排序方式: 共有22条查询结果,搜索用时 15 毫秒
1.
2.
针对颜色衰减先验图像去雾算法存在对较浓的有雾图像去雾效果不佳的问题,提出基于动态大气散射系数的颜色衰减先验图像去雾算法.用动态大气散射系数取代颜色衰减先验去雾算法中恒定大气散射系数的假设,定义大气散射系数为关于图像景深的指数函数.利用Middlebury stereo datasets中无雾图像和相应的景深图像得到合成有雾图像.采用均方误差(MSE)和结构相似度(SSIM)的综合评价参数MSE-SSIM确定上述指数函数的两个参数的最佳取值.实验结果表明与颜色衰减先验算法、He、Meng算法相比,该算法的去雾图像清晰颜色自然,有效地提高了去雾效果. 相似文献
3.
4.
5.
6.
针对直接利用互信息进行图像配准存在的误差和插值假象问题,结合图像的频谱特性提出了基于频域的互信息计算方法,引入退火的思想改进了梯度上升法,利用它迭代搜索互信息最大值,使用相关长度估算最佳参数域,使得参数初始化更接近于最大值。实验结果表明,该方法对于多谱段遥感图像,较之传统方法具有明显的收敛性和稳定性。 相似文献
7.
8.
基于蛋白质骨架结构的BSSC生物信息学分析模型,利用多分辨率曲线小波分解方法,实现了对蛋白质骨架结构的多分辨层次描述,从而提供了一种在不同分辨率层次上对蛋白质结构进行分析和研究的新思路,为生物信息学中有关蛋白质的结构比较与分类、蛋白质折叠模式及其分子进化等问题的研究开辟了一条新途径。 相似文献
9.
针对图像分类任务中现有神经网络模型对分类对象特征表征能力不足,导致识别精度不高的问题,提出一种基于轻量级分组注意力模块(LGAM)的图像分类算法。该模块从输入特征图的通道和空间两个方向出发重构特征图:首先,将输入特征图沿通道方向进行分组并生成每个分组对应的通道注意力权重,同时采用阶梯型结构解决分组间信息不流通的问题;然后,基于各分组串联成的新特征图生成全局空间注意力权重,通过两种注意力权重加权得到重构特征图;最后,将重构特征图与输入特征图融合得到增强的特征图。以分类Top-1错误率作为评估指标,基于Cifar10和Cifar100数据集以及部分ImageNet2012数据集,对经LGAM增强之后的ResNet、Wide-ResNet、ResNeXt进行对比实验。实验结果表明,经LGAM增强之后的神经网络模型其Top-1错误率均低于增强之前1至2个百分点。因此LGAM能够提升现有神经网络模型的特征表征能力,从而提高图像分类的识别精度。 相似文献
10.
非下采样Contourlet变换的图像融合及评价* 总被引:1,自引:0,他引:1
分析和研究了非下采样Contourlet图像表示方法及其在图像变换中的优点,提出一种基于非下采样Contourlet变换的图像融合方法。首先将待融合源图像分解成不同尺度、多方向的频带;然后采取不同的融合方法对分解的高低频分量进行融合处理,低频系数采取局部能量优先的加权法融合,高频系数则采取局部梯度优先的加权法融合;最后将融合的各频带进行逆非下采样Contourlet变换得到融合图像。实验表明,在几种不同的客观评价标准下,该方法优于传统的小波域中的融合效果,能有效消除小波变换带来的光谱扭曲和假边缘现象。 相似文献