基于系数相关性的多尺度Kalman滤波器组的GPS共视观测数据算法

运用基于小波系数相关性的多尺度Kalman滤波器组算法处理GPS共视观测数据。在假设GPS共视钟差数据具有1/f分形特性的条件下,用基于小波变换的算法估计GPS钟差数据的自相似参数H。当0<H<1时,GPS共视钟差数据是一个具有1/f分形特性的高斯、零均值、非静态随机过程。在此条件下,在多尺度Kalman滤波器参数估计过程中讨论小波系数列的相关性。并在考虑相关性的基础上进行钟差数据的估计。分别对单通道和多通道共视数据进行处理,并与C ircular T数据进行了比对。结果表明本文方法是可行的、有效的。

高斯颜色模型在瓷片图像分类中的应用

由于RGB颜色空间不能很好贴近人的视觉感知,同时也缺少对空间结构的描述,因此采用兼顾颜色信息和空间信息的高斯颜色模型以获取更全面的特征,提出了一种基于高斯颜色模型和多尺度滤波器组的彩色纹理图像分类法,用于瓷器碎片图像的分类。首先将原始图像的RGB颜色空间转换到高斯颜色模型;再用正规化多尺度LM滤波器组对高斯颜色模型的3个通道构造滤波图像,并借助主成分分析寻找主特征图,接着选取各通道的最大高斯拉普拉斯和最大高斯响应图像,与特征图联合构成特征图像组用以进行参数提取;最后以支持向量机作为分类器进行学习和分类。实验结果表明,与基于灰度的、基于RGB模型的和基于RGB_bior 4.4小波的方法相比,本文方法具有更好的分类结果,其中在Outex纹理图像库上获得的分类准确率为96.7%,在瓷片图像集上获得的分类准确率为94.2%。此方法可推广应用到其他彩色纹理分类任务。