检索结果-维普期刊中文期刊服务平台

复小波包变换域混合统计模型图像降噪算法: 1; 作者闫河何光敏张小川《控制理论与应用》 EI CAS CSCD 北大核心 2010年第3期335-343,共9页; 该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点,把含噪图像分解成低频逼近子图和若干高频方向子图;在保留低频逼近子图复系数不变的同时,利用复系数层间相关性的强弱把高频方向子图分... 展开更多; 关键词图像去噪四树复小波包变换层间相关性非高斯双变量模型:零均值高斯分布模型; 在线阅读下载PDF 职称材料

复轮廓波包的构造及其图像去噪应用被引量：2: 2; 作者王咏胜付永庆《光子学报》 EI CAS CSCD 北大核心 2010年第9期1697-1701,共5页; 一般的轮廓波变换只对信号的低频部分进行分解,却忽略了信号的高频部分,因而丢失了丰富的细节和纹理信息,为了克服这种缺陷,本文利用解析的双树复小波包变换和非抽样方向滤波器组,构造了复轮廓波包变换,并提出一种基于相邻系数阈值分类... 展开更多; 关键词图像去噪复轮廓波包变换双树复小波包非抽样方向滤波器组; 在线阅读下载PDF 职称材料

结合复小波域去噪和PSO-TSVM的群体异常行为检测被引量：2: 3; 作者胡根生吴玉林梁栋《传感器与微系统》 CSCD 2020年第5期143-147,共5页; 为了提高群体异常行为检测准确率,减少异常检测中噪声带来的影响,给出一种结合复小波域去噪和粒子群优化孪生支持向量机(PSO-TSVM)的群体异常行为检测算法。通过Horn-Schunck光流法提取视频中群体行为的速度、加速度、方向特征和人群密... 展开更多; 关键词群体异常行为检测非抽样对偶树复小波包变换双变量模型粒子群优化-孪生支持向量机; 在线阅读下载PDF 职称材料

一种图像增强新方法被引量：2: 4; 作者闫河闫卫军张小川《计算机工程与应用》 CSCD 北大核心 2010年第34期195-198,共4页; 提出了一种四树复小波包变换域层内层间系数相关性图像增强新方法。该方法利用四树复小波包变换具有移不变性、良好方向选择性和对高频信号的细致分析能力,把含噪图像分解成低频逼近子图和若干高频方向子图;在保留低频逼近子图复系数不... 展开更多; 关键词图像增强四树复小波包变换层间相关性非高斯双变量模型; 在线阅读下载PDF 职称材料

题名复小波包变换域混合统计模型图像降噪算法: 1; 作者闫河何光敏张小川; 机构重庆理工大学计算机学院重庆市天宝实验学校; 出处《控制理论与应用》 EI CAS CSCD 北大核心 2010年第3期335-343,共9页; 基金国家自然科学基金资助项目(60443004) 重庆市科委自然科学基金资助项目(CSTC +2 种基金 2008BB2340) 重庆理工大学科研启动基金项目(2009ZD12); 文摘该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点,把含噪图像分解成低频逼近子图和若干高频方向子图;在保留低频逼近子图复系数不变的同时,利用复系数层间相关性的强弱把高频方向子图分为主要类和次要类.对主要类和次要类复系数分别进一步采用非高斯双变量模型和零均值高斯分布模型进行噪声抑制.实验结果表明,无论是峰值信噪比(PSNR)指标,还是在视觉效果上,本文方法的去噪性能均好于传统的双树复小波变换去噪、四树复小波包变换去噪和小波域高斯尺度混合模型去噪,在有效抑制噪声的同时,具有很好的图像边缘和细节保护能力.; 关键词图像去噪四树复小波包变换层间相关性非高斯双变量模型:零均值高斯分布模型; Keywords image denoising quad-tree complex wavelet packet transform inter-scale correlation non-Gaussian bi-variate mode zero mean Gaussian distributing model; 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

