首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 828 毫秒

1.  用整数Haar小波变换和分块DPCM实现静止图像数据的信息熵保持型压缩编码  被引次数:8
   田金文  柳斌  柳健《通信学报》,2000年第21卷第11期
   本文首先讨论了整数Haar小波的构造方法,然后利用分块DPCM与整数Haar小波变换进行信息保持图像数据压缩,该方法可进行实时处理,硬件实现简单,可并行处理,实验结果表明,该方法是一种有效的图像数据压缩方法。    

2.  小波在水土流失遥感监测中的应用  
   张德荣  贾晓玉《吉林水利》,2015年第5期
   小波变换是二维影像数据多尺度多分辨率的有力分析工具,在水土流失遥感监测中,由多遥感传感器获取的海量数据信息,采用小波变换方法将多传感器获取的数据信息进行融合,有效地将各个传感器有用信息进行整合,从而提高水土流失监测数据的精度。    

3.  多卫星遥感数据的信息融合:理论、方法与实践  被引次数:19
   何国金  李克鲁  胡德永  从柏林  张雯华《中国图象图形学报》,1999年第4卷第9期
   首先介绍了信息融合技术的有关内容,进而对多卫星遥感数据融合的研究历史及现状进行了简要的综述。在此基础上,以地质应用为目标,探讨了多卫星数据融合的小波变换方法,研究了不同长度的小波基对融合结果的影响,提出了改进的小波融合模型(CMWD)。同时,对比评价了基于小波变换CMWD、IHS变换、PCA 分析的融合结果在提高空间分辨率、保持原始图象光谱信息的优劣。最后,提出了基于MultiAgent思想的多卫星遥感信息融合系统框架构想。    

4.  二进脊波变换的高光谱遥感图像融合分类  
   赵春晖  朱志球《哈尔滨工程大学学报》,2008年第29卷第11期
   将二进脊波变换应用到高光谱遥感图像的数据融合中,并针对该算法的特点,提出了将变换数据分成两部分分别进行融合的融合算法,即将经过二进小波行变换的图像数据进行划分,对于包含图像概貌特征的低频数据进行归一化方差加权融合,对于包含图像边缘、直线等细节特征的高频数据选择各波段数据对应像素点小波系数绝对值最大者作为融合后该像素点的像素值.对标准的AVIRIS高光谱遥感图像实现了数据融合,并在此基础上完成了对高光谱遥感图像的分类.实验结果表明,无论是从直观上还是从数值结果上来看,该方法能有效地实现高光谱遥感图像的数据融合与分类.    

5.  面向提高图像分辨率的遥感数据融合新算法  被引次数:7
   陈豪  俞能海  刘政凯  张荣《软件学报》,2001年第12卷第10期
   在遥感应用研究中,数据融合技术有着非常广泛的应用.主分量分析方法(principalcomponentanalysis,简称PCA)是一种经典的遥感数据融合技术,在主分量分析方法的基础上,将小波变换与其结合起来,提出了一种新的基于小波叠加的PCA融合算法(addingwaveletcoefficientsprincipalcomponentanalysis,简称AWPCA).实验证明,与原来的PCA和IHS方法相比,基于小波叠加的PCA融合算法进一步提高了融合信息的质量,并能应用于其他需要高分辨率图像的场合中.    

6.  基于Haar小波的地形匹配技术  被引次数:3
   王广君  王巍  汪文  尤克非  田金文  柳健《电波科学学报》,2002年第17卷第3期
   在传统相关地形匹配的基础上,提出了一种基于Haar小波的多尺度地形匹配方法。这种方法用Haar小波对地形作多尺度分解,然后,利用分解后的HL和LH分量分别进行相关匹配,对匹配后的结果用Dempster-Shafer证据理论进行融合,得到正确匹配结果。由于Haar小波分解后减少了数据量,保留了原始地形的主要几何特征,所以,它的计算速度和匹配精度都优于传统的匹配方法。    

7.  量子Haar小波变换算法设计及应用  
   张才智  孙力《计算机工程与设计》,2008年第29卷第11期
   设计了基于通用量子语言Q_language的量子Haar小波变换算法,该算法对于小波变换的应用和量子算法的完善具有重要的意义.分析了3个量子位Haar小波变换过程,给出了量子Haar小波变换算法的Q_language语言描述,并分析得出其时间和空间复杂度,然后给出了实现量子Haar小渡变换应用方法.    

