受条纹噪声、高斯噪声和脉冲噪声（从统计学意义上混合）污染的高光谱图像（HSI）的新型去噪方法。该方法具有三个显著特点：1）利用高光谱图像的内在特性，即低秩性和自相似性；2）假设观测噪声为加性噪声，并通过高斯混合密度（MoG）进行建模；3）采用期望最大化（EM）算法进行推断，该算法除估计纯净高光谱图像外，还同步估算混合参数（各模式的概率后验及方差）。与现有最先进算法的对比实验验证了所提去噪方法的有效性。
关键词： 期望最大化、低秩、混合噪声、自相似性、去噪、高斯混合模型、高光谱图像
更新于2025-09-23 15:22:29
-
[IEEE 2018年国际雷达会议（RADAR） - 澳大利亚布里斯班（2018.8.27-2018.8.31）] 2018年国际雷达会议（RADAR） - 未知噪声下的高分辨率雷达成像
摘要： 本文在贝叶斯框架下研究了复杂未知噪声环境中的高分辨率雷达成像问题。新统计模型中噪声服从高斯混合分布，其权重由稀疏性促进的伽马-高斯分层先验控制。随后通过最大后验期望最大化（MAP-EM）技术估计权重。实验表明，该方法为箔条干扰等复杂环境下的高分辨率雷达成像提供了有效途径。
关键词： 雷达成像、干扰抑制、贝叶斯学习、MAP-EM算法、高斯混合模型
更新于2025-09-23 15:22:29
-
基于空间化高斯混合模型与模型选择的谱图像无监督分割
摘要： 本文描述了一种新颖的无监督光谱图像分割算法。该算法通过为空间信息建模扩展了经典的高斯混合模型无监督分类技术：将光谱建模为K个高斯分布类别的混合体，其混合比例取决于位置坐标。通过采用分段恒定结构处理这些混合比例，我们构建了一个惩罚最大似然估计流程，可同步估算最优分割方案及所有其他参数（包括类别数量）。即使生成模型不在测试集范围内，我们仍为该估计提供了理论保证，并阐述了高效实现方法。最后，我们利用真实数据集开展了一系列无监督分割数值实验。
关键词： 光谱图像、高斯混合模型、模型选择、空间信息、无监督分割
更新于2025-09-23 15:22:29
-
用于CFA去马赛克的联合色彩空间高斯混合模型
摘要： 我们提出了一种基于图像块的算法，用于对由常用彩色滤光阵列采集的马赛克彩色图像进行去马赛克处理。该算法利用联合色彩空间高斯混合模型（JCS-GMM）先验知识，联合表征彩色图像红、绿、蓝通道的图像块。通过高斯模型的协方差矩阵捕捉的通道间相关性，用于估计马赛克图像中缺失的像素值。所提出的JCS-GMM去马赛克算法可视为Color-KSVD算法的高斯混合模型类比方案——后者在彩色图像去噪和去马赛克领域已取得显著成果。实验表明，与现有最先进的去马赛克算法相比，本算法在Kodak和Laurent Condat数据库上表现更优，在IMAX数据库上也具有竞争力。
关键词： 色彩滤波阵列、去马赛克、拜耳模式、高斯混合模型
更新于2025-09-23 15:22:29
-
一种基于深度学习的高效鲁棒虹膜分割算法
摘要： 虹膜分割是整个虹膜识别过程中的关键步骤。当前大多数先进的虹膜分割算法都基于边缘信息。然而，在存在镜面反射或其他障碍物的图像中，常规基于边缘的检测器会检测出大量噪声边缘点，从而误导瞳孔边界和角膜缘边界的定位。本文提出了一种结合学习算法与边缘算法的虹膜分割方法：构建仅含六层的优化Faster R-CNN网络来定位和分类眼部区域；基于Faster R-CNN获取的边界框，采用高斯混合模型定位瞳孔区域；根据五个关键边界点拟合瞳孔区域的圆形边界；运用边界点选择算法确定角膜缘边界点，并通过这些边界点构建角膜缘的圆形边界。实验结果表明，该虹膜分割方法在具有挑战性的CASIA-Iris-Thousand数据库上达到了95.49%的准确率。
