高斯模糊

摘要： 由于小波神经网络图像还原的效果一定程度上受初始值的影响,因此本文提出了一种基于思维进化算法(Mind Evolutionary Algorithm, MEA)优化小波神经网络方法。思维进化算法本身具有很强的全局搜索能力,因此先用MEA方法得到小波神经网络的初始值,再训练小波神经网络。实验证明,与BP、思维进化算法的BP神经网络(MEA-BP)相比,MEA-WNN方法复原的图像获得了更好的结果。

摘要： 目标运动检测与跟踪是计算机视觉的一个研究热点,它广泛应用于家居安防、生产监控等领域。本文设计的采用树莓派作为开发平台,在Linux系统上基于OpenCV搭建的自动识别系统,可以直接控制执行结构与识别系统串联在一起,提高了系统处理效率和系统的完整性,可很好完成对运动物体的检查与跟踪。

摘要： 针对图像中的高斯模糊失真,提出一种融合反向传播的无参考模糊图像质量评价方法。利用分水岭算法标记出的连通域计算密度差值;利用Tamura纹理特征模型和拉普拉斯算子分别度量图像的粗糙度和清晰度;将提取的密度差、粗糙度和清晰度输入反向传播(Back-Propagation,BP)神经网络进行训练,实现对高斯模糊失真图像的质量预测。实验证明,该方法在质量评价以及一致性方面均优于对比方法。此外,该方法解决了实际应用中因缺乏参考图像而不能进行质量评价的问题。

摘要： 文章分析了两种常见的图像复原滤波的复原原理及其局限后,在已知图像退化函数的情况下,主要对高斯模糊图像分别进行维纳滤波和约束最小二乘法滤波复原处理并比较这两种处理效果图像的优劣之处,在上述基础上,重点是分析不同高斯点扩展函数的尺寸及标准差的参数对高斯模糊图像复原效果的影响。最后再综合视觉效果和PSNR值得出高斯模糊图像使用约束最小二乘滤波复原的效果较佳,并且在真实高斯点扩展函数参数附近的参数复原效果会更好。

摘要： 高校不仅只培养大学生的学业,也要为学生的就业保驾护航。就业乃民生大事,在全面建成小康社会情况下,工资和社会地位是大学生就业时最多考虑的地方,但他们的主观意愿、个人所对应的能力和工资却不一定匹配,这导致越来越多的人盲目追求高学历,希望以此提高他们的薪水水平。在这样的社会现实下,大学生的就业变得越来越失衡。我们团队旨在从毕业生个体的情况出发,结合学生相对于集体自身潜在的类别可能产生的影响和外界经济因素的影响采用合适算法构造模型进行毕业生就业预测分析工作。

摘要： 电池模组极片焊点的检测与定位是电池模组拆解成功的第一步.基于工人肉眼的焊点检测误差较大且效率低下,基于深度学习模型的检测价格昂贵且计算代价极大.对此,提出了基于Yolov3的小样本智能电池模组焊点检测与定位方法.对样本图像进行灰度化及高斯模糊处理,采用Yolov3算法对样本的目标数据集进行特征提取训练,再调整训练的网络模型参数,由训练数据所得到的模型用于电池模组焊点检测.实验表明,使用Yolov3网络的焊点检测准确率达到90％以上,且焊点定位具有极高的精度,能够满足实际应用的需求.

摘要： 针对夜间有雾图像降质场景暗淡、点光源分布不均、去雾效果差等缺陷,提出了一种基于V通道细节增强的夜间去雾算法,采用了包含高斯模糊、局部区域伸展直方图均衡化(Local Region Stretch Histogram Equalization,LRSHE)、自适应伽马变换以及带颜色恢复的多尺度Retinex(Multi-Scale Retinex with Color Restoration,MSRCR)等算法对夜间降质图像进行增强,并使用快速引导滤波对透射率分布进行纹理细化,结合大气散射模型得到夜间雾图的去雾图像.实验结果表明,去雾算法不仅能够去除夜晚雾气的影响,而且有效提升了图像的亮度和纹理细节,相较对比算法,在对比度、平均梯度以及信息熵上均有改善.

摘要： 为实现大坝长久稳定的安全服役,避免监测资料中的粗差对大坝安全监测结果产生影响,需要对监测数据中的粗差进行剔除.由于目前的粗差识别方法依旧会造成粗差漏判、误判情况的发生,通过模仿人工识别数据粗差的过程,运用程序设计语言,提出一种基于图像处理技术的自动化粗差识别方法.首先对依据监测数据绘制出的散点图进行高斯模糊和二值化处理,再提取主要趋势线,最后识别出监测数据中的粗差点并进行剔除.选取某实际工程大坝监测资料,运用该方法对其进行粗差识别,并与传统3σ识别准则的粗差识别效果进行对比.算例结果表明:该方法对数据粗差的识别效果更加显著,避免了粗差漏判情况的发生,对粗差的剔除更彻底;利用该方法识别后得到的统计模型复相关系数为0.999,标准差为0.192,模型精度更高,也更符合工程实际情况.因此,该方法具有一定的工程应用前景和实用价值.

