期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到125篇文章
< 1 2 … 7 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于非下采样Shearlet变换的磁瓦表面缺陷检测 被引量：11
1
作者 杨成立 殷鸣 +2 位作者 向召伟 殷国富 范奎 《工程科学与技术》 EI CAS CSCD 北大核心 2017年第2期217-224,共8页
针对磁瓦表面缺陷对比度低,图像受不均匀背景和磨削纹理干扰大等问题,提出了一种基于非下采样Shearlet变换(non-subsampled Shearlet transform,NSST)的磁瓦表面缺陷检测方法。首先,对磁瓦图像进行多尺度多方向NSST分解,得到一个低频子... 针对磁瓦表面缺陷对比度低,图像受不均匀背景和磨削纹理干扰大等问题,提出了一种基于非下采样Shearlet变换(non-subsampled Shearlet transform,NSST)的磁瓦表面缺陷检测方法。首先,对磁瓦图像进行多尺度多方向NSST分解,得到一个低频子带图像及多个频率和方向变化的高频子带图像。然后对缺陷在高低频域表现出的不同特征进行针对性的处理,在低频子带中分别计算行均值线图像和列均值线图像,将列均值线图像沿行均值线图像扩展,构造基于均值的自适应阈值对低频子带进行滤波,以去除不均匀背景;同时,利用同一分解尺度下各高频子带系数中微弱缺陷信号的方差较大,显著缺陷信号的能量较大,而噪声和背景干扰信号的方差和能量均较小的差异,构造基于Shearlet高频分解系数方差和能量的综合高频缺陷识别算子,滤除高频子带中的噪声和背景干扰。最后,对修正后的分解系数进行逆NSST重构,得到背景均匀,磨削纹理和噪声干扰被充分抑制的高对比度图像,并采用自适应阈值分割方法提取出缺陷区域。实验结果表明,该方法的假阳性率、假阴性率和检测准确率分别达到8.8%、5.0%和93.1%;本文算法在MATLAB仿真平台中平均运行时间为0.629 s;相较于现有的磁瓦表面缺陷检测算法,该方法能够有效地去除不均匀背景、磨削纹理和噪声干扰,检测结果更加准确,鲁棒性更强。 展开更多
关键词 磁瓦 非下采样shearlet变换 自适应阈值面 图像去噪 缺陷检测
在线阅读 下载PDF
shearlet变换和区域特性相结合的图像融合 被引量：14
2
作者 郑伟 孙雪青 李哲 《激光技术》 CAS CSCD 北大核心 2015年第1期50-56,共7页
为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高... 为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法,用平均梯度来计算加权参量,以此来改善融合图像轮廓模糊度高的问题,高频子带系数采用区域方差和区域能量相结合的融合规则,以得到丰富的细节信息。最后,进行shearlet逆变换得到融合图像。结果表明,此算法在主观视觉效果和客观评价指标上优于其它融合算法。 展开更多
关键词 图像处理 图像融合 shearlet变换 加权融合 区域方差 区域能量
在线阅读 下载PDF
尺度自适应三维Shearlet变换地震随机噪声压制 被引量：7
3
作者 程浩 王德利 +2 位作者 王恩德 付建飞 侯振隆 《石油地球物理勘探》 EI CSCD 北大核心 2019年第5期970-978,I0007,I0008,共11页
应用尺度自适应三维Shearlet变换压制多炮地震数据随机噪声,通过将多炮数据变换到三维Shearlet域,充分考虑单炮记录及其间的相关性,在三维Shearlet域更稀疏地表示地震数据。由于有效信号主要分布在低尺度,随机噪声分布在各个尺度,因此... 应用尺度自适应三维Shearlet变换压制多炮地震数据随机噪声,通过将多炮数据变换到三维Shearlet域,充分考虑单炮记录及其间的相关性,在三维Shearlet域更稀疏地表示地震数据。由于有效信号主要分布在低尺度,随机噪声分布在各个尺度,因此在硬阈值的基础上,结合尺度自适应因子压制随机噪声。再通过三维Shearlet反变换,得到去噪地震数据。数值模拟和实际多炮地震数据去噪结果表明:尺度自适应三维Shearlet变换的去噪效果优于二维Shearlet变换、不结合尺度自适应因子的三维Shearlet变换;尺度自适应三维Shearlet变换去噪方法对服务器内存要求较高,且可能对幅值相对较小的有效信号产生损害。 展开更多
