检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

窗口傅里叶变换轮廓术中窗口尺度选取的改进

光学技术 2010年第3期36卷 378-385页

作者：黄宇钟金钢暨南大学光电工程系广州510632 广东省高等学校光电信息与传感技术重点实验室(暨南大学) 广州510632

多尺度窗口傅里叶变换法根据条纹信号的瞬时频率梯度来确定信号的局域平稳长度,再由局域平稳长度来控制窗口的尺度,即窗口的尺度和局域平稳长度成正比。使用多尺度窗口傅里叶变换法来使条纹信号的频谱局域化,可以在条纹信号的频率分辨... 详细信息

多尺度窗口傅里叶变换法根据条纹信号的瞬时频率梯度来确定信号的局域平稳长度,再由局域平稳长度来控制窗口的尺度,即窗口的尺度和局域平稳长度成正比。使用多尺度窗口傅里叶变换法来使条纹信号的频谱局域化,可以在条纹信号的频率分辨率和空间分辨率之间达到一种较佳的调和。针对多尺度窗口傅里叶变换三维形貌测量技术中局域平稳长度提取算法的不足进行了改进,使窗口尺度的选取更具合理性,对变形光栅基频提取更精确,进一步减小了位相测量的误差。给出了理论分析、计算机模拟以及实验结果。

关键词：应用光学三维形貌测量窗口傅里叶变换多尺度窗口

领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类

在线全文

学校读者我要写书评

暂无评论

测绘学报 2016年第8期45卷 973-982页

作者：兰泽英刘洋广东工业大学管理学院广东广州510520 广州市城市规划勘测设计研究院广东广州510060

基于灰度共生矩阵(GLCM)的纹理特征在影像空间分析中具有重要作用,提出了一种在领域空间知识辅助下构建GLCM多尺度窗口与主方向权值的方法,从而提高纹理特征的有效性,并解决影像土地利用分类中存在的不确定性问题。为此,根据人类目视解... 详细信息

基于灰度共生矩阵(GLCM)的纹理特征在影像空间分析中具有重要作用,提出了一种在领域空间知识辅助下构建GLCM多尺度窗口与主方向权值的方法,从而提高纹理特征的有效性,并解决影像土地利用分类中存在的不确定性问题。为此,根据人类目视解译的特点,对GIS与RS数据进行集成计算:首先,在图像配准的基础上,利用经典的GIS空间数据挖掘算法,渐近式地提取领域形态知识;接着,采用关联分析法建立其与GLCM构造因子之间的响应机制,并设计了基于地类形状指数的多尺度窗口建立算法,以及基于地类主方向分布指数的方向权值测度算法。试验结果表明,领域形态知识与GLCM空间因子之间具有强相关关系,该方法提取出的纹理特征可以描述复杂地物的空间意义,算法复杂度低,性能优越,有效提高了影像土地利用分类的精度。

关键词： GLCM纹理影像分类多尺度窗口主方向权值集成计算 GIS空间数据挖掘

在线全文

学校读者我要写书评

暂无评论

基于阈值自适应确定的多波束点云滤波算法

海洋测绘 2023年第6期43卷 6-11页

作者：沈蔚杨智松廖德亮卢泉水徐康进上海海洋大学海洋科学学院上海201306 上海河口海洋测绘工程技术研究中心上海201306 汇朋智能科技(江苏)有限公司江苏南通226009

针对水下多波束地形测量点云去噪问题,提出了一种基于阈值自适应确定的点云滤波算法。首先引入虚拟网格对多波束点云进行分区编号,并采用二次分层统计法剔除显著离群噪点;其次归一化计算网格内种子点与邻域各点的坡度角,引入k-Medoids... 详细信息

针对水下多波束地形测量点云去噪问题,提出了一种基于阈值自适应确定的点云滤波算法。首先引入虚拟网格对多波束点云进行分区编号,并采用二次分层统计法剔除显著离群噪点;其次归一化计算网格内种子点与邻域各点的坡度角,引入k-Medoids聚类算法自适应更新坡度阈值;最后按照多尺度滤波窗口逐级对点云进行迭代运算,得到精细化地形点云。2个实验区的多波束点云滤波实验结果表明,本文算法能较好去除多波束点云的噪声和非地形点,有效提高坡度阈值的自适应性,滤波精度有明显提升,可以适用于大规模的多波束点自动化云滤波工作。

