排序方式: 共有61条查询结果,搜索用时 15 毫秒
1.
邓承志 《南昌工程学院学报》2011,(6):1-6
Shearlet是一种新的多维函数稀疏表示工具,采用具有合成膨胀的仿射系统来构造基函数,具有数学结构简单、多分辨率、多方向性和局部化等优良特性,能够高效地捕获到多维数据的几何结构,更加适合处理图像等高维信号.在分析Shearlet变换的数学框架及其数字实现方法的基础上,介绍了它在图像处理中的部分应用,并对其研究前景进行了展望. 相似文献
2.
邓承志 《计算机工程与应用》2012,48(26):32-35
选取最佳的收缩阈值是变换域收缩去噪的关键。针对Shearlet变换域图像收缩去噪的阈值选取问题,提出了基于粒子群优化的最佳阈值选取算法。建立了Shearlet变换域最佳阈值选取的广义交叉验证准则;以广义交叉验证准则为适应值函数,利用粒子群优化算法自适应地确定出与Shearlet尺度和方向匹配的最佳阈值。算法不依赖任何的先验知识,实现Shearlet变换域图像自适应去噪。仿真结果表明,最佳阈值能够更有效地去除噪声,获得更好的视觉效果。 相似文献
3.
Contourlet变换是继小波变换之后的又一新变换.由于contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.详细分析了图像contourlet系数的统计特性,并利用非高斯双变量分布对系数层间相关性进行建模.最后,将此分布应用于图像去噪,就PSNR、NMSE和视觉质量这三方面的评价指标与contourlet HMT和小波阈值法进行了比较.实验结果表明:算法能获得较好的结果,尤其是对于含有丰富纹理的图像. 相似文献
4.
有限的样本数据和高维的特征向量使得高光谱图像分类面临巨大挑战.提出一种结合主动学习和滤波器的高光谱遥感图像分类方法.该方法首先选取部分训练样本得到分类模型,然后采用主动学习通过迭代从非训练样本中选择信息量大的样本不断扩大有效样本数,减少了初始训练样本数降低"维数灾难"出现的可能,同时提高了分类器的泛化性能及准确率.通过主动学习和多项逻辑回归分类器对高光谱遥感图像进行初始分类,然后运用滤波器对初始分类结果保边去噪.实验结果表明,本文方法的分类精度高,分类稳定性好. 相似文献
5.
近似稀疏正则化的红外图像超分辨率重建 总被引:1,自引:0,他引:1
针对红外图像分辨率低、受噪声影响严重等问题,引入近似稀疏正则化和K-奇异值分解(K-SVD)法,提出了基于近似稀疏表示模型的红外图像超分辨率重建方法。考虑到红外图像受到噪声污染,首先建立了稳健近似稀疏表示模型。针对已有字典训练方法时间消耗巨大问题,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合近似稀疏表示模型和K-SVD方法,提出近似稀疏约束的基于K-SVD的高低分辨率字典对学习算法。最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像。为了验证算法的性能,对提出的算法与稀疏性正则化的图像超分辨模型(SRSR)和Zeyde算法进行了实验比较。结果表明,本文方法能够较好地减少红外图像中的噪声,同时获得更好的超分辨率重建效果。 相似文献
6.
非相干子字典多原子快速匹配追踪算法 总被引:1,自引:0,他引:1
从冗余字典中得到信号的最稀疏表示是一个NP难问题,即使是次优的匹配追踪仍然相当复杂.该文提出一种多原子快速匹配追踪算法.该算法首先将冗余字典分解成M个非相干的子字典,每次迭代分别从各子字典中至多选取一个满足条件的原子组成多原子集;最后通过求信号在多原子集上的正交投影,得到信号的多原子稀疏逼近.实验采用真实音频信号进行仿真;结果表明新的算法获得与匹配追踪相当的稀疏逼近性能,同时大大提高了信号稀疏分解的速度. 相似文献
7.
模糊测试(Fuzz testing)通常用于大型软件开发项目的黑盒测试,这些项目中通常具有充足的测试预算,用于开发相应的测试工具。而在这些测试工具中,模糊测试作为测试开发收益率最好的技术广泛应用于软件测试,并作为大型软件系统可靠性、可用性、安全性测试的有效保障措施。在本文中,对模糊测试基本概念、重点应用范围和基本原则进行了简要说明。 相似文献
8.
利用冗余Ridgelet变换实现了一种多描述编码方案。在JPEG标准的基础上,利用冗余Ridgelet变换,不仅在描述之间引入了冗余,而且根据脊波变换对图像分解的有效性,同时可以获得理想的图像压缩效果。该方案对输入图像进行分块、DCT(Discrete Cosine Transform)变换以及量化;对得到的系数矩阵进行按频率重排;重排后的系数矩阵再做冗余Ridgelet变换,根据脊波域系数能量的特点产生描述。实验表明,当产生两个描述时,提出的多描述编码方法,即使只收到一个描述时,也可以获得很好的图像重建效果,从而有较好的抗误码性能。 相似文献
9.
小波图像去噪已经成为图像去噪中应用最广泛的经典方法,而随之出现的多尺度变换去噪方法也已是当前图像去噪研究的一个热点。在对目前图像去噪的现状以及小波去噪总体概括的基础上,简要介绍了多尺度几何分析的产生和发展,进一步详细分析和总结了基于多尺度变换的图像去噪方法。基于对小波去噪以及多尺度变换图像去噪问题的理解,提出了对多尺度变换图像去噪方法的一些展望。 相似文献
10.
保留结构特征的稀疏性正则化图像修复 总被引:1,自引:1,他引:1
以压缩传感和稀疏表示为理论依据,提出了一种基于剪切波变换的稀疏性正则化的图像修复模型,以便更好地保留图像的结构特征.该模型用剪切波作为图像的稀疏表示,以稀疏性作为正则化项;同时基于变量分裂法,采用增广Lagrange优化方法求解最优化问题.另外,通过交替最小化方式来降低计算复杂性.从峰值信噪比(PSNR)、结构相似度(SSIM)、收敛速度和视觉效果等4个方面验证了算法的有效性.结果显示:利用本文算法修复图像的质量明显优于其他算法,获得了更优的PSNR和SSIM值.新的模型无论是在客观还是视觉主观方面都具有更好的性能,同时算法具有更快的收敛速度.得到的结果表明本文算法能够更好地修复图像,获得较好的视觉效果. 相似文献