关键词 三维shearlet变换 稀疏性 随机噪声 尺度自适应因子 信噪比
在线阅读 下载PDF
Shearlet变换和稀疏表示相结合的甲状腺图像融合 被引量：7
4
作者 郑伟 孙雪青 +1 位作者 郝冬梅 吴颂红 《光电工程》 CAS CSCD 北大核心 2015年第1期77-83,共7页
针对甲状腺肿瘤超声图像对比度低和SPECT图像边界模糊的特点,结合多尺度几何分析和单尺度稀疏表示的思想,提出了一种Shearlet变换与稀疏表示相结合的图像融合算法。首先,用该变换对已经精确配准的源图像进行分解,得到图像的高低频子带... 针对甲状腺肿瘤超声图像对比度低和SPECT图像边界模糊的特点,结合多尺度几何分析和单尺度稀疏表示的思想,提出了一种Shearlet变换与稀疏表示相结合的图像融合算法。首先,用该变换对已经精确配准的源图像进行分解,得到图像的高低频子带系数。对稀疏性较差的低频子带系数进行字典训练并求解其稀疏表示系数,并采用能量值取大的规则进行融合。高频子带系数采用区域拉普拉斯能量和的规则。最后,用Shearlet逆变换得到融合图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于多尺度融合方法和单尺度下基于稀疏表示的图像融合方法。 展开更多
关键词 图像融合 甲状腺肿瘤 shearlet变换 稀疏表示 区域拉普拉斯能量和
在线阅读 下载PDF
基于局部Shearlet相位量化特征的人脸识别算法 被引量：4
5
作者 王宪 秦磊 +2 位作者 孙子文 宋书林 丁志涵 《光电工程》 CAS CSCD 北大核心 2013年第4期106-112,共7页
针对LPQ算子提取的纹理特征易受光照、噪声影响,提出了一种在Shearlet变换幅值域内提取局部相位量化标记直方图的人脸描述方法。首先采用Shearlet滤波器提取其对应不同方向、不同尺度的多个Shearlet幅值域图谱,然后按照平均值融合法将... 针对LPQ算子提取的纹理特征易受光照、噪声影响,提出了一种在Shearlet变换幅值域内提取局部相位量化标记直方图的人脸描述方法。首先采用Shearlet滤波器提取其对应不同方向、不同尺度的多个Shearlet幅值域图谱,然后按照平均值融合法将相同尺度不同方向的幅值域图谱融合到一起,并对融合图谱进行分块,分别采用LPQ算子标记幅值域图谱,最后由这些标记直方图形成的序列来描述人脸。在ORL、FERET和YALE人脸库中做了多组实验并分别取得了98%、95%及97.33%的识别率,充分验证了该方法的有效性。 展开更多
关键词 shearlet变换 特征融合 局部相位量化 多尺度
在线阅读 下载PDF
Shearlet多方向特征融合与加权直方图的人脸识别算法 被引量：9
6
作者 周霞 张鸿杰 王宪 《光电工程》 CAS CSCD 北大核心 2013年第11期89-94,共6页
针对Shearlet变换在提取特征数据时存在冗余性以及无法对全局特征进行稀疏表征的缺点,提出了一种Shearlet多方向特征融合与加权直方图的人脸识别算法。首先,对原始图像采用Shearlet变换得到多尺度多方向的人脸特征,然后按照两种编码方... 针对Shearlet变换在提取特征数据时存在冗余性以及无法对全局特征进行稀疏表征的缺点,提出了一种Shearlet多方向特征融合与加权直方图的人脸识别算法。首先,对原始图像采用Shearlet变换得到多尺度多方向的人脸特征,然后按照两种编码方式将同一尺度下不同方向的特征进行编码融合,并将融合后的尺度图像划分为若干大小相等的不重叠矩形块,利用Shannon熵理论对各子模式进行加权融合。在ORL、FERET和YALE人脸库中做了多组实验,充分证明该算法相对于传统Shearlet滤波器在分类识别上更具有优势。 展开更多
