检索结果-维普期刊中文期刊服务平台

基于失真类型预测的图像质量评价方法被引量：1: 1; 作者崔力陈玉坤韩宇《西北大学学报（自然科学版）》 CAS CSCD 北大核心 2012年第3期395-400,共6页; 目的克服单个图像质量评价方法针对各种失真类型的性能表现不均衡的问题。方法首先从多个角度测量参考与测试图像的视觉相似性(包括人眼视觉系统,低层次视觉处理和本地纹理),接着分别利用粗糙集和支持向量机完成特征简化与图像失真类型... 展开更多; 关键词人眼视觉系统失真类型预测支持向量机; 在线阅读下载PDF 职称材料

基于Gabor小波和CNN的图像失真类型判定算法被引量：5: 2; 作者李鹏程吴涛张善卿《计算机应用研究》 CSCD 北大核心 2019年第10期3179-3182,共4页; 针对图像失真分类问题,提出了一种基于Gabor小波和卷积神经网络(convolutional neural network,CNN)的失真类型判定算法。该算法先利用Gabor小波的良好特性对图像进行特征粗提取,再通过改进的CNN进一步提取关键特征。算法步骤包括:首先... 展开更多; 关键词卷积神经网络 GABOR小波失真类型特征学习; 在线阅读下载PDF 职称材料

基于多尺度多分类器卷积神经网络的混合失真类型判定方法被引量：2: 3; 作者闫钧华侯平 +3 位作者张寅吕向阳马越王高飞《计算机应用》 CSCD 北大核心 2021年第11期3178-3184,共7页; 针对图像混合失真类型判定难的问题,在深度学习多标签分类思想的基础上,提出了一种基于多尺度多分类器卷积神经网络(CNN)的混合失真类型判定方法。首先,从图像中截取得到含有高频信息的图像块,将该图像块输入到不同感受野的卷积层中以... 展开更多; 关键词混合失真类型多标签分类卷积神经网络高频信息 Sigmoid分类器; 在线阅读下载PDF 职称材料

基于双通道卷积神经网络的图像单失真类型判定方法被引量：1: 4; 作者闫钧华侯平 +3 位作者张寅吕向阳马越王高飞《计算机应用》 CSCD 北大核心 2021年第6期1761-1766,共6页; 针对图像单失真类型判定算法对部分失真类型判定精度低的问题,提出了一种基于双通道卷积神经网络(CNN)的图像单失真类型判定方法。首先,对图像进行裁剪以得到固定尺寸的图像块,并对图像块进行Haar小波变换从而得到高频信息图;然后,将图... 展开更多; 关键词单失真类型卷积神经网络小波变换双通道高频信息图; 在线阅读下载PDF 职称材料

科研失真问题亟待解决被引量：1: 5; 作者郑秀才《科技进步与对策》北大核心 2000年第1期92-94,共3页; 指出我国科研活动中存在的科研失真现象产生的原因及其危害 ,提出消除科研失真的对策。; 关键词科研失真科研活动失真类型危害对策; 在线阅读下载PDF 职称材料

