一种基于混合高斯模型的雷达最大探测距离评估

机载火控雷达的最大探测距离是表征雷达探测能力的一项关键指标。分析雷达方程可知雷达探测距离受多种影响因素制约,且部分环境变量往往无法度量,故直接从不同影响因素出发分析雷达最大探测距离的分布特性存在一定困难,所以大部分对雷达探测距离评估方法的研究均是从数据本身出发,通过统计学方法分析变量的分布特性。

一种混合高斯背景模型下的像素分类运动目标检测方法

运动目标检测在智能视频监控、人机交互、目标导航等诸多领域有着广泛应用.背景减法是运动目标检测中应用较广泛的一种方法.在该方法中,背景建模和阈值化分割是最重要的步骤,直接决定了检测效果的好坏.当目标本身变化比较大时,若利用传统的基于全局阈值的分割法,分割效果并不理想.针对基于全局阈值分割差分图像存在的问题,本文提出了一种基于混合高斯背景模型的像素分类运动目标检测方法.该方法首先利用混合高斯模型对背景建模,克服了场景变化等因素带来的影响;其次,利用背景减法得到差分图像并对像素进行分类,最后对分类后的像素集分别进行阈值化分割,得到前景目标.实验结果表明,与传统的基于全局阈值的分割法相比,本文算法能够获得更好的检测效果和鲁棒性.

基于块模型的混合高斯模型运动目标检测方法

文中针对传统混合高斯模型(GMM)运动目标检测方法计算量大、时间复杂度高的缺点,提出一种利用块模型的混合高斯模型运动目标检测方法。该改进算法利用分块处理技术为每个块建立一个模型,同时利用概率更新策略对块模型进行更新,充分利用图像像素间的空域信息,大量减少算法的计算量和存储空间,提高了算法的运行效率。应用这种改进算法,对分辨率不低于CIF(352×288)的监控视频进行检测,结果表明:当块大小值设置为3×3时,检测效果与传统混合高斯模型的检测效果基本一致,而改进算法的平均耗时减少了46.16%,存储空间减少不低于54.15%。

基于L2范数的高斯混合模型空域去噪方法

针对图像像素间相似性衡量不准确而导致去噪性能下降的问题,提出了基于L2范数的高斯混合模型空域去噪方法。该方法将像素点周围像素的局部灰度信息的统计特性建模为高斯混合模型,结合高斯混合模型间的L2范数和像素位置的空间距离来定义像素点之间的相似性权值,以提高像素间相似性的度量的精确度。实验结果表明,利用高斯混合模型可更加准确地衡量像素间的相似性,同时,该去噪方法可提高图像的去噪效果,并能较好地保留图像的细节信息。

倒谱本征空间结构化高斯混合模型语音转换方法

针对非平行语料非联合训练条件下的语音转换,提出一种基于倒谱本征空间结构化高斯混合模型的方法。提取说话人语音倒谱特征参数之后,根据其散布矩阵计算本征向量构造倒谱本征空间并训练结构化高斯混合模型SGMM-ES(Structured Gaussian Mixture Model in Eigen Space)。源和目标说话人各自独立训练的SGMM-ES根据全局声学结构AUS(Acoustical Universal Structure)原理进行匹配对准,最终得到基于倒谱本征空间的短时谱转换函数。实验结果表明,转换语音的目标说话人平均识别率达到95.25%,平均谱失真度为1.25,相对基于原始倒谱特征空间的SGMM方法分别提高了0.8%和7.3%,而ABX和MOS测评表明转换性能非常接近于传统平行语料方法。这一结果说明采用倒谱本征空间结构化高斯混合模型进行非平行语料条件下的语音转换是有效的。

基于高斯混合模型移动因子补偿的说话人识别方法

提出一种模型补偿方法,以克服基于高斯混合模型的文本无关说话人识别系统性能随目标话者训练语料长度减小而下降的问题。该方法首先构造了一个低维的移动空间,每个训练语料较充分说话人模型的自适应过程均可用该空间中的移动因子表示,然后在目标话者训练语料较不充分的条件下,从受训练语料长度影响较小的话者模型分量中学习移动因子,并依据它对受语料长度影响较大的分量进行参数补偿。和基线系统相比,该方法在相同的训练和评测集上,等错误率指标下,获得相对约7%的性能提升。