关键词 人脸识别 加权直方图 特征融合 shearlet变换
在线阅读 下载PDF
人工蜂群优化的非下采样Shearlet域引导滤波图像增强 被引量：7
7
作者 吴一全 孟天亮 吴诗婳 《西安交通大学学报》 EI CAS CSCD 北大核心 2015年第6期39-45,共7页
针对现有图像增强算法边缘保持性能不佳、抗噪性弱的问题,提出了一种改进的引导滤波图像增强算法——ABCO-NSST-GF。通过非下采样Shearlet变换(NSST)将图像分解成低频和高频2部分,利用引导滤波来增强低频系数,避免了高频噪声的放大;对... 针对现有图像增强算法边缘保持性能不佳、抗噪性弱的问题,提出了一种改进的引导滤波图像增强算法——ABCO-NSST-GF。通过非下采样Shearlet变换(NSST)将图像分解成低频和高频2部分,利用引导滤波来增强低频系数,避免了高频噪声的放大;对图像的高频系数进行非线性增益函数变换,在增强边缘及细节的同时抑制噪声。最后,对处理后的低频和高频系数实施NSST反变换,重构出最终的增强图像。由于引导滤波中的盒滤波半径与正则化参数对增强结果有较大影响,采用了混沌蜂群算法搜索其最佳值,确保增强结果达到最优。针对约70幅实际工程图像进行了实验,结果表明,ABCO-NSST-GF算法能够明显改善图像视觉效果,与NSCT自适应阈值法等4种算法相比,所得图像清晰度、对比度和信息熵平均提高25.2%,与空域引导滤波算法相比,P峰值信噪比平均提高20.9%。 展开更多
关键词 图像增强 非下采样shearlet变换 引导滤波 人工蜂群优化 非线性增益函数
在线阅读 下载PDF
Shearlet域自适应阈值地震数据随机噪声压制 被引量：8
8
作者 薛林 程浩 +1 位作者 巩恩普 陈毅军 《石油地球物理勘探》 EI CSCD 北大核心 2020年第2期282-291,I0002,I0003,共12页
Shearlet变换因其最优的稀疏表示和多尺度、多方向特性,对地震数据噪声有很好的压制效果。但基于Shearlet变换的传统阈值法仅考虑了信号的稀疏性在尺度上的特征,没有考虑在方向上的分布特征,不能使去噪效果达到最佳。结合Shearlet变换... Shearlet变换因其最优的稀疏表示和多尺度、多方向特性,对地震数据噪声有很好的压制效果。但基于Shearlet变换的传统阈值法仅考虑了信号的稀疏性在尺度上的特征,没有考虑在方向上的分布特征,不能使去噪效果达到最佳。结合Shearlet变换多尺度、多方向特性,在尺度自适应阈值基础上,研究信号在Shearlet域不同方向上的分布规律,提出一种随尺度和方向同时自适应变化的阈值。通过求取同一尺度、不同方向的L2范数,统计有效信号的分布规律,进而在阈值计算过程中添加方向自适应项,达到随尺度和方向同时自适应的目的。理论和实际数据的试验结果表明,基于尺度和方向同时自适应的阈值相对于传统阈值能够更有效压制随机噪声,最大限度地保留有效地震信息。 展开更多
关键词 shearlet变换 随机噪声 方向自适应阈值
在线阅读 下载PDF
基于非下采样shearlet变换的微地震随机噪声压制 被引量：6
9
作者 刘昕 陈祖斌 +1 位作者 王东鹤 文晓哲 《煤炭技术》 CAS 北大核心 2016年第1期128-129,共2页
基于非下采样shearlet变换的微地震资料去噪方法,相比于其他多尺度变换方法具有更好的方向敏感性和最优稀疏表示性能,具有更强的去除随机噪声的能力,信号保真度更好。同时较传统的shearlet变换具有平移不变性,克服了伪吉布斯现象。利用... 基于非下采样shearlet变换的微地震资料去噪方法,相比于其他多尺度变换方法具有更好的方向敏感性和最优稀疏表示性能,具有更强的去除随机噪声的能力,信号保真度更好。同时较传统的shearlet变换具有平移不变性,克服了伪吉布斯现象。利用非下采样shearlet变换阈值去噪法与小波和曲波阈值变换方法对微地震仿真和实际资料的随机噪声的压制进行对比分析,结果表明非下采样shearlet变换具有更好的去噪能力。 展开更多
