灰度分布基于规范式描述的边缘模型基图像编码

提出了一种称为边缘模型基的低比特率图像编码方法，其基本特点是：1）建立一种基于图像边缘信息的活动图像信源模型，按照图像中物体的结构将图像划分为激励区和缓变区（平滑区）。2）用三阶规范式拟合图像激励区的灰度分布，以“激程扫描─规范式拟合”表达图像的缓变区。3）引入了模型匹配与广义运动分析概念，并用干帧间图像预测编码。实验结果表明：在保持重建图像质量的前提下，每像素的比特数可压缩至0.075。

粒边缘模型及其实现

针对现有边缘提取算法难以提取任意形状、任意分布区域的边缘及与具体对象的相关性不密切等问题,构建一种粒边缘模型,并给出对应的实现算法:任意区域边缘提取算法(Arbitrary Region Edge Extraction,AREE)。粒相关边缘由拓扑信息系统、概念粒、连通粒和边缘空间等新概念组成。AREE算法定义行连通段,给出并证明计算边缘集的定理,搜索内点,完成边缘提取。对比分析和实验结果显示:算法能精确、快速地提取出各类图像中任意连通粒的边缘。

基于核心—边缘模型的劳动力迁移动因分析

工资水平差异是我国劳动力迁移的主要动因。运输成本越大,产品的替代弹性越大,消费者在工业品上的支出比例越低,劳动力越倾向于在空间均匀分布,否则,劳动力更倾向于迁入工资水平高的地区,最终形成"核心——边缘"的空间模式。

边缘模型基背景区的Delaunay三角剖分压缩方法

在边缘模型基活动图象压缩编码方法中，图象初始帧被分为激励区和背景区．在每个图象组中，初始帧背景区的静态压缩是整个方案的重要基础．本文提出了一种采用Ｄｅｌａｕｎａｙ三角剖分（ＤＴ）的表面描述算法，首先根据伪逆矩阵理论，采用最小二乘空间预测方法填充初始帧中的激励区部分，然后用ＤＴ算法剖分整个初始帧，最后获得少量待传特征点．传输时保证特征点收发的同序，克服了四点以上共圆带来的退化现象．实验表明，在压缩率近１６倍时，重建图象质量仍可保持在３０ｄＢ以上，主观图象质量也较良好．

边缘模型基背景区的JPEG压缩方法研究

模型基编码是目前极富前途的低比特率图象压缩方法之一 ,而边缘模型基方法较之通常的模型基方法有更多的优点 ,正逐渐引起研究人员的注目 .在边缘模型基中 ,除去了图象中大部分高频分量的背景区 ,其灰度变化较缓慢 ,这些被去除了的空域 ,大小大约占整个图象的 10 % .为了能采用传统的 JPEG方法 ,对背景区进行静态压缩 ,提出了一种简易的基于 8× 8子块的直流分量激励区填充方法 .实验表明 ,用该方法得到的填充后的图象十分适合 JPEG压缩 ,且可以得到较高的压缩比 ,同时图象的主观质量也优于直接对未填充图象做 JPEG压缩 .

基于网点核心—边缘模型的网目调印品光谱反射率预测算法

为了更加精确地预测印刷品的颜色信息,本研究基于单个网点核心—边缘模型、印刷品光散射现象、Lambert-Beer定律和模糊局部信息C均值算法,建立了一种网目调光谱反射率预测算法。并分别采用该算法、光谱Murray-Davis模型和经典核心—边缘模型预测网目调光谱反射率,与印刷品实际测量的光谱反射率作对比验证实验。结果表明:本研究算法得到的网目调光谱反射率曲线与实测光谱反射率更加吻合,色差ΔEab均小于6,达到了很好的颜色预测效果,具有较高的预测精度。

基于斜坡边缘模型的图像插值新方法

基于斜坡边缘模型的经典插值方法把所有边缘归为强边缘,导致弱边缘过分增强而失真。针对该问题提出基于斜坡边缘模型的图像插值新方法(NIIBRED),对强弱边缘采用不同方法,考虑边缘宽度随图像放大而增大的情况,对放大图像进行修复。实验结果证明,NIIBRED使放大图像的边缘更自然且清晰,取得了更好的纹理效果。

