搜索资源列表
MCA 形态学成分分析
- 形态学成分分析，该方法的基本思想是利用信号组成成分的形态差异，将图像分割为纹理和分片光滑部分。-Morphological Component Analysis，The basic point is that an image can be divided into texture and piecewise smooth parts by the morphological diversity among signal components.
pso1
- 某些实际问题的优化目标是求所有的局部最优解, 即求解多峰寻优问题, 为了求解多峰优化问题, 提出了改造的微粒 群优化算法. 尽量减少微粒群算法中的全局因素, 从而增大其局部因素, 同时采用变步长方法增加微粒的多样性. 并给出了该算法 的原理和步骤. 仿真实验表明该算法概念清楚, 计算简单, 具有很好的局部寻优特性, 可应用求解于多峰寻优问题. 另外还给出了几 个运算实例和与其它优化算法的比较.-Some of the practical problems the optimizati
BID-of-Multichannel
- 盲辨识的模糊和多路冷杉完美的图像恢复 乔治·吉昂奈吉斯，研究员，美国，和罗伯特·希斯，小，成员，美国-Despite its practical importance in image processing and computer vision, blind blur identification and blind image restoration have so far been addressed under restrictive assumptions such a
background-modeling
- 随着智能监控技术的快速发展, 基于数字视频的智能视频监控系统代替原来的人力监控在越来越多的公共场所获得了应用。然而, 在实际的户外监控环境下, 由于光线变化以及初始背景样本的多样性, 难以建立良好的背景样本。针对上述问题, 提出了一种自适应的背景建模方法。其中自适应指两个方面: 第一 背景的自动更新 第二, 不需要使用背景帧样本作为模型训练的输人。在此基础上, 建立了针对户外交通环境的智能车辆监控系统。实验结果表明, 上述方法在动态场景的车辆检测中取得了较好的效果。-With the rapid
Image-region-annotation-semantic
- 区域语义多样性密度的图像标注。图像标注的好论文。-Image region annotation semantic diversity density. Image annotation good paper.
DF-basic-performance-MRC
- （可用）协同通信的DF（解码转发）基本性能，基本模型S-R-D三个节点，接收端使用MRC（最大比合并）。固定DF由于SR信道的错误，其性能受到限制，在大SNR情况下不能获得有效分集。而当SR距离足够近的时候，可能获得一定的分集增益-(Available) co-communication DF (decode forwarding) basic performance, the basic model S-R-D three nodes, the receiver uses MRC (maxim