排序方式: 共有91条查询结果,搜索用时 437 毫秒
1.
异构无线网络环境下,智能切换关键要素是提供有保障质量和连接性的服务。针对传统基于接收信号强度的切换判决,在减少不必要切换、呼叫掉线、呼叫阻塞和切换阻碍等方面存在的缺陷,提出切换评估模型。切换判决前,在终端收集网络、用户信息;基于四种通信类型的通信需求,确定网络QoS参数权重值;使用模糊分析方法进行参数量化,将数值并行输入到模糊逻辑器,得到切换评估值,从而得到切换与否的判决。仿真结果显示提出的模型在减少不必要切换、呼叫掉线有较好的表现,能更好地保证连接性和服务质量,从而达到更高的用户满意水平。 相似文献
2.
目前基于结构的图像修复算法中,基于快速行进的图像修复算法能够简单快速的修复数字图像中的破损区域,但是修复效果一般,特别是边缘区域的保持效果较差.在快速行进算法中引入了梯度权函数和距离权函数,通过对邻近点的加权计算进行排序,然后按权值大小对破损区域进行逐步修复,并利用梯度排序对边缘进行保持.实验结果表明该算法修复效果要优... 相似文献
3.
在不同尺寸块编码模式下,时域和空域运动相关性对最优参考帧选取的影响是不同的.本文通过分析视频序列的统计特性和视频帧内的空间相关性,提出了一种基于运动相关性的自适应多参考帧快速选择算法.该算法根据视频序列自身特征,自适应地去除不必要的参考帧,降低编码复杂度.实验结果显示,在保证编码质量的前提下,本算法平均可以节省编码时间40%以上. 相似文献
4.
马尔科夫随机场模型下的Retinex夜间彩色图像增强 总被引:2,自引:0,他引:2
由于Retinex算法在处理夜间彩色图像时容易出现光晕、颜色失真、细节丢失与噪声干扰等问题,本文基于马尔科夫随机场(MRF)提出了一种针对单幅图像的Retinex图像增强算法。该算法在HSV颜色空间下采用线性引导滤波估计图像照度分量;在MRF模型下求解仅包含物体本身特性的反射分量,并通过颜色恢复函数与增益补偿方法进行颜色恢复与校正,最终实现了夜间彩色图像的增强。实验结果表明,利用本文算法处理后图像的均值(整体亮度)可以提高2倍以上,标准差、熵、峰值信噪比(PSNR)等参数均有5%以上的提升。与其它基于Retinex原理的算法相比,本文提出的算法增强效果显著,具有消除“光晕伪影”现象、抑制噪声、颜色保真和有效地凸显边缘细节信息等能力。 相似文献
5.
一种改善超分辨率图像重建中边缘质量的方法 总被引:1,自引:0,他引:1
超分辨率图像重建技术指通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像来重建一幅高质量高分辨率图像. 凸集投影 (POCS) 算法是一种广泛使用的超分辨率图像重建方法. 本文提出了一种适用于 POCS 算法的改善高分辨率重建图像边缘质量的方法. 该方法将中心在边缘像素的点扩散函数 (PSF) 与一个指数型权值函数相乘, 使得修改的 PSF 系数沿着边缘正交的方向减小. 实验结果表明, 这样的修改有效地保持了边缘的特性, 明显地提高了重建图像的质量 相似文献
6.
本文通过介绍“燕山石化门禁管理系统“项目中系统的设计与实现,给出了该系统的架构和设计过程,并对系统的安全性、系统的执行效率,以及数据的备份与恢复机制等方面进行了深入的分析与研究,给出了相应的解决方案。 相似文献
7.
8.
针对现有基于Hough变换的地震断层检测方法只能检测单个断层,不能准确检测多个断层的不足,提出了一种基于自适应聚类Hough变换的地震断层检测方法。该方法首先对预处理后的地震相干图像进行边缘检测并对边缘图像进行Hough变换以检测出边缘图像中的线段,然后根据倾斜角和位置信息对线段进行自适应聚类以获得更完整的线段,最后根据初始地震图像对完整线段中的各点进行调整以获得准确、平滑的断层。为验证该方法的有效性,在实际地震图像上进行了对比实验。实验结果表明,该方法可正确检测地震图像中的多个断层,正确率达到90%以上,与现有方法相比,峰值信噪比提高了约10%。 相似文献
9.
在模糊核未知的情况下对模糊图像进行复原称为盲解卷积问题,这是一个欠定逆问题,现有的大部分盲解卷积算法利用图像的各种先验知识约束问题的解空间.由于清晰图像的跨尺度自相似性强于模糊图像的跨尺度自相似性,且降采样模糊图像与清晰图像具有更强的相似性,本文提出了一种基于跨尺度低秩约束的单幅图像盲解卷积算法,利用图像跨尺度自相似性,在降采样图像中搜索相似图像块构成相似图像块组,从整体上对相似图像块组进行低秩约束,作为正则项加入到图像盲解卷积的目标函数中,迫使重建图像的边缘接近清晰图像的边缘.本文算法没有对噪声进行特殊处理,由于低秩约束更好地表示了数据的全局结构特性,因此避免了盲解卷积过程受噪声的干扰.在模糊图像和模糊有噪图像上的实验验证了本文的算法能够解决大尺寸模糊核的盲复原并对噪声具有良好的鲁棒性. 相似文献
10.
哈希学习能够在保持数据之间语义相似性的同时, 将高维数据投影到低维的二值空间中以降低数据维度实现快速检索. 传统的监督型哈希学习算法主要是将手工设计特征作为模型输入, 通过分类和量化生成哈希码. 手工设计特征缺乏自适应性且独立于量化过程使得检索的准确率不高. 本文提出了一种基于点对相似度的深度非松弛哈希算法, 在卷积神经网络的输出端使用可导的软阈值函数代替常用的符号函数使准哈希码非线性接近-1或1, 将网络输出的结果直接用于计算训练误差, 在损失函数中使用$\ell_1$范数约束准哈希码的各个哈希位接近二值编码. 模型训练完成之后, 在网络模型外部使用符号函数, 通过符号函数量化生成低维的二值哈希码, 在低维的二值空间中进行数据的存储与检索. 在公开数据集上的实验表明, 本文的算法能够有效地提取图像特征并准确地生成二值哈希码, 且在准确率上优于其他算法. 相似文献