【摘 要】
：
由于传统基于梯度的方形边缘检测算子包含边缘方向过少(一般为2个或4个方向),因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,称为可变局部边缘模式(Varied Local Edge Pattern,VLEP)算子,并用来提取图像边缘信息。算法主要思路包括,将图像经过高斯滤波器平滑,使用一组或多组VLEP算子与滤波后的图像进
【基金项目】
：
国家自然科学基金面上项目(No.61671028),北京市自然科学基金面上项目(No.4162018),北京市委组织部“高创计划”青年拔尖人才培养资助项目(No.2014000026833ZK14),北京市属高等学校高层次人才引进与培养计划项目(No.CIT&TCD201504010),2016 年研究生科研能力提升计划资助项目.
论文部分内容阅读
由于传统基于梯度的方形边缘检测算子包含边缘方向过少(一般为2个或4个方向),因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,称为可变局部边缘模式(Varied Local Edge Pattern,VLEP)算子,并用来提取图像边缘信息。算法主要思路包括,将图像经过高斯滤波器平滑,使用一组或多组VLEP算子与滤波后的图像进行卷积,得到边缘强度,从而获得边缘梯度值,最后设置适当的梯度阈值,对梯度图像进行二值化处理,完成图像的边
其他文献
为了解决方言辨识系统中训练样本冗余的问题，提出了一种融合多样性测度的汉语方言主动辨识方法。利用SVM分类器选取不确定性的样本。根据样本间分布情况的测度算法，选取出兼具
为解决SIFT算法计算复杂,且算法效率不高的问题,提出了POKD-tree算法(分区优化kd树搜索算法)。首先,利用SIFT算法提取图像的特征点,以图像特征点集在X和Y方向中跨度最大的方向为分区直线的方向,计算图像特征点集的质心,用通过质心的分区直线来进行图像分区;采用欧式距离对图像进行特征点匹配,首先进行对应搜索匹配,同时为了解决分区误差,在进行对应搜索之后再进行交叉搜索。通过实验证明,POKD
针对基于射频的室内被动定位研究中，用于训练定位分类器的链路特征数较多，分类器复杂度较高的问题，提出了一种基于类别的室内被动定位特征选择方法。此方法将被动定位的多分类问