关键词 shearlet变换 非下采样 微地震 随机噪声 去噪
在线阅读 下载PDF
Shearlet变换域自适应图像去噪算法 被引量：9
10
作者 朱华生 徐晨光 《激光与红外》 CAS CSCD 北大核心 2012年第7期811-814,共4页
首先采用Haar小波滤波器,设计出一种数字Shearlet变换算法。然后对Shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,... 首先采用Haar小波滤波器,设计出一种数字Shearlet变换算法。然后对Shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,本文算法获得更高的峰值信噪比,更好地保留了图像的细节信息。 展开更多
关键词 shearlet变换 图像去噪 尺度相关性
在线阅读 下载PDF
基于Shearlet变换的红外与可见光图像自适应融合 被引量：8
11
作者 邓承志 饶伟 《激光与红外》 CAS CSCD 北大核心 2013年第4期399-403,共5页
提出一种基于Shearlet变换的红外与可见光图像自适应融合算法。算法首先对待融合图像进行Shearlet变换;然而采用粒子群优化算法确定出低频成分的最佳融合权值,自适应地对红外与可见光图像的Shearlet低频系数进行整合,利用Shearlet变换... 提出一种基于Shearlet变换的红外与可见光图像自适应融合算法。算法首先对待融合图像进行Shearlet变换;然而采用粒子群优化算法确定出低频成分的最佳融合权值,自适应地对红外与可见光图像的Shearlet低频系数进行整合,利用Shearlet变换对边缘、轮廓等细节特征的准确定位,采用加权局部能量最大准则对Shearlet高频系数进行融合;最后对融合系数进行逆Shearlet变换得到融合图像。与现有的部分算法进行对比实验,结果表明本文算法获得较好地融合效果。 展开更多
关键词 图像融合 shearlet变换 粒子群优化 红外 可见光
在线阅读 下载PDF
基于非下采样Shearlet变换与压缩感知的图像融合 被引量：8
12
作者 陈贞 邢笑雪 《液晶与显示》 CAS CSCD 北大核心 2015年第6期1024-1031,共8页
针对非下采样剪切波变换(NSST)分解后图像的高频系数数据量较大且具有较大稀疏性的问题,本文提出一种基于NSST和压缩感知(CS)的图像融合算法。算法首先采用NSST对源图像进行分解;其次利用CS算法将NSST分解后的图像的高频系数进行压缩、... 针对非下采样剪切波变换(NSST)分解后图像的高频系数数据量较大且具有较大稀疏性的问题,本文提出一种基于NSST和压缩感知(CS)的图像融合算法。算法首先采用NSST对源图像进行分解;其次利用CS算法将NSST分解后的图像的高频系数进行压缩、融合及重构;然后利用"局部区域能量和局部区域方差"联合指导待融合图像的低频系数的融合;最后利用NSST逆变换重构融合图像。由于只需要对高频系数的压缩值进行融合,因此算法可以在不影响图像融合效果的同时加快代码的运行速度。仿真实验表明,该算法不需要原图像的先验知识就可以完成图像的融合,当图像的尺寸较大时,该算法牺牲了微小的融合图像质量,但却可以显著提高算法的运行速度,减小代码的时间代价,降低对硬件系统的要求。该算法对于融合系统的实时性要求提供了一种思路,具有较大的应用价值。 展开更多
关键词 图像融合 非下采样剪切波变换 压缩感知 局部区域能量 局部区域方差
在线阅读 下载PDF
MCA框架下Shearlet和DCT字典组合地震数据重建 被引量：7
13
作者 张凯 张医奎 +3 位作者 李振春 田鑫 欧阳义 陈军屹 《石油地球物理勘探》 EI CSCD 北大核心 2019年第5期1005-1013,1056,I0008,I0009,共12页
