期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于压缩感知的超分辨率重建研究综述 被引量:3
1
作者 李莹华 乔杨歌 +2 位作者 刘颖 卢津 王富平 《西安邮电大学学报》 2021年第2期87-95,共9页
为了克服终端设备硬件条件限制或传输过程中带宽限制而导致的获取图像和视频分辨率质量较低的问题,图像超分辨率技术作为计算机视觉领域中提升图像质量的重要技术,利用已知的低分辨率图像可恢复出高分辨率图像,现已广泛应用于卫星遥感... 为了克服终端设备硬件条件限制或传输过程中带宽限制而导致的获取图像和视频分辨率质量较低的问题,图像超分辨率技术作为计算机视觉领域中提升图像质量的重要技术,利用已知的低分辨率图像可恢复出高分辨率图像,现已广泛应用于卫星遥感、数字娱乐、视频监控等多个方面。围绕基于压缩感知理论的超分辨率方法,详细介绍将压缩感知应用于超分辨率的理论基础,列举几种典型的基于压缩感知的超分辨率方法,并在几种常用数据集上进行仿真对比。最后,对图像超分辨率的未来研究方向进行展望。 展开更多
关键词 压缩感知 超分辨率 字典学习 稀疏表示 自相似性
下载PDF
基于学习的图像超分辨率技术回顾与展望 被引量:1
2
作者 李莹华 刘悦 刘颖 《西安邮电大学学报》 2022年第2期72-87,共16页
围绕图像超分辨率重建技术,列举并总结了传统图像超分辨率重建方法的优点及其局限性。回顾了几种经典的基于学习的超分辨率方法,并分析对比了不同模型的特点及在不同数据集上的实验结果。最后,对图像超分辨率重建技术的未来发展趋势进... 围绕图像超分辨率重建技术,列举并总结了传统图像超分辨率重建方法的优点及其局限性。回顾了几种经典的基于学习的超分辨率方法,并分析对比了不同模型的特点及在不同数据集上的实验结果。最后,对图像超分辨率重建技术的未来发展趋势进行展望。 展开更多
关键词 图像超分辨率重建 深度学习 对抗网络 稀疏表示 神经网络
下载PDF
基于空间变换网络的图像超分辨率重建 被引量:3
3
作者 刘颖 朱丽 林庆帆 《西安邮电大学学报》 2020年第5期45-49,共5页
提出一种基于空间变换网络的图像超分辨率重建算法。通过设计空间变换网络,学习合适的变换参数进而对齐原始图像;利用视觉注意机制扩充网络,在训练过程中自动选择感兴趣的区域特征。最后,利用生成对抗网络进行超分辨率图像重建,从而达... 提出一种基于空间变换网络的图像超分辨率重建算法。通过设计空间变换网络,学习合适的变换参数进而对齐原始图像;利用视觉注意机制扩充网络,在训练过程中自动选择感兴趣的区域特征。最后,利用生成对抗网络进行超分辨率图像重建,从而达到高分辨率图像重建的目的。与其他算法在数据集上的重建效果对比结果表明,所提算法的超分辨率重建效果较好,且评价指数均有所提高。 展开更多
关键词 超分辨率重建 空间变换网络 生成对抗网络
下载PDF
基于Contourlet变换的彩色图像双水印算法 被引量:3
4
作者 苗鑫梅 朱婷鸽 +2 位作者 刘颖 来毅 刘卫华 《西安邮电大学学报》 2018年第5期77-84,共8页
针对一些用于标识和篡改定位的双水印在抗几何攻击方面表现不好的问题,提出了一种基于Contourlet变换的彩色图像双水印算法。该算法首先在红绿蓝(red green blue,RGB)颜色空间,对G分量进行Contourlet变换和QR分解后嵌入鲁棒水印;其次,提... 针对一些用于标识和篡改定位的双水印在抗几何攻击方面表现不好的问题,提出了一种基于Contourlet变换的彩色图像双水印算法。该算法首先在红绿蓝(red green blue,RGB)颜色空间,对G分量进行Contourlet变换和QR分解后嵌入鲁棒水印;其次,提取R、G、B三个通道的特征信息,构成可对该图像进行篡改定位的脆弱水印,在B分量上嵌入该脆弱水印,得到含双水印的彩色图像;最后,采用盲提取水印算法提取脆弱水印和鲁棒水印。选取不同刑侦图像进行实验,实验结果表明,脆弱水印能够准确检测篡改位置;鲁棒水印在抵抗剪切、旋转、缩放、随机打马赛克、噪声等几何攻击方面鲁棒性较好。 展开更多
关键词 CONTOURLET变换 QR分解 盲提取 篡改定位 几何攻击
下载PDF
基于改进KMOR的聚类算法 被引量:2
5
作者 刘撼坤 李晶 范九伦 《计算机工程与设计》 北大核心 2019年第11期3158-3163,共6页
为避免KMOR(k-means with outlier removal)算法因样本中类内离散度不同而产生离群点误判的问题,提出为每类样本分别选取离群点判别标准的改进算法。在算法初始化时,利用样本的密集性排除离群点干扰;在迭代过程中,根据每类样本的类内离... 为避免KMOR(k-means with outlier removal)算法因样本中类内离散度不同而产生离群点误判的问题,提出为每类样本分别选取离群点判别标准的改进算法。在算法初始化时,利用样本的密集性排除离群点干扰;在迭代过程中,根据每类样本的类内离散度分别选取判别标准,与样本到其所属聚类中心的距离比较判别离群点。两者结合提高聚类结果正确率,避免因样本中类内离散度不同产生的误判。实验结果表明,改进算法相比原算法在正确率和离群点检测上有所提高。 展开更多
