面向小目标检测的快速核密度估计图像阈值分割方法

    公开(公告)号:CN102903112B

    公开(公告)日:2015-01-07

    申请号:CN201210376033.7

    申请日:2012-09-29

    申请人: 江南大学

    IPC分类号: G06T7/00

    摘要: 本发明涉及一种面向小目标检测的快速核密度估计图像阈值分割方法,该方法包括:读入图像,在计算机中得到该图像的灰度矩阵,并设置参数gate值;将图像中相同灰度级的像素点作为一个集合,如果该集合中的像素点数目Ni>gate,则使用FRSDE进行压缩;否则使用RSDE进行压缩;构建关系矩阵M来表示图像上不同灰度级之间的相互关系。将目标函数的求极值问题转化为基于矩阵区域的元素最小化求和问题,从而得到最佳阈值。本发明与已有技术相比,具有过程简单、易于实现、具有鲁棒性好与求解效率高等优点。因此,本发明为高分辨率图像的小目标检测问题提供了一种可行的方案;同时,为复杂背景下小目标图像的检测提供了一种行之有效的技术基础。

    面向小目标检测的快速核密度估计图像阈值分割方法

    公开(公告)号:CN102903112A

    公开(公告)日:2013-01-30

    申请号:CN201210376033.7

    申请日:2012-09-29

    申请人: 江南大学

    IPC分类号: G06T7/00

    摘要: 本发明涉及一种面向小目标检测的快速核密度估计图像阈值分割方法,该方法包括:读入图像,在计算机中得到该图像的灰度矩阵,并设置参数gate值;将图像中相同灰度级的像素点作为一个集合,如果该集合中的像素点数目Ni>gate,则使用FRSDE进行压缩;否则使用RSDE进行压缩;构建关系矩阵M来表示图像上不同灰度级之间的相互关系。将目标函数的求极值问题转化为基于矩阵区域的元素最小化求和问题,从而得到最佳阈值。本发明与已有技术相比,具有过程简单、易于实现、具有鲁棒性好与求解效率高等优点。因此,本发明为高分辨率图像的小目标检测问题提供了一种可行的方案;同时,为复杂背景下小目标图像的检测提供了一种行之有效的技术基础。

    一种具有类人学习能力的TSK模糊系统建模方法

    公开(公告)号:CN102722753A

    公开(公告)日:2012-10-10

    申请号:CN201210179827.4

    申请日:2012-06-01

    申请人: 江南大学

    IPC分类号: G06N7/02

    摘要: 本发明公开了一种具有类人学习能力的TSK模糊系统建模方法。本发明方法主要以TSK模糊系统作为研究对象,在此基础上通过利用传统TSK模型对历史数据训练得到的历史储备(模型参数)融入当前场景训练模型中,进而发明了具有类人学习能力的模糊系统,即TSK类人学习模糊系统。本发明方法的优势在于所得到的TSK模糊系统不但能够充分利用当前场景的数据信息,而且还能够有效地利用历史储备来进行迁移辅助学习,它具有通过继承历史储备来弥补当前场景信息缺失的能力。

    具有历史继承性的ML型模糊系统建模方法

    公开(公告)号:CN102496065A

    公开(公告)日:2012-06-13

    申请号:CN201110363614.2

    申请日:2011-11-16

    申请人: 江南大学

    IPC分类号: G06N7/02

    摘要: 本发明公开了一种具有历史继承性的模糊系统建模方法。本发明方法主要以ML型模糊系统作为研究对象,在此基础上通过利用RSDE(压缩集密度估计方法)对历史数据以及当前场景数据分别进行概率密度分布估计,进而发明了具有历史继承性的模糊系统,即ML型历史继承模糊系统。本发明方法的优势在于所得到的模糊系统不但能够充分利用当前场景的数据信息,而且还能够有效地利用历史知识来进行学习,它具有通过继承历史场景知识来弥补当前场景信息缺失的能力。