相比于单一变换,形态分量分析(MCA)是信号稀疏表示的一种更有效的手段。在MCA框架下,提出了一种Shearlet字典和DCT字典组合的地震数据重建方法。首先,基于MCA框架,分别选取DCT字典和Shearlet字典稀疏表示地震数据中的局部奇异分量与平... 相比于单一变换,形态分量分析(MCA)是信号稀疏表示的一种更有效的手段。在MCA框架下,提出了一种Shearlet字典和DCT字典组合的地震数据重建方法。首先,基于MCA框架,分别选取DCT字典和Shearlet字典稀疏表示地震数据中的局部奇异分量与平滑线状分量;随后,通过加入指数阈值模型和指数阈值函数的块坐标松弛(BCR)算法重建各个分量;最后,合并各个分量得到重建结果。合成数据实验和真实数据实验均表明,该方法能够有效地重建缺失地震数据,且重建精度高于单一Shearlet字典、Curvelet+DCT字典组合和Shearlet+Curvelet字典组合。 展开更多
关键词 形态分量分析 shearlet变换 离散余弦变换 地震数据重建 压缩感知
在线阅读 下载PDF
结合Shearlet变换和果蝇优化算法的甲状腺图像融合 被引量：3
14
作者 郑伟 孙雪青 +1 位作者 郝冬梅 吴颂红 《激光杂志》 CAS CSCD 北大核心 2014年第9期70-73,78,共5页
针对甲状腺肿瘤超声图像复杂度高和SPECT图像边界模糊的特点,结合Shearlet变换能够捕捉图像细节信息和果蝇优化算法可靠性高的优势,提出了Shearlet变换和果蝇优化算法相结合的图像融合算法。首先,用Shearlet变换对已精确配准的源图像进... 针对甲状腺肿瘤超声图像复杂度高和SPECT图像边界模糊的特点,结合Shearlet变换能够捕捉图像细节信息和果蝇优化算法可靠性高的优势,提出了Shearlet变换和果蝇优化算法相结合的图像融合算法。首先,用Shearlet变换对已精确配准的源图像进行分解,分别得到高低频子带系数。高频子带系数采用区域能量取大的融合规则,低频子带系数使用改进的加权融合规则,并把果蝇优化算法引入低频融合过程,以互信息作为适应度函数来获取最优值,克服了原加权融合算法互信息低的缺点。最后,用Shearlet逆变换得到融合后的图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于其他融合算法。 展开更多
关键词 图像处理 图像融合 shearlet变换 改进的加权融合 果蝇优化算法 区域能量
在线阅读 下载PDF
基于Shearlet变换和Krawtchouk矩不变量的河流SAR图像分割 被引量：2
15
作者 吴诗婳 吴一全 +2 位作者 周建江 孟天亮 戴一冕 《应用科学学报》 CAS CSCD 北大核心 2015年第1期21-31,共11页
合成孔径雷达(synthetic aperture radar,SAR)图像分割是河流检测与识别的关键步骤,为了进一步提高河流SAR图像分割的准确性,提出一种基于Shearlet变换、Krawtchouk矩不变量及模糊局部信息C均值聚类的河流SAR图像分割方法.首先,对河流SA... 合成孔径雷达(synthetic aperture radar,SAR)图像分割是河流检测与识别的关键步骤,为了进一步提高河流SAR图像分割的准确性,提出一种基于Shearlet变换、Krawtchouk矩不变量及模糊局部信息C均值聚类的河流SAR图像分割方法.首先,对河流SAR图像进行Shearlet分解,提取其纹理特征,构成特征向量的前半部分;然后,计算河流SAR图像的Krawtchouk矩不变量,作为其形状特征,构成特征向量的后半部分;最后,利用模糊局部信息C均值算法依照上述特征向量进行聚类,由此得到河流SAR图像分割结果.大量实验结果表明,与近年来提出的脉冲耦合神经网络结合最大方差比准则分割法、Gabor小波变换结合模糊C均值聚类分割法、FLICM聚类分割法相比,所提出的方法在主观视觉效果以及客观定量评价指标误分割率上均有明显优势,且分割河流SAR图像更加准确. 展开更多
