简介:针对SAR图像的目标自动分割问题,在分析非下采样轮廓波变换(nonsubsampledcontourlettransform,NSCT)和脉冲耦合神经网络(pulsecoupledneuralnetworks,PCNN)的基础上,提出了一种基于非下采样轮廓波域特征图和PCNN的SAR图像目标分割算法.对SAR图像经过NSCT分解后的高、低频图像分别运用不同方式进行处理.利用PCNN对低频图和高频子带特征图分别进行分割,获取了目标所在的区域及目标的精细结构.利用MSTAR数据进行了仿真实验,并与基于模糊C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对SAR图像目标的分割结果更为准确,同时较其他算法具有更强的抗噪性能.
简介:针对单一图像源下目标跟踪精度不高的问题,利用跟踪状态下的目标存在于可见光与红外图像中的特征对连续自适应均值移动跟踪算法做出改进。首先选取可见光图像的“颜色梯度背投影”作为改进的目标模型,选取红外图像的“灰度梯度背投影”作为改进的目标模型;然后根据可见光序列图像和红外序列图像各自进行连续自适应均值移动跟踪算法得到的对应的口‘系数判定两种图像跟踪的效果,对两种图像的权重进行自适应调整,得到这两种图像的特征级融合图像和跟踪结果。实验结果表明,对于320像素×240像素的可见光和红外图像,基于可见光与红外图像特征融合的目标跟踪算法在复杂背景下能够较准确的跟踪目标,目标跟踪精度为0.5像素,跟踪速度为30~32ms/帧。
简介:介绍一些网络聚类算法及其基本原理,简述了其在生物信息学的应用。本文不是网络聚类算法的全面综述,只介绍这些网络聚类算法的基本思路,体会其数学建模的基本思想。
简介:研究服务员强制休假的M/M/1排队模型的主算子在左半复平面中的特征值,证明(λ-μ-b)-√(b+μ)2-3λ2-μb/2是该主算子的几何重数为1的特征值.
简介:“最近发展区”这一概念是由前苏联教育家维果茨基首先提出的,它是指学生现有水平和潜在发展水平之间的最小差异区域.所谓现有水平,是由已完成的发展系统形成的学生心理机能的发展水平,表现为学生能够独立地、自由地完成教师提出的智力任务.潜在发展水平,是那些尚处于形成状态,表现为学生还不能独立完成,但在教师的帮助下,通过自己的努力所能达到的较高一层的智力发展区.简单来说,“最近发展区”就是:如果你现在站在的是“已有知识”的草坪上,树上的桃子是你“将要学会的知识”,而桃子生长的地方,你站着是摘不着的,其间有个区域就是“最近发展区”.要摘下桃子,必须跳一跳,至于需要跳多高,则因人而异.