期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于二维离散小波的生成图像鉴别方法
被引量：
5
1
作者
杨健
杨超宇
李慧宗
《吉林大学学报（理学版）》
CAS
北大核心
2019年第3期619-626,共8页
针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题,提出一种采用基于小波变换的计算机生成图像鉴别方法.首先在进行图像多维小波特征提取时,通过一次分解二维离散小波变换提取图像小波特征,根据图像小波...
针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题,提出一种采用基于小波变换的计算机生成图像鉴别方法.首先在进行图像多维小波特征提取时,通过一次分解二维离散小波变换提取图像小波特征,根据图像小波特征进行n级小波分解提取图像多维小波特征向量;然后通过三维变换域波去噪算法(BM3D)提取计算机生成图像噪声特征;最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别,通过SVM分类器对图像多维小波特征和噪声特征进行分类,以解决两种特征融合形成线性不可分的高维特征问题,从而实现计算机生成图像的准确鉴别.实验结果表明,该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.
展开更多
关键词
小波变换
计算机生成图像
鉴别方法
支持向量机
高维特征
SVM分类器
在线阅读
下载PDF
职称材料
题名
基于二维离散小波的生成图像鉴别方法
被引量：
5
1
作者
杨健
杨超宇
李慧宗
机构
安徽理工大学管理科学与工程系
安徽理工大学
矿业信息
管理
与数据挖掘研究所
出处
《吉林大学学报（理学版）》
CAS
北大核心
2019年第3期619-626,共8页
基金
国家自然科学基金(批准号:51404007)
安徽省教育厅人文社科重点研究项目(批准号:SK2015A327)
文摘
针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题,提出一种采用基于小波变换的计算机生成图像鉴别方法.首先在进行图像多维小波特征提取时,通过一次分解二维离散小波变换提取图像小波特征,根据图像小波特征进行n级小波分解提取图像多维小波特征向量;然后通过三维变换域波去噪算法(BM3D)提取计算机生成图像噪声特征;最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别,通过SVM分类器对图像多维小波特征和噪声特征进行分类,以解决两种特征融合形成线性不可分的高维特征问题,从而实现计算机生成图像的准确鉴别.实验结果表明,该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.
关键词
小波变换
计算机生成图像
鉴别方法
支持向量机
高维特征
SVM分类器
Keywords
wavelet transform
computer-generated image
identification method
support vector machine
high-dimensional feature
SVM classifier
分类号
TP309 [自动化与计算机技术—计算机系统结构]
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
基于二维离散小波的生成图像鉴别方法
杨健
杨超宇
李慧宗
《吉林大学学报（理学版）》
CAS
北大核心
2019
5
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
