为了提高图像分割的速度和精度，提出了一种新的基于ChanVese水平集模型(CV模型)的梯度加速分割模型。首先，在CV模型的能量函数中加入一个内部能量项，抵消演化过程中水平集函数和符号距离函数的偏差，从而消除分割中周期性重新初始化的过程；其次，提出了梯度加速项，通过感兴趣区域的图像特征，快速得到该区域的边界，且能够提高弱边界的分割精度。实验证明，提出的方法不仅能够加速特定区域的分割、提高分割精度，还能保持分割过程的稳定性。
2023-03-14 15:42:38
173KB
1
模糊模型设计方法归结为两种，即语义驱动和数据驱动。数据驱动模型具有更好的性能，是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段，辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识，即模糊系统结构辨识和参数辨识。回顾了近年来模糊系统辨识的理论和方法，如subtractive聚类、多分辨率自适应空间分解、SVM、核函数法、粒子群算法和并行遗传算法等。对各种算法原理、特点进行了介绍，对模糊系统辨识的发展进行了展望。
2021-05-17 13:38:59
261KB
1