搜索资源列表
FractalTerrain
- 二维的分形地形可以由一维分形曲线推广得到，首先介绍下一维分形曲线的构造模型。 已知初始线段的两个端点 ，通过随机扰动线段的中点来完成一次迭代，公式为 ： 其中roughness控制当前层次的扰动量，它可以决定每次循环中，随机数值域的减少量，就是说它决定了分形结果的粗糙程度。令 上式是分形曲线模型的一般表达式，其中采用均值为0，方差为1的正态分布函数产生随机数，随着分割层次的增加，当前扰动量将以pow(2.0,-h)的倍数逐步的衰减，直到到达给定的分割层次或者被
baizaosheng
- 按如下模型产生一组随机序列： x(n)=0.8x(n-1)+w(n) 其中w(n)为均值为1，方差为4 的正态分布白噪声序列。估计过程的自相关函数与功率谱。
ground_detect
- 基于OpenCv的背景检测，先要建立背景模型，检测在背景下的物体。（用的是均值方差的方法建立背景模型）-Background detection based OpenCv to first build the background model to detect objects in the background. (Using a mean-variance method to establish the background model)
Snake-model-bsegmentation-method
- 改进的T- Snake 算法首先在分水岭法中, 对相邻区域以其像素数、灰度均值和灰度方差定义距离, 并据其在图像上建立新的连通图, 以对图像过度分割而产生的一些过小区域合并 其次, 在模型跨边缘时, 利用已分割断层图像中模型内部区域的统计特征, 用区域生长法获取内点并重新参数化模型, 使模型不再跨边缘, 以保证模型形变到正确的边缘-Improved T-Snake algorithm first law in the watershed, the number of pixels in its
Lms_lichunhua1
- 白噪声经过AR模型的输出作为LMS滤波器的输入，已知：a1=1.558；a2=-0.81；白噪声方差为1.0，均值为0；u＝0.002；利用Matlab实现：-White noise as the input of the LMS filter after the output of the AR model known: a1 = 1.558 a2 =-0.81 white noise variance of 1.0, an average of 0 u = 0.002 using M
gmm
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