摘要： 为实现大坝长久稳定的安全服役,避免监测资料中的粗差对大坝安全监测结果产生影响,需要对监测数据中的粗差进行剔除。由于目前的粗差识别方法依旧会造成粗差漏判、误判情况的发生,通过模仿人工识别数据粗差的过程,运用程序设计语言,提出一种基于图像处理技术的自动化粗差识别方法。首先对依据监测数据绘制出的散点图进行高斯模糊和二值化处理,再提取主要趋势线,最后识别出监测数据中的粗差点并进行剔除。选取某实际工程大坝监测资料,运用该方法对其进行粗差识别,并与传统3σ识别准则的粗差识别效果进行对比。算例结果表明:该方法对数据粗差的识别效果更加显著,避免了粗差漏判情况的发生,对粗差的剔除更彻底;利用该方法识别后得到的统计模型复相关系数为0.999,标准差为0.192,模型精度更高,也更符合工程实际情况。因此,该方法具有一定的工程应用前景和实用价值。

摘要： 针对自然图像篡改手段中常用的高斯模糊，提出一种基于Benford定律的模糊篡改图像真实性取证方法。通过借助DCT域AC系数的Benford模型分别对自然图像的3个通道进行统计，构造特征，根据篡改前后差异的显著性水平设定阀值进行判定，最后给出实验结果.

摘要： 本文对逆主元法盲目复原高斯模糊图像进行了探讨。本研究利用高斯点扩展函数的特性,在径向基神经网络的模型下,对图像进行盲目复原。实验表明,这种方法对轻度的高斯模糊图像,有很好的复原效果。

摘要： 条码图像的退化会直接影响条码的识别,导致其识别率的下降.本文对条码识别中退化条码图像进行复原研究,以Data matrix码为例,以高斯函数为图像的退化模型,分析条码图像单行像素灰度变化图经过点扩展函数卷积后的降质模型,结合高斯函数的旋转对称性以及可分离性等特点,估计点扩展函数标准方差;然后利用维纳滤波对图像进行复原处理.实验结果表明,该算法具有良好的图像复原效果,满足了实验的要求.

摘要： 本发明提供了基于模糊聚类优化高斯混合模型的高频振荡节律检测方法，基于聚类分析的方法对高频振荡节律进行检测，选取模糊熵、短时能量、功率比和频谱质心为癫痫脑电信号的特征，将其构成特征向量作为聚类算法的输入，采用期望最大化高斯混合模型聚类算法对该特征向量进行分类，并采用模糊c‐均值聚类算法得到期望最大化高斯混合模型聚类算法的初始化参数；选取中位数和四分位距分析每类的统计学特征，检测出高频振荡节律。本发明的有益效果：提高癫痫脑电信号的高频振荡节律的检测速度，帮助医生进行癫痫诊断和致痫灶切除。

摘要： 本发明为一种基于模糊多高斯聚类的声学环境噪声的识别方法，首先利用模糊均值聚类训练采集的数据样本，并将其输出作为模糊多高斯算法的聚类的输入作进一步训练，生成基于模糊多高斯机制的噪声特征模型，从而建立了噪声识别框架；数据训练完成后，对于每个数据基于生成的多高斯的隶属度数值的大小，将其归类为对应的高斯分布的类型；将对该类型所属强弱的所有数据的隶属度进行算术平均，得到所属该类型的权重，从而由模糊多高斯模型生成混合高斯分布；最后，对于待识别的输入数据，根据混合高斯分布计算它的各个类别的后验概率，将其归类为概率值最大的对应的类型。

摘要： 本发明公开了一种基于模糊控制和高斯过程的半球谐振陀螺温补方法，根据温度值和温度变化率将半球谐振陀螺仪的工作区间划分为若干个不同的温度区间；在每个温度区间内分别建立高斯过程模型；采集当前时刻的半球谐振陀螺仪谐振子的谐振频率，并根据谐振频率计算谐振子的谐振频率变化率；根据谐振频率和谐振频率变化率计算当前时刻对各个温度区间的隶属度，且确定每个高斯过程模型对应的第一预测零偏值；根据每个第一预测零偏值及其对应的隶属度计算得到当前时刻的第二预测零偏值，并基于该第二预测零偏值对半球谐振陀螺仪的输出角度进行优化。本发明通过建立高斯过程模型，并根据极大似然估计预测陀螺零偏，能取得更好的预测效果。