基于改进混合高斯模型的人群密度估计方法

人群密度估计对于公共安全管理至关重要。针对视频监控系统下的人群密度估计问题,提出了一种基于改进混合高斯模型和像素统计的人群密度估计方法。通过计算图像的均值和偏差均值,提取高斯模型特征,在恒定的模型更新速率指导下,重建混合高斯背景图,从而获取人群二值图,最后,利用像素统计的方法实现人群密度快速估计。实验结果表明,较传统方法,该方法可以更准确有效地估计人群密度。

基于改进混合高斯模型的铁轨异物入侵检测方法

针对混合高斯背景模型存在的背景信息易被污染和前景异物目标检测不全的问题,提出了一种基于改进混合高斯模型(GMM)的异物入侵检测算法。该方法结合混合高斯背景模型和小波变换原理对运动目标进行检测。利用小波变换消除设备和噪声导致的背景建模过程产生的干扰点;提出基于邻域平均算法的像素修正算法,进行混合高斯建模,得到最终的背景模型,并通过差分法检测出异物目标。通过现场实验验证,平均前景误检率室外轨道正常环境下降低了57.85%,雪天环境下降低了55.02%,室内环境下降低了59.73%。实验数据表明:所提方法相比传统混合高斯模型方法目标检测完整度较高,检测效果较好。

基于自适应高斯混合模型的JPEG压缩图像去块效应算法

基于分块离散余弦变换的JPEG图像压缩算法,在低码率时解码图像会产生明显的块效应,严重降低了图像质量。针对JPEG压缩图像产生的块效应,提出了一种利用高斯混合模型自适应学习图像先验的去块效应算法。该算法利用初始去块效应图像将外部图像库训练得到的高斯混合模型映射到针对特定图像的高斯混合模型,得到自适应的高斯混合模型,然后结合加权的稀疏表示方法,利用训练得到的自适应高斯混合模型用于图像去块效应。实验结果表明,提出的去块效应算法能较好地去除块效应,且优于一些图像去块效应和图像去噪算法。

一种基于高斯混合模型的快速水平集图像分割方法

水平集方法(LSM)图像分割的本质是求解一个随时间变化的偏微分方程,而使用变分法求解此水平集方程(LSE)往往要耗费过多的计算时间。为了减少算法的运行时间,提出了一种快速水平集图像分割算法。该算法在模糊聚类水平集方法(FCM-LSM)的基础上使用高斯混合模型(GMM)改造其隶属度损失函数,并利用离散网格Boltzmann方法(LBM)求解水平集方程。实验结果表明:本文提出的算法无论是在执行效率上还是在分割效果上都优于传统方法,证明了算法的可行性。

基于Curvelet域高斯尺度混合模型的地震信号降噪方法

结合曲波变换和高斯尺度混合模型提出地震信号随机噪声压制方法.该方法首先运用曲波变换对含有随机噪声的地震信号进行分解,然后对各小波子带系数分别建立高斯尺度混合模型估计出原始地震信号所对应的小波系数,最后经曲波逆变换重构获得降噪处理后的地震信号.仿真地震信号和实际地震信号的实验结果均表明本文方法能够有效压制地震信号中的随机噪声干扰,较多地保留了有效信号.

基于GPR代理模型和GA-APSO混合优化算法的软基水闸底板脱空反演

软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。

改进的混合高斯自适应背景模型

混合高斯背景模型是背景建模领域最常用的构建算法,针对该方法在实际应用中的缺陷,提出了2点改进措施:像素过滤方法和按背景演变过程进行划分的自适应学习率方法.像素过滤方法记录某点像素值在一个短时间段内的变化情况,对其进行统计分析,根据均值和方差过滤掉快速运动目标的动态干扰像素,增强算法的鲁棒性;新的自适应学习率方法将背景的形成过程划分为4个阶段,对不同的阶段使用不同的学习率,加速背景的形成和消退.应用改进后的算法在两段街道监控视频中同原算法进行了对比实验.实验结果表明,改进方法在视觉效果上有着显著提高,背景形成迅速、清晰.改进方法增强了算法的抗干扰能力,提高了背景的形成和切换速度,可以作为基础算法应用于相关视觉处理之中.

