在遥感图像的众多分割方法中,高斯混合模型(GMM)是一种常用的图像建模方法。提出了高斯-瑞利混合模型(GRMM)可能更适合对遥感图像建模。介绍了传统高斯混合模型和高斯-瑞利混合模型的区别。比较了这两种混合模型对图像建模的结果,并用数据说明高斯-瑞利混合模型拟合图像的像素分布误差更小。采用最大熵方法确定图像的最佳分类数,采用马尔可夫随机场(MRF)方法及新的势能函数完成图像的分割,采用迭代条件模型(ICM)完成分割过程中的最大后验概率计算问题。在实验中采用了3幅遥感图像,实验过程中比较了各个图像运用高斯混合模型和高斯-瑞利混合模型的分割和拟合结果,分别通过数据和分割结果体现了该分割方法的效果。
2021-02-07 20:05:30 5.33MB 图像处理 遥感图像 高斯-瑞利 最大熵
1
QPSK高斯白噪声信道和瑞利信道的误码率以及解调后的星图,MATLAB实现,可供学习和参考使用,也可作为实验报告使用。
1
高斯瑞利分布下qpsk和QAM的误码率分析,不仅对理论的曲线进行了绘制,而且进行了仿真。16QAM在瑞利衰落信道下的的程序网上比较难找,这份资料详细的分析并得出了最终的曲线图!
2019-12-21 19:59:24 216KB qpsk和QAM
1
QPSK仿真,通过高斯信道,瑞利信道,调制解调,计算误码率,绘制星座图
2019-12-21 19:47:29 93KB 高斯,瑞利
1