摘要： 本发明公开了一种基于拉盖尔高斯模式的旋转物体转速监测及图像模糊复原装置和方法，其中，旋转物体转速监测装置包括：旋转物体光学成像模块和物体转速测量模块，模糊图像复原装置，包括旋转物体转速监测装置、拉盖尔高斯谱计算模块、拉盖尔高斯谱修正模块和模糊图像复原模块。本发明可以实现高速旋转物体的转速监控，并实现旋转模糊图像的复原处理，进而实现对高速旋转物体的清晰成像。

摘要： 本发明涉及一种Mac下图片高斯模糊的处理算法，包括如下步骤：步骤1，初始化设定，至少设定以下内容：设定一个基于CALayer的底层图层；设定一个基于CALayer的覆盖图层，用于设置蒙层及形成蒙层效果；步骤2，在底层图层中设置一张图片；步骤3，修改覆盖图层的参数；步骤4，在底层图层上叠加显示覆盖图层；步骤5，捕获鼠标的点击操作，当鼠标点击步骤2所述图片时，进行第一次处理，使底层图层中图片显示正常；步骤6，当鼠标再次点击步骤2所述图片时，进行第二次处理，使底层图层中图片显示高斯模糊。本发明，基于CALayer以及CIFilter，可以按需设定图片高斯模糊的程度，可以设定与高斯模糊相关的图像处理效果，使用方便，用户体验好。

摘要： 本发明实施例提供一种利用高斯模糊实现模糊动画的方法及装置，属于图像处理技术领域。所述方法包括：根据原始图像的分辨率和为原始图像设定的每次高斯模糊处理的模糊半径确定对应的中间分辨率和中间分辨率对应的模糊半径，根据最大的中间分辨率预先分配最大图像缓存空间，在每次高斯模糊处理时，将原始图像缩小处理得到中间图像并将中间图像存入最大图像缓存空间，其中中间图像的分辨率对应为中间分辨率，根据中间分辨率对应的模糊半径对中间图像进行高斯模糊处理得到结果图像，将每次高斯模糊处理得到的结果图像放大至原始图像的尺寸大小得到模糊图像，并在每次高斯模糊处理后显示所述模糊图像而得到模糊动画。

摘要： 本发明提供一种基于高斯模糊的渲染方法、存储介质及电子设备，基于高斯模糊的渲染方法包括以下步骤：基于用户的渲染需求，产生背景模糊标志；根据背景模糊标志创建表面模糊层，并分配渲染纹理；于渲染纹理中绘制表面模糊层对应的模糊内容，以完成模糊内容的构建；通过调用图形绘制接口绘制所构建的模糊内容和表面模糊层，以实现渲染。本发明可以根据用户需求实时地对任意层级的图片进行渲染。

摘要： 本发明公开了一种基于高斯模糊的纺织物缺陷程度评估方法、装置及系统，涉及图像处理领域，包括获得待检测织物灰度图像；根据高斯模糊函数获得模糊半径对应的模糊核；将灰度图像划分为多个与模糊核大小相同的区域并与模糊核相乘分别得到各模糊区域；将各模糊区域的中心的像素值组成模糊矩阵，计算模糊矩阵的灰度共生矩阵的熵及对比度，得到模糊半径对应的缺陷程度评估指标；计算模糊半径增大后的缺陷程度评估指标，直至模糊半径增大前后缺陷程度评估指标的差值小于预设第一阈值；对待检测织物的表面缺陷程度进行评估。

摘要： 一种基于类高斯模糊核的图像正则化超分辨重建方法，综合考虑畸变和扰动因素即现有模型与实际退化的匹配误差，采用类高斯函数模型对实际退化所造成的模糊效应进行建模，并以最小均方误差为准则对图像进行超分辨重建。本发明采用四个参量来具体描述客观的模糊过程会更加逼近于模糊的实际情况，通过理论分析及实验结果得到，该模型用于去模糊算法中，提高了图像重建的效果。

摘要： 本发明公开了一种高斯模糊图像处理的优化算法，包括：获取高斯模糊半径r；将待处理图像中各像素点分别作为中心像素，计算中心像素的高斯模糊值，中心像素的高斯模糊值计算方法为：确定目标图像；将目标图像中的像素点按照与中心像素之间的距离分成若干组，位于同一组的像素点与中心像素之间的距离相等，计算各组的加权系数；将所有组的加权系数与所对应组中像素点的灰度值做卷积运算，得到中心像素的高斯模糊值。本发明的高斯模糊图像处理的优化算法，把原有的计算方法中卷积运算的相当大的一部分浮点数乘除法运算已经转化为了整数加法运算，极大的减少了计算量，用在高端的控制模块中时，减少对资源的占用，即便在低端的控制模块中同样适用。