排序方式: 共有21条查询结果,搜索用时 25 毫秒
11.
基于模糊熵和非分离小波变换的图像融合算法 总被引:1,自引:0,他引:1
针对传统可分离小波图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,提出了突出图像细节和消减图像模糊性的融合算法.该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用局部模糊熵极大值融合规则.对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则.最后通过非分离小波逆变换重构融合图像.实验结果表明,该算法能在保留源图像信息的情况下,提高融合图像的清晰度,增强细节信息及亮度对比度. 相似文献
12.
为了避免人与物体之间相互遮挡,对小目标检测不准确,以及复杂光照强度对行人检测的影响,针对这一问题,提出了一种多尺度聚类卷积神经网络MK-YOLOV3算法,来实现对行人的识别与检测。该算法是对YOLOV3进行改进,首先通过简单聚类对图像特征进行提取,得到相应的特征图,再通过抽样[K]-means聚类算法结合核函数确定锚点位置,以达到更好的聚类。针对小目标的浅层特征信息进行多尺度融合,提高小目标的检测效果。仿真结果验证了该算法在VOC数据集上对小目标识别的精度和速度上有较大提高,以及视频智能分析中有较高的召回率和精确度。 相似文献
13.
为了解决高速公路环境下无人驾驶汽车对目标检测准确度及速度的问题,提出一种改进SSD模型的目标检测算法,通过结合空洞卷积改进DenseNet网络模型,构成D-DenseNet网络模型,并以此代替传统SSD算法中的VGG16网络,从而简化模型,减少运算量,提高检测精度,实现对目标快速且准确的检测。利用相关道路交通图像并结合深度学习中常用的VOC数据集作为样本进行训练和测试,并与Faster R-CNN、YOLOv3及原始SSD模型进行比较,实验结果表明,与其它算法相比,该算法对于高速公路不同环境下无人驾驶汽车的目标检测速度更快,精度更高,具有良好的鲁棒性。 相似文献
14.
Cu箔衬底上石墨烯纳米结构制备 总被引:2,自引:0,他引:2
采用低压化学气相沉积法(LPCVD)在Cu箔上制备出了单层石墨烯纳米结构,用扫描电子显微镜(SEM)、原子力显微镜(AFM)和拉曼光谱等对其结构和形貌等进行了表征。在此基础上,通过调节生长参数,制备多种形貌的石墨烯结构,着重探索了在生长温度为1000℃、生长时间为2min时,CH4∶H2、生长压强和衬底晶体取向对石墨烯初始形貌的影响规律,石墨烯的形貌主要取决于C的扩散/沉积和H2对石墨烯的刻蚀,当氢气的刻蚀作用占主导地位时,石墨烯为规则的六边形,当C的扩散/沉积占主导作用时,C沿着特定的方向扩散快,形成花状形貌;而背电子散射衍射(EBSD)研究表明,衬底Cu箔的取向对石墨烯形貌的影响不明显,没有观察到衬底取向与石墨烯结构之间的直接联系。 相似文献
15.
针对含噪图像的压缩问题,分析了噪声对图像压缩的影响,介绍了在小波域同时实现去噪与压缩的重要思想。把软阈值函数和带死区的量化技术结合起来,提出了基于Bayes Shrink阈值和EZW算法的压缩方案,与EZW压缩和JPEG压缩方法进行了比较,仿真实验结果表明:在相同的压缩比下文中方法得到了更好的重建图像质量。 相似文献
16.
17.
为探究壮观链霉菌AX-3所产生的天然红色素的应用前景,对其进行了结构解析及溶解性和稳定性研究。通过全波长扫描、红外光谱、质谱、核磁共振氢谱分析,推测该红色素为十一烷基灵菌红素。性质研究结果表明,该色素最大吸收波长为532 nm;不溶于水,易溶于四氢呋喃,溶于乙醇、乙酸乙酯、丙酮、二氯甲烷、甲醇、丙三醇;在强酸、中性和弱碱环境下稳定,在强碱环境下,随着碱性的增强,色素稳定性逐渐降低;在4~90℃热稳定性较好;光照对色素稳定性有影响,太阳光比紫外光和日光灯光的影响更大;金属离子Ca2+、Al3+、Mg2+对色素稳定性影响较小,Fe2+对色素有增色作用,Zn2+、Cu2+会降低色素的稳定性,其中Cu2+对色素稳定性影响最大;维生素C、蔗糖、柠檬酸、氯化钠、磷酸二氢钾和山梨酸钾对该色素稳定性无明显影响。 相似文献
18.
19.
根据足迹图像的特点,提出了一种足迹边缘检测算法.本算法利用小波变换和数学形态学边缘检测的优点,确定了足迹边缘,并采用合理的融合规则融合边缘信息.实验结果表明,该算法能有效地抑制噪声,较好地再现足迹的边缘信息. 相似文献
20.
针对红外与可见光图像融合时细节信息提取不充分、算法复杂度高等缺点,本文提出一种降低算法复杂度、丰富细节信息的基于非降采样剪切波变换(NSST)和非负矩阵分解(NMF)的红外与可见光图像融合算法。该方法根据NSST算法对源图像分别进行多尺度、多方向稀疏分解,分别得到低频部分和高频部分。对低频部分采用基于改进的NMF融合规则;对高频部分采用拉普拉斯能量和视觉敏感度系数相结合的融合规则。最后,对低频融合部分和高频融合部分执行NSST逆变换得到最终的融合图像。实验结果表明,该融合方法不仅可以保证融合图像的清晰度,同时还可以缩短算法的运行时间。 相似文献