题名基于失真类型预测的图像质量评价方法被引量：1: 1; 作者崔力陈玉坤韩宇; 机构西北工业大学电子信息学院西安电子科技大学综合业务网重点实验室; 出处《西北大学学报（自然科学版）》 CAS CSCD 北大核心 2012年第3期395-400,共6页; 基金陕西省自然科学基金资助项目(2011JQ8038) 国家人力资源与社会保障部留学人员科技活动择优基金资助项目 +1 种基金西北工业大学E之星青年基金资助项目; 文摘目的克服单个图像质量评价方法针对各种失真类型的性能表现不均衡的问题。方法首先从多个角度测量参考与测试图像的视觉相似性(包括人眼视觉系统,低层次视觉处理和本地纹理),接着分别利用粗糙集和支持向量机完成特征简化与图像失真类型预测,并最终根据测试图像所遭受的失真类型选取适当的质量评价算法。结果提出一种基于失真类型预测的图像质量评价算法。结论该算法在整体性能上要优于传统的图像质量评价算法,更好地体现了主客观评价的一致性;针对单个失真类型开发性能优的质量评价方法,可以进一步提升该算法的性能。; 关键词人眼视觉系统失真类型预测支持向量机; Keywords human visual system Distortion type predication Support Vector Machine; 分类号 TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于Gabor小波和CNN的图像失真类型判定算法被引量：5: 2; 作者李鹏程吴涛张善卿; 机构杭州电子科技大学计算机学院; 出处《计算机应用研究》 CSCD 北大核心 2019年第10期3179-3182,共4页; 基金浙江省重点研发计划资助项目(2017C01022) 浙江省基础公益研究计划资助项目(LGG18F020013); 文摘针对图像失真分类问题,提出了一种基于Gabor小波和卷积神经网络(convolutional neural network,CNN)的失真类型判定算法。该算法先利用Gabor小波的良好特性对图像进行特征粗提取,再通过改进的CNN进一步提取关键特征。算法步骤包括:首先对图像进行预处理(包括标签设定、样本均衡和样本扩充);然后对预处理后的图像进行八方向的Gabor小波变换,并将不同方向的子带叠加构成输入样本;最后通过自行设计的CNN和Softmax分类器对样本进行训练,训练过程中采用随机梯度下降和反向误差传播的方法对卷积核参数进行优化得到最终模型。对训练好的模型进行失真类型判定实验,在LIVE标准图像库上分类正确率达95.62%,表明本算法具有较高的准确性和鲁棒性。; 关键词卷积神经网络 GABOR小波失真类型特征学习; Keywords convolutional neural network Gabor wavelet image distortion type feature learning; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多尺度多分类器卷积神经网络的混合失真类型判定方法被引量：2: 3; 作者闫钧华侯平张寅吕向阳马越王高飞; 机构空间光电探测与感知工业和信息化部重点实验室(南京航空航天大学) 南京航空航天大学航天学院; 出处《计算机应用》 CSCD 北大核心 2021年第11期3178-3184,共7页; 基金国家自然科学基金资助项目(61705104) 中央高校基本科研业务费专项基金资助项目(NJ2020021) 江苏省自然科学基金资助项目(BK20170804)。; 文摘针对图像混合失真类型判定难的问题,在深度学习多标签分类思想的基础上,提出了一种基于多尺度多分类器卷积神经网络(CNN)的混合失真类型判定方法。首先,从图像中截取得到含有高频信息的图像块,将该图像块输入到不同感受野的卷积层中以提取图像的浅层特征图;其次,将浅层特征图输入到各子分类器结构中以进行深层次的特征提取和融合,将融合的特征通过Sigmoid分类器得到判定结果;最后,将各子分类器的判定结果进行融合得到图像的混合失真类型。实验结果表明,在自然场景混合失真数据库(NSMDID)上,所提方法对图像中存在的混合失真类型的平均判定准确率可以达到91.4%,且对大部分类型的判定准确率都在96.8%以上,可见所提方法能够对混合失真图像中的失真类型进行有效的判定。; 关键词混合失真类型多标签分类卷积神经网络高频信息 Sigmoid分类器; Keywords multiply distortion type multi-label classification Convolutional Neural Network(CNN) high-frequency information Sigmoid classifier; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于双通道卷积神经网络的图像单失真类型判定方法被引量：1: 4; 作者闫钧华侯平张寅吕向阳马越王高飞; 机构空间光电探测与感知工业和信息化部重点实验室(南京航空航天大学) 南京航空航天大学航天学院; 出处《计算机应用》 CSCD 北大核心 2021年第6期1761-1766,共6页; 基金国家自然科学基金资助项目(61705104) 中央高校基本科研业务费专项资金资助项目(NJ2020021) 江苏省自然科学基金资助项目(BK20170804)。; 文摘针对图像单失真类型判定算法对部分失真类型判定精度低的问题,提出了一种基于双通道卷积神经网络(CNN)的图像单失真类型判定方法。首先,对图像进行裁剪以得到固定尺寸的图像块,并对图像块进行Haar小波变换从而得到高频信息图;然后,将图像块与对应的高频信息图分别输入到不同通道卷积层中以提取深层特征图后,对深层特征进行融合并输入到全连接层中;最后,将全连接层最后一层的值输入到Softmax函数分类器中得到图像单失真类型概率分布。LIVE数据库上的实验结果表明,所提方法的图像单失真类型判定准确率达到了95.21%,并且对JPEG2000和快速衰落失真这两种失真类型的判定精度相较用于对比的其他五种图像单失真类型判定方法分别提升了至少6.69个百分点和2.46个百分点。所提方法能够准确地判定出图像中存在的单失真类型。; 关键词单失真类型卷积神经网络小波变换双通道高频信息图; Keywords single distortion type Convolutional Neural Network(CNN) wavelet transform two-channel high-frequency information map; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名科研失真问题亟待解决被引量：1: 5; 作者郑秀才; 机构江汉石油学院科研处; 出处《科技进步与对策》北大核心 2000年第1期92-94,共3页; 文摘指出我国科研活动中存在的科研失真现象产生的原因及其危害 ,提出消除科研失真的对策。; 关键词科研失真科研活动失真类型危害对策; 分类号 G311 [文化科学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于失真类型预测的图像质量评价方法	崔力陈玉坤韩宇	《西北大学学报（自然科学版）》 CAS CSCD 北大核心	2012	1	在线阅读下载PDF 职称材料
2	基于Gabor小波和CNN的图像失真类型判定算法	李鹏程吴涛张善卿	《计算机应用研究》 CSCD 北大核心	2019	5	在线阅读下载PDF 职称材料
3	基于多尺度多分类器卷积神经网络的混合失真类型判定方法	闫钧华侯平张寅吕向阳马越王高飞	《计算机应用》 CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
4	基于双通道卷积神经网络的图像单失真类型判定方法	闫钧华侯平张寅吕向阳马越王高飞	《计算机应用》 CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料
5	科研失真问题亟待解决	郑秀才	《科技进步与对策》北大核心	2000	1	在线阅读下载PDF 职称材料