题名复轮廓波包的构造及其图像去噪应用被引量：2: 2; 作者王咏胜付永庆; 机构哈尔滨工程大学信息与通信工程学院; 出处《光子学报》 EI CAS CSCD 北大核心 2010年第9期1697-1701,共5页; 基金国家自然科学基金(60772025) 水下智能机器人技术国防科技重点实验室基金(200736)资助; 文摘一般的轮廓波变换只对信号的低频部分进行分解,却忽略了信号的高频部分,因而丢失了丰富的细节和纹理信息,为了克服这种缺陷,本文利用解析的双树复小波包变换和非抽样方向滤波器组,构造了复轮廓波包变换,并提出一种基于相邻系数阈值分类的复轮廓波包图像去噪算法.新的变换除了具有多分辨率、局部性、多方向性和各向异性的特点外,还具有平移不变性和更丰富的方向分量.仿真试验结果表明,构造的复轮廓波包变换能够有效地抑制伪Gibbs现象,并且保护更多的边缘和纹理等细节,其PSNR值和视觉质量均优于一般的去噪方法.; 关键词图像去噪复轮廓波包变换双树复小波包非抽样方向滤波器组; Keywords Image denoising Complex contourlet packet transform Dual-tree complex wavelet packet Nonsubsampled directional filter bank; 分类号 TP391 [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

题名结合复小波域去噪和PSO-TSVM的群体异常行为检测被引量：2: 3; 作者胡根生吴玉林梁栋; 机构安徽大学电子信息工程学院偏振光成像探测技术安徽省重点实验室; 出处《传感器与微系统》 CSCD 2020年第5期143-147,共5页; 基金国家自然科学基金资助项目(61672032) 偏振光成像探测技术安徽省重点实验室开放项目(2016-KFKT-003)。; 文摘为了提高群体异常行为检测准确率,减少异常检测中噪声带来的影响,给出一种结合复小波域去噪和粒子群优化孪生支持向量机(PSO-TSVM)的群体异常行为检测算法。通过Horn-Schunck光流法提取视频中群体行为的速度、加速度、方向特征和人群密度特征;利用非抽样对偶树复小波包变换和双变量模型对抽取的群体行为特征进行噪声去除;使用去噪后的群体行为特征训练和测试经粒子群算法优化的孪生支持向量机模型,实现视频中的群体异常行为检测。在UMN视频数据集和自建数据集上的实验结果表明:相较于社会力模型和粒子熵模型等方法,所提算法具有更高的检测准确率。; 关键词群体异常行为检测非抽样对偶树复小波包变换双变量模型粒子群优化-孪生支持向量机; Keywords abnormal group activity detection non-subsampled dual-tree complex wavelet packet transform bivariate model PSO-TSVM; 分类号 TP391 [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

题名一种图像增强新方法被引量：2: 4; 作者闫河闫卫军张小川; 机构重庆理工大学计算机学院中国冶金地质总局西北地质勘探院; 出处《计算机工程与应用》 CSCD 北大核心 2010年第34期195-198,共4页; 基金重庆市科委自然科学基金计划资助项目(No.CSTC 2008BB2340) 重庆理工大学科研启动基金项目(No.2009ZD12); 文摘提出了一种四树复小波包变换域层内层间系数相关性图像增强新方法。该方法利用四树复小波包变换具有移不变性、良好方向选择性和对高频信号的细致分析能力,把含噪图像分解成低频逼近子图和若干高频方向子图;在保留低频逼近子图复系数不变的同时,充分利用变换域信号复系数层间相关性强和噪声复系数层间相关性弱的特点,采用非高斯双变量模型对每一个方向子图复系数进行降噪处理。同时考虑图像的弱边缘在变换域某些方向子图内复系数值较大,而在其他方向子带内其值较小的特点,甄别出弱边缘点对应的复系数并进行增强处理。实验结果表明,无论是PSNR指标,还是在视觉效果上,该方法的增强性能均好于传统的双树复小波变换去噪、四树复小波包变换去噪和小波域高斯尺度混合模型去噪,在有效抑制噪声的同时,具有很好的图像弱边缘增强和细节保护能力。; 关键词图像增强四树复小波包变换层间相关性非高斯双变量模型; Keywords image enhancement quad-tree complex wavelet packet transform inter-scale correlation non-Ganssian bivariate mode; 分类号 TP391.4 [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	作者	出处	发文年	被引量	操作
1	复小波包变换域混合统计模型图像降噪算法	闫河何光敏张小川	《控制理论与应用》 EI CAS CSCD 北大核心	2010	0	在线阅读下载PDF 职称材料
2	复轮廓波包的构造及其图像去噪应用	王咏胜付永庆	《光子学报》 EI CAS CSCD 北大核心	2010	2	在线阅读下载PDF 职称材料
3	结合复小波域去噪和PSO-TSVM的群体异常行为检测	胡根生吴玉林梁栋	《传感器与微系统》 CSCD	2020	2	在线阅读下载PDF 职称材料
4	一种图像增强新方法	闫河闫卫军张小川	《计算机工程与应用》 CSCD 北大核心	2010	2	在线阅读下载PDF 职称材料