关键词：点云滤波坡度滤波阈值自适应 k-Medoids聚类多尺度窗口多波束声纳

在线全文

学校读者我要写书评

暂无评论

新一代天气雷达速度退模糊算法

科学技术与工程 2017年第18期17卷 175-181页

作者：熊兴隆赵静蒋立辉中国民航大学天津市智能信号与图像处理重点实验室天津300300 中国民航大学民航气象技术研究所天津300300

速度退模糊算法对新一代天气雷达后期数据同化及短时临近预报具有重要影响。针对在高切变和孤立回波情况下速度退模糊出现错误的问题,提出了基于联合切变检测和十字形多尺度窗口的速度退模糊改进算法。首先,采用MDV(mininum distance ve... 详细信息

速度退模糊算法对新一代天气雷达后期数据同化及短时临近预报具有重要影响。针对在高切变和孤立回波情况下速度退模糊出现错误的问题,提出了基于联合切变检测和十字形多尺度窗口的速度退模糊改进算法。首先,采用MDV(mininum distance velocity,MDV)数据预处理方法进行全局数据优化。其次,将当前速度库和参考库的差值与切变阈值相比较,根据对比结果,分别进行切向和径向的退模糊。然后,在远离雷达的孤立回波区域,建立一种十字形多尺度窗口,实现参考库的确定,进而完成全方位的速度退模糊。使用我国新一代天气雷达(CINRAD-SA)在极端天气情况下的实测数据对该算法进行了多次验证。结果表明,在高切变和孤立回波情况下,该算法的速度退模糊准确率较高,优于新一代天气雷达中运行的WSR-88D速度退模糊算法。

关键词：速度退模糊新一代天气雷达多尺度窗口参考库速度库

在线全文

学校读者我要写书评

暂无评论

基于多尺度特征映射匹配的图像表示方法

计算机应用研究 2020年第9期37卷 2866-2870页

作者：朱杰吴树芳中央司法警官学院信息管理系河北保定071000 河北大学管理学院河北保定071000

在卷积神经网络模型中,空间金字塔池化方法将空间信息融入到深度特征的生成过程中,最终生成的图像表示可以有效地用于提高图像检索性能,但是此方法会导致生成的图像表示中不同维度之间描述的信息存在重复,且相同维度描述的图像内容不匹... 详细信息

在卷积神经网络模型中,空间金字塔池化方法将空间信息融入到深度特征的生成过程中,最终生成的图像表示可以有效地用于提高图像检索性能,但是此方法会导致生成的图像表示中不同维度之间描述的信息存在重复,且相同维度描述的图像内容不匹配。为此提出了一种基于多尺度特征映射匹配(multi-scale feature map matching,MFMM)的图像表示方法。此方法首先利用深度特征的方差与协方差矩阵提出了一种特征映射选择算法,用于增强图像表示中不同维度特征的独立性。其次,依据相同通道特征映射中高响应值位置有较高匹配性的特点,结合激活映射中最大响应位置的深度特征提出了一种优化的特征映射中心点选择方法。最后,按照不同的中心点通过多尺度窗口采样的方式,从特征映射中提取出带有空间信息的深度特征用于表示图像内容。实验结果表明,提出的方法在图像检索任务中能够取得良好的效果。

关键词：空间金字塔响应匹配多尺度窗口图像表示

基于旋转不变梯度方向直方图的航拍图像目标检测

在线全文

学校读者我要写书评

暂无评论

基于旋转不变梯度方向直方图的航拍图像目标检测

作者：曾雪东南大学

学位级别：硕士

在遥感技术快速发展的今天,利用飞行器传感器很容易获取具有高分辨率的光学图像。利用遥感技术拍摄到的图像具有分辨率高、比例尺大、现势性高等优点,因此航拍遥感图像中的目标物体具有分明的特征信息,便于通过机器视觉等方法认知目标... 详细信息

