一种基于模糊Gibbs随机场的运动估计新算法

运动估计问题具有不适定性 ,单纯采用最大后验概率算法 ,实际上并未解决运动矢量的不连续、矢量的失真与随机噪声等棘手问题。本文应用模糊数据融合与 Gibbs分布的基本思想 ,将运动场风险约束条件的概率分布模式有效地纳入阶段非凸函数 (GNC)算法的局部迭代过程中 ,从而提高了运动估计效果。首先建立 Gibbs的自适应能量模型 ,该模型可将基于特征和基于梯度的两类矢量按照优化约束条件进行融合 ;其次利用各种运动经验知识构造矢量的模糊风险决策表 ,该决策表可对 Gibbs能量方程的每一步迭代收敛结果进行监督和修正 ,从而实现模糊数据融合。从收敛性和鲁棒性两方面说 ,模糊融合后的结果在原有基础上有明显提高。

模糊随机变量值凸函数的性质及判定

定义了模糊随机变量值凸函数概念,讨论了它的基本性质。此外,给出了判定模糊随机变量值函数凸性的充分必要条件。