8.  基于ERDAS IMAGINE9.2操作平台的遥感图像融合概述  
   洪梅《适用技术之窗》,2012年第3期
   随着遥感技术的迅猛发展,各种遥感数据相应呈现。如何让数据得到充分的应用?数据融合在当今社会显得越来越重要;如何更好地对数据进行融合?我们必须了解各种融合方法的优缺点。本文介绍了ERDAS IMAGINE9.2操作平台上的几种遥感图像融合,分别是分辨率、小波变换、改进IHS、高通滤波融合,并通过实验比较几种融合方法的优缺点以及探讨未来可能研究方向。    

9.  基于形态Haar小波变换的多聚焦图像融合  
   李敏《计算机工程》,2012年第38卷第23期
   针对多聚焦图像融合问题,提出一种基于形态Haar小波分解和重构的新方法。通过形态Haar小波分解源图像,在低频分量中保留图像边缘和细节,并采用加权平均法进行融合。高频分量先经Gauss滤波去除噪声和边缘效应,再按取大值的原则进行融合。结合形态Haar小波重构融合后的高低频系数获得融合图像。实验结果表明,该方法能最大限度地保留图像边缘和细节信息,与总体平均法和小波变换法相比,融合图像的熵较大,总体交叉熵较小。    

10.  IHS和小波变换结合多源遥感影像融合质量对小波分解层数的响应  被引次数:1
   龚建周  刘彦随  夏北成  陈健飞《中国图象图形学报》,2010年第15卷第8期
   随着遥感技术的快速发展以及遥感数据的广泛应用,影像的融合处理已成为多源遥感影像信息聚合、获取高质量空间影像的有效途径。基于SPOT全色和多光谱、TM多光谱遥感数据,运用IHS和小波变换相结合的融合方法,进行了不同来源影像融合、融合图像质量对小波分解层数的响应以及这种响应对研究区域面积的敏感性分析。结果表明,多源影像之间的IHS和小波变换相结合的融合方法明显地改善了影像的质量;融合图像质量与原始影像空间分辨率相关,如经1层小波变换融合,TM,SPOT融合图像熵值的增幅分别为2095%,019%。小波融合图像质量对小波分解的层数的敏感性较强,在小波分解层数为2,3或4时,都能获得高质量的融合图像;小波分解层数等于或大于5时融合图像质量下降,7是大幅下降的临界层数。融合图像质量对小波分解层数的响应特性对面积大小变化是敏感的,特别是小面积图像,为此,实际应用中需特别注意最佳分解层数问题。    

11.  基于小波变换的多传感器遥感影像融合  
   熊明清《水利科技与经济》,2006年第12卷第8期
   遥感信息融合是遥感数据处理的重要研究内容之一。在给出小波分解基本模型的基础上,采用IHS融合法、小波变换法对SPOT全色卫星影像数据和LandsatTM多光谱数据进行了融合处理,同时对实验结果进行了分析和讨论。    

12.  离散小波变换Haar-LL的行人检测研究  
   邵逢仙  李峰  周书仁《计算机工程》,2014年第9期
   提出一种基于二维离散Haar小波变换的局部二值模式(LBP)与局部梯度模式(LGP)的特征融合方法。对图像进行二维离散Haar小波变换,得到4个不同频率的子图像,对低频部分子图像提取LBP特征,对3个高频部分子图像提取LGP特征,将3个LGP特征并接融合后与LBP特征串接融合进行行人检测。在Matlab环境下利用支持向量机(SVM)对INRIA数据集进行5组实验,分别将该方法与梯度方向直方图(HOG)、金字塔梯度方向直方图(PHOG)、LBP、LGP进行检测率、检测时间、光照鲁棒性以及噪声鲁棒性对比。综合各项实验数据表明,该方法在光照鲁棒性以及噪声鲁棒性方面都能取得更好的效果。    

13.  基于组合方法的人脸识别算法研究  
   王有刚《数字社区&智能家居》,2014年第16期
   该文试探一种加权融合流形学习的方法进行人脸识别,该算法通过Haar小波和局部线性嵌入(LLE)加权融合的方式来进行人脸识别。首先通过Haar小波变换对人脸图像进行一级分解,得到四个子图;然后利用LLE算法对四个子图降维处理,并加权融合;最后利用支持向量机(SVM)进行分类判决。通过在ORL库中进行实验,结果表明,该文提出的Haar+LLE识别效率比单独使用主成分分析(PCA)和LLE更高效。    

14.  基于组合方法的人脸识别算法研究  
   王有刚《数字社区&智能家居》,2014年第6期
   该文试探一种加权融合流形学习的方法进行人脸识别,该算法通过Haar小波和局部线性嵌入(LLE)加权融合的方式来进行人脸识别。首先通过Haar小波变换对人脸图像进行一级分解,得到四个子图;然后利用LLE算法对四个子图降维处理,并加权融合;最后利用支持向量机(SVM)进行分类判决。通过在ORL库中进行实验,结果表明,该文提出的Haar+LLE识别效率比单独使用主成分分析(PCA)和LLE更高效。    