基于高斯混合模型的纹理图像分割

纹理图像分割是图像处理的一个基本问题。由于基于高斯混合模型的纹理图像分割方法,大多采用单像素的方法,因此分割精度和效率都较低。为了更好地进行纹理图像分割,在子空间思想的基础上,提出了一个基于图像块的分割算法及其改进算法,即先取图像块的均值、标准差、最大值、最小值以及中间像素的像素值等5个特征作为纹理特征,再利用高斯混合模型进行纹理图像分割,实验结果表明,该新算法的分割精度和分割效率较原分割算法都有较大提高。

混合泊松-高斯分布模型的参数估计

针对实际CCD图像处理问题中噪声概率模型的参数估计问题,从CCD图像的噪声背景出发,研究其噪声的混合泊松高斯分布,给出了两种参数估计方法,以及非零均值高斯噪声情况下的参数估计方法,计算结果表明文中方法给出的参数估计精度高。

基于重加权低秩近似和高斯混合模型的图像块效应去除算法

针对离散余弦变换(Block-based Discrete Cosine Transform,BDCT)在图像解码器处产生的块重构伪影现象,提出了一种联合两种先验知识的图像去块效应算法,这两种先验知识分别是重加权低秩近似和高斯混合模型。该算法首先利用重加权低秩近似来增强图像块之间的局部结构和非局部的自相似性,有效地保留原始图像中更多的精细结构。其次,还利用高斯混合模型对块状伪影进行建模获得更可靠、更鲁棒的结果。通过在标准测试图像上的实验表明,提出的算法在主观视觉效果和客观评估方面均优于其他的块效应去除方法。

自适应学习的混合高斯模型运动目标检测算法

针对传统混合高斯模型采用固定学习速率带来的模态残留和拖影等问题,提出了一种自适应学习速率运动目标检测算法。对图像序列像素变化特性和模型控制参数性能进行了分析,将模型学习过程分为背景初始形成和背景维护更新两个阶段,不同阶段采取不同的学习策略,初始形成阶段采用较大递减学习速率加速背景模型的形成;维护更新阶段根据像素点匹配次数与不匹配次数作为反馈量来调节学习率,实现模型的自适应学习。实验结果表明,该算法能够有效改善原始模型收敛速率慢导致背景模型更新不及时的问题,可以更准确地检测出运动目标,并具有较好的自适应性和鲁棒性。

基于时空分布的混合高斯背景建模改进方法

针对传统的混合高斯模型对动态背景敏感、缓变目标检测不准确等问题,提出了一种基于时空分布的混合高斯建模改进方法。该方法的基本思想是混合高斯背景基于时间分布信息建模的同时,通过随机数生成方法对邻域进行采样,完成像素空间分布的背景建模;同时利用像素历史统计信息和决策融合机制的前景检测方法,实现对静止目标判定以及前景运动目标更精确的提取。最后,将此算法与其他前景检测方法进行对比实验,表明了该算法对动态背景鲁棒性强、缓变目标检测准确的结论。

一种基于改进混合高斯模型的运动目标检测算法

针对运动目标检测中ViBe算法的鬼影、阴影和噪声干扰问题,本研究提出一种融入改进混合高斯模型(GMM)的ViBe算法。该算法改进混合高斯模型的自适应性,使混合高斯模型的K值与学习率对背景进行自适应调节;对视频帧进行训练,构造“虚拟”背景代替第一帧图像进行背景建模,算法能够有效地提取背景建模初始化的视频运动目标,从而消除鬼影现象。该算法用像素分类法提取前景目标,经形态学处理得到完整的运动目标。实验结果表明:与几种运动目标检测算法相比,本研究提出的算法不仅能够有效地抑制鬼影、阴影和噪声干扰,而且该算法自适应性强、检测速度快、检测结果可靠。

图像中多语种文本提取的高斯混合建模方法

建立了相邻字符区域的高斯混合模型,用于区分字符与非字符.在此基础上,提出了一种从图像中提取多语种文本的方法.首先对输入图像进行二值化,并执行形态学闭运算,使二值图像中每个字符成为一个单独的连通成分.然后根据各连通成分重心的Voronoi区域,形成连通成分之间的邻接关系;最后在贝叶斯框架下,基于相邻字符区域的高斯混合模型计算相应的伪概率,以此为判据将每个连通成分标注为字符或非字符.利用所提出的文本提取方法,进行了复杂中英文文本的提取实验,获得大于97%的准确率和大于80%的召回率,证实了方法的有效性.