关键词 河流检测 SAR图像分割 shearlet变换 Krawtchouk矩不变量 模糊局部信息C均值聚类
在线阅读 下载PDF
非局域自相似约束的Shearlet稀疏正则化图像恢复 被引量：2
16
作者 许志良 邓承志 张运生 《电子科技大学学报》 EI CAS CSCD 北大核心 2016年第1期43-47,101,共6页
提出一种结合非局部自相似和Shearlet稀疏性正则化的图像恢复变分模型。模型采用观测图像与待恢复图像的能量误差为保真项,联合Shearlet稀疏性和非局域自相似性为混合正则化项。正则化项同时兼顾图像的变换特性和自身结构全局特性。基... 提出一种结合非局部自相似和Shearlet稀疏性正则化的图像恢复变分模型。模型采用观测图像与待恢复图像的能量误差为保真项,联合Shearlet稀疏性和非局域自相似性为混合正则化项。正则化项同时兼顾图像的变换特性和自身结构全局特性。基于变量分裂增广拉格朗日法提出了求解该变分模型的数值算法。以图像去模糊和图像修复为例,对算法性能进行了测试。实验结果表明,该模型和所提算法能够较好地恢复图像,与其他算法相比,可获得更高的峰值信噪比(PSNR)和结构自相似指标(SSIM),具有更好的视觉效果。 展开更多
关键词 增广拉格朗日 图像恢复 非局部自相似 shearlet变换
在线阅读 下载PDF
基于扩展Shearlet变换、Krawtchouk矩和SVM的储粮害虫分类 被引量：6
17
作者 吴一全 王凯 陶飞翔 《中国粮油学报》 EI CAS CSCD 北大核心 2015年第11期103-109,共7页
为了进一步提高储粮害虫的识别精度,以便更有效地防治储粮害虫,提出了一种基于纹理和形状综合特征及全局混沌蜂群优化支持向量机(SVM)的储粮害虫分类方法。首先对储粮害虫图像进行扩展Shearlet变换,利用变换系数得到能量分布均值,加权... 为了进一步提高储粮害虫的识别精度,以便更有效地防治储粮害虫,提出了一种基于纹理和形状综合特征及全局混沌蜂群优化支持向量机(SVM)的储粮害虫分类方法。首先对储粮害虫图像进行扩展Shearlet变换,利用变换系数得到能量分布均值,加权后的能量分布均值构成纹理特征向量,用Krwtchouk矩不变量描述储粮害虫的形状特征;然后将纹理特征向量和形状特征向量分别归一化,两者结合构成储粮害虫的综合特征向量;最后用全局混沌蜂群算法优化SVM的核参数与惩罚因子,并应用参数优化的SVM进行分类。结果表明:与基于Gabor小波和支持向量机方法、基于Krawtchouk不变矩和支持向量机方法相比,本方法提取的储粮害虫特征信息更加完整,识别率更高。 展开更多
关键词 储粮害虫分类 纹理特征 形状特征 扩展shearlet变换 Krawtchouk矩不变量 支持向量机 全局混沌蜂群算法
在线阅读 下载PDF
Shearlet多方向自适应加权融合的稀疏表征人脸识别 被引量：2
18
作者 张鸿杰 王宪 孙子文 《光电工程》 CAS CSCD 北大核心 2014年第12期66-71,共6页
针对传统稀疏表征分类器只有在训练样本足够多时才会对特征变化不敏感的缺点,提出一种Shearlet多方向自适应加权融合的稀疏表征人脸识别算法。为了提取局部方向信息并降低特征维数,首先利用Shearlet变换对图像进行多尺度、多方向分解,... 针对传统稀疏表征分类器只有在训练样本足够多时才会对特征变化不敏感的缺点,提出一种Shearlet多方向自适应加权融合的稀疏表征人脸识别算法。为了提取局部方向信息并降低特征维数,首先利用Shearlet变换对图像进行多尺度、多方向分解,获得子带系数矩阵,然后根据子带系数矩阵方差的大小对同一尺度的方向子图按主方向排序,利用子带系数矩阵的能量和均值特征对排序后的人脸子图进行加权融合,最后为了使得表征系数矢量具有更为显著的稀疏性,进一步利用融合特征构造字典。在ORL、FERET和YALE人脸库中做了多组实验,结果表明,该方法能增强对外界环境变化的鲁棒性,同时可以提高人脸的识别率。 展开更多