关键词 聚类 K均值 初始化 离群点检测 类内离散度
下载PDF
基于改进的狼群算法的新型广义熵图像分割 被引量:5
6
作者 焦瑞芳 范九伦 《计算机应用研究》 CSCD 北大核心 2019年第10期3142-3144,3167,共4页
为了更准确地分割出图像中需提取的目标,提出改进的狼群算法与新型广义熵结合实现图像分割。在狼群算法游走行为中引入周期性随机扰动策略动态调整算法权重,并在狼群算法攻击行为中引入混沌全局搜索,将此改进的狼群算法与新型广义熵结... 为了更准确地分割出图像中需提取的目标,提出改进的狼群算法与新型广义熵结合实现图像分割。在狼群算法游走行为中引入周期性随机扰动策略动态调整算法权重,并在狼群算法攻击行为中引入混沌全局搜索,将此改进的狼群算法与新型广义熵结合完成图像分割,用峰值信噪比作为图像分割评价指标对结果进行验证。结果表明,该算法能更准确地分割出图像中需提取的目标,比基本狼群算法与新型广义熵结合的分割结果更准确清晰。 展开更多
关键词 狼群算法 周期随机扰动 混沌全局搜索 新型广义熵 峰值信噪比
下载PDF
核空间自适应抑制式直觉模糊图像分割算法 被引量:3
7
作者 林洋 兰蓉 《计算机工程与设计》 北大核心 2019年第8期2353-2360,共8页
针对直觉模糊C-均值(intuitionistic fuzzy C-means,IFCM)算法未考虑图像像素的空间邻域信息,导致对噪声较为敏感,算法运行效率较低,分割效果较差等问题,提出一种核空间自适应抑制式直觉模糊图像分割算法。以核诱导距离代替欧氏距离计... 针对直觉模糊C-均值(intuitionistic fuzzy C-means,IFCM)算法未考虑图像像素的空间邻域信息,导致对噪声较为敏感,算法运行效率较低,分割效果较差等问题,提出一种核空间自适应抑制式直觉模糊图像分割算法。以核诱导距离代替欧氏距离计算像素至聚类中心的距离,将局部空间信息融入核空间中;利用“投票模型”将模糊集扩展为直觉模糊集,减少人工参数对实验的影响;根据图像像素和聚类中心之间的分离性自适应生成抑制因子。实验结果表明,该算法对噪声鲁棒性较强,分割精度较高,提升了算法的运行效率。 展开更多
关键词 直觉模糊C-均值 核空间 局部空间信息 投票模型 抑制因子
下载PDF
基于PSO直觉模糊集相似度的刑侦图像分割 被引量:1
8
作者 兰蓉 程阳子 《计算机工程与设计》 北大核心 2019年第10期2949-2954,3001,共7页
针对刑侦图像分割问题,提出一种基于粒子群优化(particle swarm optimization,PSO)直觉模糊集相似度的阈值算法。采用双边滤波对图像去噪,结合"投票模型"构造图像的直觉模糊集模型,以直觉模糊集上含权重参数的相似度为目标函... 针对刑侦图像分割问题,提出一种基于粒子群优化(particle swarm optimization,PSO)直觉模糊集相似度的阈值算法。采用双边滤波对图像去噪,结合"投票模型"构造图像的直觉模糊集模型,以直觉模糊集上含权重参数的相似度为目标函数优化阈值,利用粒子群优化的方法自适应选取相似度中的权重。仿真结果表明,该算法能获得较好的分割效果,能够推广于自然图像的处理。 展开更多
关键词 刑侦图像 阈值分割 双边滤波 直觉模糊集 相似度 粒子群优化
下载PDF
基于自适应阈值的均匀局部二值模式
9
作者 兰蓉 马威 程阳子 《西安邮电大学学报》 2020年第1期68-73,共6页
针对均匀局部二值模式的编码方式存在不同类像素干扰的问题,提出一种基于自适应阈值的均匀局部二值模式。采用基于直觉模糊集理论相似度量的方法计算图像前景与背景的分割阈值,通过引入该阈值参数改进均匀局部二值模式的编码方式,使得... 针对均匀局部二值模式的编码方式存在不同类像素干扰的问题,提出一种基于自适应阈值的均匀局部二值模式。采用基于直觉模糊集理论相似度量的方法计算图像前景与背景的分割阈值,通过引入该阈值参数改进均匀局部二值模式的编码方式,使得改进后的编码方案能有效降低不同类像素间的干扰。将改进的均匀局部二值模式应用于现勘图像检索,实验结果表明,该模式可以在一定程度上降低不同类像素间的干扰,增强算法对现勘图像纹理特征的描述性能,且使得检索算法取得较好的检索结果。 展开更多
关键词 均匀局部二值模式 直觉模糊集 相似度量 阈值分割 现勘图像检索
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部