高斯模型造句

造句与例句手机版

基于混合高斯模型的运动阴影抑制算法
基于混合高斯模型定位的火灾烟雾纹理特征提取
一种采用混合高斯模型与贝叶斯判别的彩色图像人脸检测方法
该算法使用混合高斯模型表示粒子，在每个时刻的修正步骤之后，采用em算法对粒子进行重新拟合。
通过实验表明，在hsi彩色空间的简单高斯模型和线性模型比较适合于复杂背景下的快速、准确的人脸检测。
该方法基于帧间差分法检测出帧中的背景像素点后，再确立每个点的高斯模型，最后运用背景差分准确检测出场景中的运动目标。
其变异函数可用球状模型、指数模型、高斯模型拟合，有效铁存在漂移现象，可用孔穴效应模型拟合。
高斯模型能够恢复出更接近于准确对焦的图像，而且对被成像物体没有直边特征的限制。
摘要提出一种基于独立分量分析的混叠振动目标盲分离和混合高斯模型识别相结合的混合模型振动识别方法。
针对影响粒子滤波算法性能的关键技术，提出了基于混合高斯模型的粒子滤波算法，并将其用于基于颜色的非刚性目标的实时跟踪相关问题。
用高斯模型造句挺难的，這是一个万能造句的方法
肤色是人脸重要特征,在通过肤色采样统计和聚类分析后,确立一种在ycbcr空间下的基于高斯模型的肤色分割方法。
采用混合高斯模型为码头背景建模，该模型可克服各种外部因素的影响，如光照变化、阴影、目标遮挡等，具有很强的适应能力。
提出改进的基于混合高斯模型的运动检测算法，有效抑制了分割运动缓慢且成像面积比较大的物体时易出现的“拖尾”现象。
在ycbcr色彩空间中建立肤色分布的高斯模型,得到肤色概率似然图像,在最佳动态阈值选取算法下完成肤色区域的分割。
目前在信息融合领域广泛使用的融合算法是卡尔曼滤波,它在线性高斯模型下能得到最优估计,但在非线性非高斯模型下则无法应用。
作者用一系列的修正方程式统计数据开始了他们对混合高斯模型的估算，然后将初步得出的数据转换为滤镜视窗版本进行查看，效果还不错。
算法的具体过程主要分为三个阶段:人脸初定位、人脸分割和人脸确认,首先采用高斯模型来模拟肤色分布并构造出肤色概率图进行人脸的初定位,并对肤色概率图采用中值滤波进行平滑处理,接着利用区域生长准则和融合色度、亮度以及肤色概率图等多源信息相结合的方法对图像进行分割,以达到分割出潜在脸区的目的,最后采用人脸整体形状的确认准则和人脸特征提取的确认准则相结合的方法对潜在脸区的最终确认。
为了使多元高斯模型使用更加方便,本文设计并开发了基于多元高斯声束理论的超声检测声场模拟软件,该软件具有良好的图形用户界面,操作简单,可方便地实现直探头、聚焦探头和斜探头的检测声场模拟,可帮助检测人员进行检测过程的分析及结构件的可检性预测,并选择合适的检测工艺参数。
在非高斯算法中，由于多径误差的影响，目标高度方向上的测量误差表现为非高斯噪声，首先建立观测噪声的非高斯模型，然后利用非高斯噪声下的滤波算法跟踪低空目标。
为了比较svm的识别性能,本文也采用了基于混合高斯模型的车牌字符识别算法,给出了基于gmm的分类器的训练和识别的算法,提出了基于概率密度的拒识算法,并就识别准确率和拒识性能与svm进行了比较。