关键词 shearlet变换 稀疏表征 多方向 加权融合
在线阅读 下载PDF
基于Shearlet域各向异性扩散和稀疏表示的图像去噪 被引量：4
19
作者 吴一全 李立 陶飞翔 《应用科学学报》 CAS CSCD 北大核心 2014年第3期221-228,共8页
为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet域各向异性扩散和稀疏表示的图像去噪方法.首先对含噪图像进行非下采样shearlet变换(nonsubsampled shear1et transform,NSST),将图像分解为低频分量... 为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet域各向异性扩散和稀疏表示的图像去噪方法.首先对含噪图像进行非下采样shearlet变换(nonsubsampled shear1et transform,NSST),将图像分解为低频分量和多个高频分量.低频分量中包含图像信号的主要能量以及少量的噪声,而高频分量中含有大部分噪声和图像边缘信息.然后,利用K-奇异值分解(K-singularvalue decomposition,K-SVD)算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD)算法进行去噪.最后,对处理过的低频分量和高频分量进行非下采样shearlet反变换(inverse nonsubsampled shearlet transform,INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节.实验结果表明,与小波扩散去噪法、shearlet硬阈值去噪法、K-SVD稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果. 展开更多
关键词 图像去噪 非下采样shearlet变换 核各向异性扩散 K-奇异值分解 稀疏表示
在线阅读 下载PDF
Shearlet变换与核各向异性扩散的图像噪声抑制 被引量：1
20
作者 吴一全 叶志龙 +1 位作者 万红 刚铁 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2014年第11期76-83,共8页
为了更有效地抑制图像噪声,改善图像视觉效果,提出了一种基于非下采样Shearlet变换(nonsubsampled shearlet transform,NSST)与核各向异性扩散的图像噪声抑制方法.首先对含噪图像进行非下采样Shearlet变换;然后对所得到的低频和高频分... 为了更有效地抑制图像噪声,改善图像视觉效果,提出了一种基于非下采样Shearlet变换(nonsubsampled shearlet transform,NSST)与核各向异性扩散的图像噪声抑制方法.首先对含噪图像进行非下采样Shearlet变换;然后对所得到的低频和高频分量分别进行改进的全变差(improved total variation,ITV)扩散与核各向异性扩散(kernel anisotropic diffusion,KAD);最后对扩散后的低频和高频分量进行非下采样Shearlet逆变换得到噪声抑制后的图像.给出了实验结果,并且依据主观视觉效果和峰值信噪比、结构相似度两种定量评价指标,与近年来提出的基于小波阈值收缩结合全变差、基于复Contourlet域非线性扩散、自适应Shearlet域约束的全变差等3种噪声抑制方法进行了比较.实验结果表明,该方法的噪声抑制能力更强,且更为完整地保留了图像的边缘和细节信息. 展开更多
关键词 图像处理 噪声抑制 非下采样shearlet变换 改进的全变差扩散 核各向异性扩散
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 7 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部