基于随机向量仿真方法的二维高斯图形算法研究.pdfVIP

应 用 科 学 莽 与霓 基于随机向量仿真方法的二维高斯图形算法研究 王宝峰 (内蒙古满洲里边防检查站司令部机要查控科 021400) [j裔 要】高斯图形算法的基本思路是根据二维正态分布公式生成一个高斯矩阵，求新图形中的每一点时，将高斯矩阵的中心对准旧图形的这一点， 并将所有点根据高斯矩阵上对应的点加权平均，在减小图形尺寸的场合经常使用二维高斯图形算法。在进行欠采样的时候，通常在采样之前对图形进行 低通滤波处理，这样就可以保证在采样图形中不会出现虚假的高频信息。二维高斯图形算法有很好的特性，如没有明显的边界，这样就不会在滤波图形中 形成震荡。本文基于随机向量仿真方法，对之进行了初步研究。 关【键词】 随机向量 二维 图形算法 高斯矩阵 仿真方法 从理论上来讲，二维高斯图形中每点的分布都不为零，这也就是说每 于 1730年在求二项分布的渐近公式时得到；后拉普拉斯于 1812年研究极 个像素的计算都需要包含整幅图形。在实际应用中，在计算高斯函数的离 限定理时也被引入 ；高斯 (Gauss)则于 1809年在研究误差理论时也导出了 散近似时，在大概 3O距离之外的像素都可 以看作不起作用，这些像素的 它。高斯分布的函数图象是 一条位于X轴上方呈钟形的曲线，称为高斯分 计算也就可以忽略。通常，图形处理程序只需要计算 (6o+1)×(6o+1)的 布 曲线，简称高斯 曲线 。对一幅图形进行多次连续高斯模糊的效果与一次 矩阵就可 以保证相关像素影响。除了圆形对称之外，高斯模糊也可 以在二 更大的高斯模糊可 以产生同样的效果，大的高斯模糊的半径是所用多个高 维图形上对两个独立的～维空间分别进行计算，这叫作线性可分 。这也就 斯模糊半径半方和的平方根。例如，使用半径分别为6和 8的两次高斯模 是说，使用二维矩阵变换得到的效果也可 以通过在水平方向进行一维高斯 糊变换得到的效果等同于 一次半径为 1O的高斯模糊效果， ：i(j 矩阵变换加上竖直方向的一维高斯矩阵变换得到。从计算的角度来看，这 根据这个犬系，使用多个连续较小的高斯模糊处理不会 比单个高斯较大处 是一项有用的特性，因为这样只需要 0(n×M×N)+O(m×M×N)次计算，而 理时间要少。 不可分的矩阵则需要0(m×n×M×N)次计算，其中M，N是需要进行滤波的 2．1多元高斯分布的几何特征 图形 的维数，m、n是滤波器的维数 。 d维高斯分布 的空问彤状是 个 d维 的椭球体，其常数密度轮廓线足 1、随机向量概述 由公式 (2)所确定的椭球 【】： 在计算机某些实际问题 中，往往需要 同时用两个或两个以上的随机变 (一¨ ，l二_。f 一 “)=f— I二) 量来描述试验 的结果。 当维数等于2时，可以用 形爿∈表 ，J概率密度和等密度轮廓线 。 1．1二维随机 向量的定义 2．2 多元高斯分布的性质 设 E是一个随机试验，样本空间是 Q={e)，设 X=X(e)和 y=y(e)是定 (1)概