期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于混沌遗传算法的基元提取 被引量:9
1
作者 贾东立 张家树 张超 《西南交通大学学报》 EI CSCD 北大核心 2005年第4期496-500,共5页
提出了一种直接在灰度图像上进行基元提取的方法.与传统基元提取方法相比,该方法不需对灰度图像进行边缘检测二值化处理,而是利用图像边缘的梯度信息对混沌遗传算法导向,直接在灰度图像上提取基元.同时,该方法也避免了Hough变换高的时... 提出了一种直接在灰度图像上进行基元提取的方法.与传统基元提取方法相比,该方法不需对灰度图像进行边缘检测二值化处理,而是利用图像边缘的梯度信息对混沌遗传算法导向,直接在灰度图像上提取基元.同时,该方法也避免了Hough变换高的时空开销问题.仿真表明该方法方便、有效并具有较高稳定性. 展开更多
关键词 图像分析 基元提取 混沌遗传算 HOUGH变换
下载PDF
参数空间分解法 被引量:12
2
作者 唐珉 胡占义 《计算机学报》 EI CSCD 北大核心 1999年第9期911-917,共7页
Hough 变换是目前文献中应用最广泛的特征提取方法.然而,Hough 变换空间开销大的缺陷严重地限制了它的进一步应用.空间开销大的缺陷不仅在标准Hough 变换中存在,而且在近年来新提出的随机Hough 变换、概率Ho... Hough 变换是目前文献中应用最广泛的特征提取方法.然而,Hough 变换空间开销大的缺陷严重地限制了它的进一步应用.空间开销大的缺陷不仅在标准Hough 变换中存在,而且在近年来新提出的随机Hough 变换、概率Hough 变换以及动态Hough 变换中同样存在.这一缺陷在30 多年来的Hough 变换研究过程中始终没有得到很好的解决.该文提出的参数空间分解法旨在从根本上克服Hough 变换空间开销大的缺陷.参数空间分解法的基本原理是用多个二维数组来实现一个高维参数空间,从而大大降低了空间开销.大量实验证明参数空间分解法是一种有效的Hough 变换实现方法. 展开更多
关键词 HOUGH变换 参数空间分解 计算机视觉 图像处理
下载PDF
用遗传算法提取基元 被引量:1
3
作者 胡汉平 陈振羽 +1 位作者 李德华 王祖喜 《计算机工程与应用》 CSCD 北大核心 2000年第12期41-43,共3页
基元提取是基于模型的计算机视觉的一项重要任务.Hough变换是基元提取的最常用的方法,然而,在许多情况下,它的存贮开销太大而难以让人接受.近些年来,有些人用统计学方法来提取基元,但如何构造合适的代价函数仍是一个困难问题.基元提取... 基元提取是基于模型的计算机视觉的一项重要任务.Hough变换是基元提取的最常用的方法,然而,在许多情况下,它的存贮开销太大而难以让人接受.近些年来,有些人用统计学方法来提取基元,但如何构造合适的代价函数仍是一个困难问题.基元提取等同于寻找具有多个局部极小值的代价函数的最优解.遗传算法(Genetic algorithms)能够有效地在搜索空间中找出全局最优解.为实现有效的基元提取,作者从几何数据点中随机地选择一组最小子集,然后用遗传算法对几何数据点进行动态划分,经过若干次进化将得到一个最优划分,与之对应的基元和基元所对应的数据点将被提取出来.这种算法可用于多种基元和多个基元的提取. 展开更多
关键词 遗传算法 基元提取 计算机视觉 计算机图形学
下载PDF
New Iris Localization Method Based on Chaos Genetic Algorithm
4
作者 贾东立 Muhammad Khurram Khan 张家树 《Journal of Southwest Jiaotong University(English Edition)》 2005年第1期35-38,共4页
This paper present a new method based on Chaos Genetic Algorithm (CGA) to localize the human iris in a given image. First, the iris image is preprocessed to estimate the range of the iris localization, and then CGA is... This paper present a new method based on Chaos Genetic Algorithm (CGA) to localize the human iris in a given image. First, the iris image is preprocessed to estimate the range of the iris localization, and then CGA is used to extract the boundary of the ~iris . Simulation results show that the proposed algorithms is efficient and robust, and can achieve sub pixel precision. Because Genetic Algorithms (GAs) can search in a large space, the algorithm does not need accurate estimation of iris center for subsequent localization, and hence can lower the requirement for original iris image processing. On this point, the present localization algirithm is superior to Daugman's algorithm. 展开更多
关键词 Chaos genetic algorithm Iris localization geometric primitive extraction
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部