城乡差距的核心-边缘模型分析

将地区划分为城区和农村两区域系统,构建一个综合考虑城乡劳动力迁移、环境污染、农业生产效率、城乡贸易和公共服务基础设施建设等诸因素的核心-边缘模型,以深入系统地考察城乡差距问题,对于解决现有城乡问题有着重要的理论和现实意义。研究表明:劳动力向城区迁移有助于提高城镇和农村居民的生活效用水平,并缩小城乡差距;环境污染物排放对居民生活造成负面影响,生产活动的集聚对城乡差距的影响取决于污染的危害程度;倘若农业生产的环境影响较小,农业生产效率的提高可以缩小城乡差距;城乡间交通基础设施建设、城区交通及通信设施建设和产业集聚等将提高城镇居民效用水平,拉大城乡差距。

基于sigmoid边缘模型的低对比度图像分割算法研究

目的本文采用sigmoid函数模拟平滑噪声强度轮廓,提出一种图像分割混合算法,并将其用于低对比度的CT/MR肿瘤图像。方法首先,联合使用支持向量机、分水岭和离散数据逼近等算法按肿瘤大小进行分类初步分割;然后,采用sigmoid边缘模型拟合的边缘轮廓;最后,根据模型测试参数确定病灶的准确边界。分割结果采用医学电脑影像及电脑辅助涉入的国际研讨会会议工作组提出的评价体系进行评估。结果选用人工合成图像和临床CT/MR图像进行仿真实验。敏感性测试确定了分割算法的最佳参数:逼近阈值为15,分块数目M为12,dgap为4,邻域矩阵大小为3×3;本文算法能精确分割不同噪声水平图像,且各项评价指标的标准差均<1;对于临床实例图像,基于本文方法所得分割图像的VOE和RVD,第一组为28.21%和19.20%,第二组为7.62%和13.45%,均明显小于图论算法和水平集方法。结论本文提出的图像分割混合算法能精确分割不同特性、不同尺寸的肿瘤病灶,在噪声环境和临床实例中均表现出稳定性、优越性和普适性,具有较高的临床应用价值。

基于边缘模型的数字图像后处理方法研究

基于边缘模型重建的数字图像后处理算法可以改善高倍压缩图像的主观和客观质量。文章通过对压缩图像退化原因以及现有的基于边缘模型的后处理算法的分析和讨论,提出了一种新的基于边缘模型的后处理算法及今后数字图像后处理算法的研究方向。

中心-边缘模型(CPM)研究述评

“中心_边缘”模型或理论(core_periphery modal简称“CPM”)作为非均衡发展理论之一,在国外经济学、社会学等学科研究领域被广泛应用,而我国对中心_边缘模型的相关研究比较薄弱。本文围绕国内外对中心_边缘理论模型(CPM)的研究,在综述的基础上,对“中心_边缘”模型的形成与发展进行分析,认为CPM为探讨边缘地区经济发展提供了重要的理论工具。

消费性服务业的核心边缘模型研究——以福州市为例

该文分析了以消费性服务业为研究对象的核心边缘模型,消费性服务业与制造业的性质类似,都是为了满足消费者的需求,都是以企业为生产载体,在理论上能使用核心边缘模型解释。福州市消费性服务业主要集聚于东街口、中亭街、万宝商圈三地,交通条件的改善是其集聚的重要因素。