关键词： 虹膜分割、Faster R-CNN、高斯混合模型、边界点选择、深度学习
更新于2025-09-23 15:22:29
-
[2019年IEEE第八届先进光电子学与激光国际会议(CAOL) - 保加利亚索佐波尔(2019.9.6-2019.9.8)] 2019年IEEE第八届先进光电子学与激光国际会议(CAOL) - 进化生物启发猫群优化方法的快速改进
摘要： 本文提出了一种用于文本无关说话人识别（SI）任务的新型概率方法。为捕捉识别过程中的动态信息，我们通过级联三个相邻的MFCC帧设计了超梅尔频率倒谱系数（MFCCs）特征。这些超MFCC向量被用于概率模型训练，从而充分提取说话人特征。采用最新提出的直方图变换（HT）方法估计上述超MFCC特征的联合概率密度函数（PDF）。为缓解多元直方图计算中常见的不连续问题，HT方法生成了更多训练数据，据此获得平滑的超MFCC向量概率密度函数。与高斯混合模型等典型PDF估计方法相比，基于HT模型的SI系统取得了显著改进。
关键词： 说话人识别、高斯混合模型、梅尔频率倒谱系数、直方图变换模型
更新于2025-09-23 15:21:01
-
[IEEE GLOBECOM 2019 - 2019年IEEE全球通信会议 - 美国夏威夷州威科洛亚市 (2019.12.9-2019.12.13)] 2019年IEEE全球通信会议(GLOBECOM) - 基于门控循环单元学习的可见光通信无人机最优部署方案
摘要： 本文研究了配备可见光通信（VLC）功能的无人机（UAV）部署优化问题。在该研究模型中，无人机可同时为地面用户提供通信与照明服务。环境光照会增强VLC链路的干扰，同时降低无人机的照明阈值。因此，无人机部署优化需考虑目标区域的照明分布。该问题被构建为在满足用户照明与通信需求的前提下最小化总发射功率的优化问题。为解决该问题，提出了一种基于门控循环单元（GRU）机器学习框架的算法。通过GRU，无人机能够建模长期历史照明分布并预测未来照明分布。为在准确预测照明分布的同时降低预测算法复杂度，采用高斯混合模型（GMM）拟合每个时隙目标区域的照明分布?；谠げ獾恼彰鞣植?，该优化问题被证明是可通过对偶性求解的凸优化问题。利用美国国家海洋和大气管理局/国家环境信息中心（NOAA/NCEI）地球观测组（EOG）的真实数据进行的仿真表明，与传统不考虑照明分布的最优无人机部署方案相比，所提方法可实现最高22.1%的发射功率降低。结果还表明无人机必须悬停在强光照区域，从而为VLC无人机部署提供了实用指导。
关键词： VLC（可见光通信）、GMM（高斯混合模型）、光照分布、GRU（门控循环单元）、优化、UAV（无人机）
更新于2025-09-19 17:13:59
-
利用光伏功率预测提升有源配电网状态估计与不良数据辨识
摘要： 针对有源配电网实时测量数据不足的问题，提出一种基于光伏发电预测的有源配电网状态估计方法。首先采用遗传算法优化的极限学习机进行光伏发电预测；其次运用高斯混合模型对预测误差建模，利用预测误差的加权均值修正光伏发电预测值，并以预测误差的加权方差作为伪测量权重的设定依据；最后综合SCADA系统采集的实时测量数据、预测伪测量数据及虚拟测量数据，采用加权最小二乘算法实现有源配电网状态估计。IEEE 33节点系统仿真表明，该模型能为有源配电网提供准确可靠的伪测量数据，提升系统冗余度，从而在不增加测量装置的情况下进一步提高状态估计精度及不良数据检测辨识能力。
关键词： 高斯混合模型、不良数据、光伏发电预测、主动配电网、状态估计、伪测量
更新于2025-09-16 10:30:52