首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   8篇
  免费   6篇
综合类   1篇
无线电   4篇
自动化技术   9篇
  2011年   1篇
  2010年   2篇
  2009年   5篇
  2008年   2篇
  2002年   1篇
  2001年   1篇
  1998年   1篇
  1965年   1篇
排序方式: 共有14条查询结果,搜索用时 16 毫秒
1.
多尺度对称变换及其应用于定位人脸特征点   总被引:20,自引:1,他引:19  
提出了一种在图像的反对称双正交小波分解数据域中,实现多尺度对称变换的方法,并将它应用于脸部图像中主要特征点的定位.这种方法与直接在原始图像数据域中的同类方法相比,能大幅度减少计算量、加快定位速度,并明显提高定位准确度.除此之外,由于它是在小波分解数据域上实现的,这就为在图像数据压缩域中提取人脸图像特征奠定了基础.  相似文献   
2.
平均曲率运动的三种实现方案的比较研究   总被引:1,自引:0,他引:1  
讨论了曲率运动演化方程的三种数值方案:离散中值滤波方案、显式水平集方案和半隐式水平集方案的原理与算法,并对它们的效率、精度以及旋转不变性等性能进行了对比实验研究.结果表明,半隐式加性算子分裂(AOS)算法相对于另两种方案性能上明显占优.  相似文献   
3.
提出一种基于图像水平集绝对最小Lipschitz延拓(AMLE)的图像编码方法。该算法在原有AMLE算法的基础上,保留图像水平集的边界数据,采用逐层处理方法实现图像重构。实验结果表明,其峰值信噪比高于原有AMLE算法,取得了更好的视觉效果。  相似文献   
4.
彩色自蛇模型在图像放大中的应用   总被引:2,自引:0,他引:2  
针对插值放大后的图像存在边缘锯齿化和边缘模糊化的问题,在分析方向扩散模型的基础上,提出了采用彩色自蛇模型取代方向扩散模型并用于对插值放大图像的后处理.实验结果证明了本文提出方法的正确性和有效性.  相似文献   
5.
研究了曲波变换和颜色直方图在图像检索系统中的应用,在此基础之上提出了一种融合Curvelet变换和颜色直方图的彩色图像检索的方法。该方法首先采用Curvelet变换提取彩色图像中的纹理特征,再利用颜色直方图提取颜色特征,最后分别用Manhattan距离和欧几里德距离进行纹理和颜色的相似性匹配。实验结果表明,融合曲波变换和颜色直方图的方法对图像检索非常有效。  相似文献   
6.
改进的Canny算法及其在图像编码中的应用   总被引:2,自引:0,他引:2  
史晶  彭进业  王大凯  张欢 《计算机工程》2009,35(21):206-207
分析仅以梯度模值作为依据的Canny边缘检测算法的不足,提出一种以曲率加权梯度模值为判据的改进算法以满足基于边缘信息的图像编码压缩对边缘提取的严格要求。实验结果表明,改进的Canny算法能更有效地抑制对于表征图像对象无重要意义的杂乱边缘,更好地反映图像的结构特征,性能优于现行的Canny算法。  相似文献   
7.
郝锐  彭进业  王大凯 《计算机工程》2009,35(21):211-212
采用传统插值法放大的图像存在边缘锯齿化和边缘模糊化缺点。针对该问题,在分析图像复原全变分模型的基础上,将色度-亮度全变分复原模型用于彩色图像放大,使图像放大问题转化为图像修补问题。实验结果证明,该方法能保持放大后图像边缘的光滑与清晰。  相似文献   
8.
针对彩色图像到灰度图像的变换这一问题,提出了一种新的基于TV(全变分)复原模型的新方法。利用Sapiro等所提出的矢量图像的水平集概念,结合全变分复原,建立新的变换模型,实现算法。实验表明,所提方法实现的彩色一灰度图像变换,不仅很好地解决了原来传统变换不能保持形状的问题,并且能解决Sapiro等所提出方法的边缘模糊化缺点,使变换后图像的边缘锐利程度得到了较大的提高。  相似文献   
9.
从图像梯度分类的概率模型出发,提出一种自动确定Canny算法阈值的新方法。通过实验表明,这种改进的Canny算法是有效的,性能优于传统Canny算法。  相似文献   
10.
基于PDE的图像去噪和反差增强同步算法   总被引:2,自引:1,他引:1       下载免费PDF全文
针对反差较低且包含噪声污染的灰度图像,设计分段线性拉伸函数,引入TV下降流,建立新的偏微分方程(PDE)数学模型。该模型通过设置参数 灵活控制去噪和反差增强的程度,实现2种灰度图像处理手段的同步进行。对比实验表明,该方法可有效缓解传统处理方法存在的问题,在抑制噪声的同时增强图像的反差。  相似文献   
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