排序方式: 共有30条查询结果,搜索用时 109 毫秒
1.
根据作物叶片症状准确、快速检测作物病害是防治和控制作物病害的基础。为准确检测作物叶部病害,在窗阈值中心对称局部二值模式(WTCSLBP)的基础上,提出了一种作物病斑检测方法。首先利用自适应局部二值模式获取正常叶片图像特征并确定病斑判断阈值,然后将待检测叶片图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该检测窗是否有病斑。在三种苹果病害叶片图像数据库上的实验结果表明,该方法能够有效检测作物病斑分布特性。与中心对称LBP(CS-LBP)和WTCSLBP相比,该方法具有更少的特征维数和更高的正确识别率。 相似文献
2.
基于改进型NSCT 变换的灰度可见光与红外图像融合方法 总被引:4,自引:1,他引:3
针对灰度可见光与红外图像融合,提出一种基于改进型非下采样轮廓波变换(NSCT)的图像融合方法.不同于经典NSCT模型,改进型NSCT变换摈弃了细节捕捉能力不强的非下采样金字塔分解机制,采用冗余提升不可分离小波变换实现对源图像的多尺度分解;然后,分别采用基于区域平均能量匹配度、邻域系数差和信息熵的融合规则,得到融合图像的低频系数和高频系数;最后,通过改进型NSCT逆变换得到了融合图像.实验结果验证了该方法的有效性. 相似文献
3.
针对多传感器图像融合问题,提出一种基于非下采样轮廓波变换域改进型非负矩阵分解的图像融合方法.首先,采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解;然后对低频子图像采用改进型非负矩阵分解方法进行融合,该过程无需对W和H进行随机化便可快速生成低频融合图像,高频子图像则采用自适应unit-fast-linking脉冲耦合神经网络模型进行融合;最后利用非下采样轮廓波逆变换合成各子图像即可得到最终融合图像.仿真实验验证了该方法的有效性. 相似文献
4.
直觉模糊粗糙推理的规则库完备性研究 总被引:1,自引:0,他引:1
针对规则库检验问题,提出了直觉模糊粗糙规则库的完备性检验方法.首先,引入直觉模糊粗糙集的概念,给出了直觉模糊粗糙规则库的完备性定义;其次,针对直觉模糊粗糙规则库的完备性,提出了完备性检验算法,指出如何设计规则库才能满足完备性要求;最后,通过实例验证了算法的合理性和有效性. 相似文献
5.
提出一种基于模糊核聚类的鲁棒性基础矩阵估计算法。算法提取匹配点的余差作为特征,利用核函数将一维非线性可分特征映射到高维可分空间,在高维特征空间利用模糊均值分类将匹配点分为内点集和外点集;用高斯函数分别对已分类的内点集和外点集进行建模,定义并计算两类高斯分布的可分性判定值;判断该判定值是否收敛,如未收敛则以内点集作为初始值重新迭代计算。模拟数据和真实数据的基础矩阵估计实验表明,本文算法在计算效率和精度上均优于经典的随机抽样一致性算法。 相似文献
6.
为适应军队在实战与军事训练等方面的迫切需要,我军队院校亟需培养大批知识型、创新型、复合型的军事人才,提出一种关于计算机课程的教学改革方法——基于计算思维的"加涅式"新型计算机课程教学法。该教学方法的核心目标是"两个中心",即以培养"计算思维"能力为中心和以"学员为中心"的"加涅式"教学方法。将这两种教学理念有机结合,将会大大提高新型军事人才的"自主学习及创新探索"能力,从而进一步提升了我军信息化、网络化的实战高度与要求。 相似文献
7.
全景图像生成过程中易受到噪声的影响。针对该问题,提出一种改进的全变分(Total Variation,TV)图像去噪模型应用于全景图像的拼接。对图像去噪过程中建立的泛函函数进行卷积运算,利用卷积操作降低噪声点的灰度值,求解泛函函数所对应的拉格朗日方程极小值,达到图像去噪的效果;采用SIFT(Scale Invariable Feature Transfomation)特征匹配算法对去噪后的图像进行特征提取和匹配;对待拼接图像进行加权融合处理,优化视觉效果。仿真实验结果表明,与经典算法相比,该研究能够较理想地去除图像中的噪声,降低全景图像拼接过程中的干扰,提高视觉效果。 相似文献
8.
针对传统卷积神经网络在人脸表情识别过程中存在有效特征提取针对性不强、识别准确率不高的问题,提出一种基于多尺度特征注意力机制的人脸表情识别方法。用两层卷积层提取浅层特征信息;在Inception结构基础上并行加入空洞卷积,用来提取人脸表情的多尺度特征信息;引入通道注意力机制,提升模型对重要特征信息的表示能力;最后,将得到的特征输入Softmax层进行分类。通过在公开数据集FER2013和CK+上进行仿真实验,分别取得了68.8%和96.04%的识别准确率,结果表明该方法相比许多经典算法有更好的识别效果。 相似文献
9.
针对低照度环境下采集图像存在低信噪比、低分辨率和低照度的问题,提出了一种基于稠密连接网络(DenseNet)生成对抗网络的低照度图像增强方法。利用DenseNet框架建立生成器网络,并将PatchGAN作为判别器网络;将低照度图像传入生成器网络生成照度增强图像,同时利用判别器网络负责监督生成器对低照度图像的增强效果,通过生成器和判别器二者间的博弈不断优化网络权重,最终使得生成器对低照度图像具有较好的增强效果。实验结果表明,该方法与现有主流方法相比较,不仅在对低照度图像亮度增强、清晰度还原等方面优势明显,且在峰值信噪比和结构相似度等图像质量客观评价指标方面也具有显著的优势。 相似文献
10.