边缘结构模型在医学研究中的应用现状及对护理研究的启示

对边缘结构模型的概念、统计思想、模型特点以及在医学研究中的应用现状进行综述,为护理研究中处理时依性混杂因素并对纵向数据进行因果推断提供思路。

一种应用于云南省外侵物种识别的边缘计算模型

基于MobileNet模型迁移对云南省4种主要外侵物种(鬼针草、喀西茄、水花生和紫茎泽兰)图像进行识别,将宽度倍率为1.0和1.4的MobileNet-v2模型分别应用在本研究数据集上进行试验,分析了MobileNet-v2网络模型识别不稳定的原因,通过增加通道注意力机制模块、更新激活函数和压缩网络层数对模型进行改进。结果表明,改进后的MobileNet-v2模型识别准确率达96.8%,模型参数量仅为1535093。改进后的MobileNet-v2模型识别准确率高、模型参数量少,适合部署于边缘端,能更好地应用于云南省外侵物种防治领域。

空间经济学对称核心-边缘模型解读

克鲁格曼建立的核心-边缘模型被认为奠定了空间经济学的基础,它成功地将空间维度纳入了分析框架,揭示了空间经济的很多重要特征,模型所展示的经济为政府介入提供了极其丰富的空间。本文用通俗易懂的语言注解、阐释并演绎由克鲁格曼建立,并经鲍德温等人补充完善后的一个空间经济学经典模型,即对称核心-边缘模型。笔者省略了所有数学公式和数理分析,完全借助相关概念和图形表述模型的核心思想和直观经济内涵,对空间经济学的初学者能够起到入门引导、激发兴趣的作用。

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题。基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法。在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像。实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊。

概率积分法沉陷预计的边缘修正模型

针对概率积分法沉降变形预计曲线边缘收敛过快的问题,以2个不同主要影响半径的单元下沉盆地按一定比例的组合表示边缘修正模型的单元下沉盆地,按照叠加原理建立了地表移动盆地内任意点的沉降、变形预计模型,并根据多个观测站实测数据反演概率积分法及其边缘修正模型参数,建立了修正模型参数与概率积分法参数之间的统计关系。实例分析结果表明,边缘修正模型的预计结果更接近于现场实际,具有较高的实用价值。

基于隐马尔可夫模型边缘表示的多尺度边缘检测

基于增强图像特征空间的特性分析 ,提出一种新的图像边缘表示模型———隐马尔可夫模型 ,该模型把边缘作为一个可观测序列 ,认为它是人们根据感官知识 (不可观测的状态量 )所观察到的具有一定空间关系的像素集合 ;通过小波变换 ,得到多尺度增强图像 ;将包含在低分辨率图像边缘中的全局信息进行综合 ,作为高分辨率图像中隐马尔可夫边缘模型的训练数据 ,使用Viterbi算法完成高分辨率图像中边缘点的搜索 ,从而 ,使得多分辨率边缘检测对先验知识的依赖大大降低 ,同时降低了计算复杂度 .边缘的隐马尔可夫模型表示也为多分辨率数据融合提供了一种有效的工具 .实验表明该模型是合理的。

基于边缘计算模型的智能视频监控系统的设计

面对视频监控的应用场景及技术需求,以云计算为代表的集中式数据处理模型在资源需求方面开销较大,过度依赖于云计算中心的网络带宽,在实时性等方面也难于满足视频处理的需求。本文提出一种适用于视频监控场景的边缘计算模型,从计算、网络带宽和存储3种主要资源为切入点,设计系统架构,在利用边缘节点的计算能力完成视频的预处理,构建Docker容器化平台,采用分级调度策略,降低网络拥塞问题。通过测试,该模型可以有效降低视频监控场景下的计算、存储及网络传输等开销。

基于边缘分布模型的基因选择方法

一个微阵列数据集包含了成千上万的基因、相对少量的样本,而在这成千上万的基因中,只有一少部分基因对肿瘤分类是有贡献的,因此,对于肿瘤分类来说,最重要的一个问题就是识别选择出对肿瘤分类最有贡献的基因。为了能有效地进行微阵列基因选择,提出用一个边缘分布模型(marginal distribution model,MDM)来描述微阵列数据。该模型不仅能区分基因是否在两样本中差异表达,而且能区分出基因在哪一类样本中表达,从而选择出的基因更具有生物学意义。模拟数据及真实微阵列数据集上的实验结果表明,该方法能有效地进行微阵列基因选择。