在遥感技术快速发展的今天,利用飞行器传感器很容易获取具有高分辨率的光学图像。利用遥感技术拍摄到的图像具有分辨率高、比例尺大、现势性高等优点,因此航拍遥感图像中的目标物体具有分明的特征信息,便于通过机器视觉等方法认知目标的属性,有利于目标的检测。在航拍过程中,由于飞行器所处的环境,姿态,视角等条件的不同,拍摄到的图像的背景,光照也会不同,同时图像中的目标也会存在旋转角度和大小差异,为了适应这一场景,本文对航拍图像目标检测技术进行了深入细致的研究。首先,介绍了课题的研究背景和意义,国内外相关研究情况。然后利用机器视觉技术为航拍图像设计了一种目标检测算法。算法主要包括特征提取、分类器训练以及目标检测三个过程。最后以飞机为目标进行了实验,并对实验结果进行了分析和评价。算法的设计与实现是本文研究的重点。首先本文介绍了一种特征:HOG特征即梯度方向直方图。然而,HOG特征并不具有仿射不变性,所以本文使用了一种方法来改进HOG特征,本文通过径向梯度转换(RGT)获得RGT梯度,该梯度在一个圆形区域内具有旋转不变性,并以传统HOG特征类似的方法统计单元格的RGT梯度方向直方图,获取多个带有位置角度信息的旋转不变HOG特征描述子。然后针对HOG特征在实际使用时只能检测出与其训练图片差不多大小目标的缺陷,本文提出了一种多尺度窗口遍历检测算法,最后本文利用旋转不变HOG特征和支持向量机(SVM)相结合的方式实现了带旋转角的飞机检测,并给出了算法的检测率和误检率,以及时间消耗。在本文最后,结合整个算法的设计和实现,对实验的不足提出了总结,并对未来的工作进行了展望。

关键词：目标检测梯度方向直方图(HOG) 仿射不变径向梯度转换(RGT) 多尺度窗口支持向量机(SVM)

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的多聚焦图像融合方法研究

基于机器学习的多聚焦图像融合方法研究

作者：杨亦昆云南大学

学位级别：硕士

由于光学镜头的景深有限,拍照设备很难将同一场景中多个目标全部进行清晰成像。为了获取一幅针对一个场景的全清晰图像以便于人员识别和计算机处理,多聚焦图像融合技术是将同一场景不同图像中的聚焦区域识别提取出来并拼接成一幅清晰的... 详细信息

由于光学镜头的景深有限,拍照设备很难将同一场景中多个目标全部进行清晰成像。为了获取一幅针对一个场景的全清晰图像以便于人员识别和计算机处理,多聚焦图像融合技术是将同一场景不同图像中的聚焦区域识别提取出来并拼接成一幅清晰的全聚焦图像。多聚焦图像融合技术的关键是如何准确的识别出图像中的聚焦区域。基于信号处理的图像融合方法已经得到了很好的研究,其研究成果被广泛的应用到图像处理的各个方面。近些年来研究者们尝试为这一任务探索新的思路,由于机器学习算法在分类问题中表现出的优异性能,利用机器学习算法处理多聚焦图像融合问题以提升融合图像的质量。本文提出两种像素级多聚焦图像融合算法。针对传统主成分分析（Principal Component Analysis,PCA）图像融合算法无法很好的考虑图像局部特征的缺点,提出一种多尺度PCA像素加权融合算法。该算法加入滑动窗口遍历图像中的每个像素点,并且通过调整窗口大小从不同的尺度上反应图像的局部特征,最后将不同尺度上的融合结果组合成完整的融合图像。实验表明,所提方法相比传统PCA图像融合算法有比较大的效果提升。该算法同时被作为后续机器学习图像融合算法的“子算法”,用于处理算法过程中产生的误差。提出基于支持向量机（Support Vector Machine,SVM）的多聚焦图像融合算法。第一,使用滑动窗口技术来提取源图像的关键特征,这些特征是基于能够反映图像模糊或清晰信息的几个有效评价指标来实现。第二,利用提取的图像特征,输入的SVM模型进行训练,利用训练好的模型来区分源图像的聚焦区域和非聚焦区域,从而得到每个源图像的决策结果。第三,一致性验证（Consistency Verification,CV）用于同化决策结果中特定区域的单个奇异点,以纠正可能的错误。针对由于模型判断误差而产生的“争议区域”,利用多尺度PCA像素加权融合算法进行处理,提升融合效果。实验结果表明,所提出的算法是有效的,可以获得比较优异的融合效果。

关键词：多聚焦图像融合特征提取主成分分析多尺度窗口支持向量机