15.  自动化技术与远动技术  
   《电子科技文摘》,2002年第3期
   0205542面向提高图像分辨率的遥感数据融合新算法[刊]/陈豪//软件学报.—2001,12(10).—1534~1539(K)在遥感应用研究中,数据融合技术有着非常广泛的应用。主分量分析方法(principal component analysis,简称 PCA)是一种经典的遥感数据融合技术,在主分量分析方法的基础上,将小波变换与其结合起来,提出了一种新的基于小波叠加的 PCA 融合算法(addingwavelet coefficients principal component analysis,简称AWPCA)。实验证明,与原来的 PCA 和 IHS 方法相比,基于小波叠加的 PCA 融合算法进一步提高了融合信息的质量,并能应用于其他需要高分辨率图像的场合中。参6采集运动体动态数据方法的比较与分析(见0205100)    

16.  一种基于Contourlet变换的图像融合方法  
   郑静  郑永果《信息技术与信息化》,2011年第2期
   本文给出了一种基于Contourlet变换的图像融合的新算法.首先对两幅源图像分别进行Contourlet分解,将分解得到的高频部分和低频部分采用基于区域相似度测度的融合规则分别进行融合处理,再通过Contourlet逆变换重构得到融合图像.实验结果表明,此方法优于haar小波变换图像融合和LP金字塔变换图像融合,融合后图像的视觉效果更佳.    

17.  基于特征量积与PCA的小波遥感图像融合  被引次数:1
   刘成云  陈振学  常发亮  尹秉坤《计算机工程与应用》,2010年第46卷第33期
   在遥感图像融合中,传统PCA算法会损失部分有用信息,从而使得融合结果的光谱分辨率受到较大影响,针对这种情况,借助小波变换优良的时频分析特性,利用特征量积来融合多光谱图像的第一主成分,实现了一种基于特征量积与PCA的小波遥感图像融合算法。通过对来自不同场景不同卫星的多光谱和全色图像进行融合实验,结果表明,该算法无论在主观视觉还是在客观统计数据上,均具有比其他方法较佳的融合效果。    

18.  多卫星遥感数据的信息融合:理论,方法和实践  被引次数:11
   何国金  李克鲁  胡德永  从柏林  张雯华《中国图象图形学报》,1999年第4卷第9期
   首先介绍了信息融合技术的有关内容,进而对多卫星遥感数据融合的研究历史及现状进行了简要的综述,在此基础上,以地质应用为目标,探讨了多卫星数据融合的小波变换方法,研究了不同长度的小波基对融合结果的影响,提出了改进的小波融合模型。同时,对比评价了基于小波变换CMWD,IHS变换,PCA折融合结果在提高空间分辨率,保持原始图象光谱信息的优劣。    

19.  基于双正交小波的多分辨率遥感图像数据融合  被引次数:3
   王文君  陈思锦  秦其明  付炜《现代电子技术》,2004年第27卷第5期
   小波变换方法在图像分析与图像融合中具有很好的应用前景。本文首先介绍了图像的小波分解与重构的基本方法 ,从理论上阐述了具有广义线性相位的双正交小波基的优点 ,通过小波变换与 HIS变换的有机结合实现图像融合。融合后的影像 ,不仅使地物仍然保持了光谱信息 ,而且保留了高空间分辨率全色波段细节清晰的特点。实验成果表明 ,基于双正交小波的多分辨率遥感图像数据融合技术是提高卫星影象表现能力的一个重要手段    

20.  基于聚类和NSCT的遥感图像融合算法  
   王丹  周锦程《计算机仿真》,2012年第6期
   研究遥感图像融合问题。针对遥感图像数据在时间、空间和光谱方面差异大,图像分辨率低等问题,为有效提高遥感图像的分辨率,提出了一种基于聚类和NSCT的遥感图像融合算法。首先对源图像进行小波变换提取源图像特征;然后利用改进的模糊C均值聚类算法在多特征形成的特征空间上对图像进行区域分割,并在此基础上对区域进行NSCT分解,通过设计的区域相似度度量方法,以信息度大的区域作为融合区域,对不同的区域采用不同的融合规则进行融合,最后进行重构得到融合图像。仿真结果表明,对比其它图像融合算法,改进的遥感图像融合算法可获得较理想的融合图像,具有一定的实用性。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号