Parzen窗算法下图像视觉显著目标识别仿真

受光照、尺度、噪声等影响,图像目标在识别结果会存在一定的偏差,为此提出基于Parzen算法的图像视觉显著目标识别算法。对图像的超像素实施分割处理,并将图像内超像素块作为图像结构顶点,基于Parzen窗算法对顶点密度计算后,结合K-means算法实现图像分割处理;依据分割结果采用马尔科夫确定图像显著区域,通过对图像视觉显著区域特征的提取,将其作为特征向量输入到PSO-SVM模型中训练,实现图像视觉显著目标识别。实验结果表明,通过对上述方法开展图像分割、目标识别和识别耗时测试,验证了所提方法的可行性。

基于Parzen窗的水下无线传感器网络目标定位方法

水声通道复杂多变,使得水下无线传感器网络中节点出现失效的情况,影响了多节点的目标定位性能。为解决这一问题,该文提出一种基于Parzen窗的方位交线定位方法。该方法利用Parzen窗分析所有交点的分布特征,估计目标可能出现在某个位置的概率,将概率最大值对应的点作为目标的估计位置。由于概率分布是非线性、多峰值的,采用带有惯性权重的粒子群算法去求解。仿真实验结果表明,所提方法能够在节点失效的情况下获得较高的目标定位性能,具有较好的鲁棒性。

基于参数Parzen窗估计的独立分量分析

在对盲源信号进行独立分量分析时,往往需要已知源信号的概率密度函数(PDF)。然而,由于源信号是未知的,一般事先很难知道其PDF。通常的做法是采用非参数的Parzen窗估计源信号的PDF。但是因为不同的信号具有不同的PDF,本文引入窗宽作为参数的Parzen窗来估计源信号PDF。用信息熵最小原则进行独立分量分析。模拟结果表明信号干扰比(SIR)明显提高。

基于空间概率乘积核函数的图像分类算法

针对词袋模型统计聚集算法忽略了编码矢量的其它统计特征信息及空间信息,并且只能与常用核函数相配合度量图像之间相似性的问题,该文提出一种基于空间概率乘积核函数的图像分类(SPPKBIG)算法。使用Parzen窗方法估计编码矢量所服从的概率密度分布,用来描述图像内容,使用空间概率乘积核函数构建图像之间的核矩阵,最后使用基于此核矩阵的支持向量机对图像进行分类。实验结果表明,SPPKBIC算法对15类场景数据集和MSRcv2数据集的平均分类正确率分别为84.1%和94.8%。

基于无放回抽样的帕尔森窗口集成方法

为解决大规模数据集的概率密度函数估计问题,提出一种基于无放回抽样的帕尔森窗口集成(sampling without replacement-based Parzen window ensemble,SR-PWE)方法,该方法在不需要利用全部数据的前提下,能够以较低的计算复杂度获得令人满意的概率密度函数估计表现.基于无放回抽样得到的若干原数据集的数据子集,利用帕尔森窗口法在数据子集上进行基概率密度函数估计,并将抽样上估计的基概率密度函数集成得到原始数据集的概率密度函数.通过在柯西分布和正态分布上对比帕尔森窗口法和SRPWE方法的概率密度函数估计表现,证实SR-PWE方法可行且有效.

基于非扩展熵相似度的三维医学图像配准

针对互信息相似性测度中传统香农熵的扩展性,结合Arimoto非扩展熵的性质,构造一种新的相似性测度,提出基于该相似度的多模态三维医学图像配准算法。构造非扩展熵相似度,建立图像配准框架;利用基于B样条的帕曾窗估计联合概率分布,得到连续的目标函数;采用拟牛顿优化方法对配准模型进行求解。在三维临床医学图像的实验结果表明:与传统的基于互信息相似度的图像配准算法相比,该算法的配准精度较高。

概率密度函数的并行软方向判决盲均衡算法

基于Parzen窗方法概率密度函数盲均衡算法比恒模算法具有更好的性能,但一样会出现随机相位旋转现象.利用最大后验概率准则中的相位信息,讨论一种基于Parzen窗方法概率密度函数的并行软方向判决盲均衡算法.高阶QAM调制信号仿真结果表明,算法克服了输出信号出现的随机相位旋转现象,并且算法的收敛速度较PPDF算法快,收敛后均衡器输出的稳态码间干扰也较小.

遥感图像分割中的信息割算法

提出了一种改进的信息割(MIC)算法。首先证明了信息割(IC)模型与Cauchy-Schwarz cut(CScut)等价,并通过图谱方法给出IC目标函数优化问题的最优解;其次利用图像中像素点间的灰度和空间关联性,在IC算法的基础上提出一种MIC算法,该算法首次使用联合灰度信息和空间位置信息的Parzen窗函数来估计概率密度函数,降低了图像中灰度变化对图像分割的影响。加噪合成图像及遥感图像分割实验结果表明MIC算法较IC算法具有更好的抗噪性能,且与图谱方法相比计算复杂度显著降低。

基于概率密度函数的盲均衡算法稳态性能分析

为分析基于Parzen窗方法概率密度函数盲均衡算法(PPDF)的稳态性能,采用数值求解法,分别输入4种调制信号,研究PPDF算法在不同核参数下补偿因子的取值。此外,利用分离假设原理分别得出PPDF算法在实值和复值数据条件下稳态均方误差(MSE)的封闭解析表达式。仿真结果表明,在无噪环境中,PPDF算法实值和复值的稳态MSE的理论值与仿真值较为吻合,验证了理论分析的准确性。