检索结果-南通市图书馆

平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2023年第12期31卷 1841-1858页

作者：邹耀斌孟祥丹孙水发陈鹏湖北省水电工程智能视觉监测重点实验室(三峡大学) 湖北宜昌443002 三峡大学大数据研究中心湖北宜昌443002 三峡大学计算机与信息学院湖北宜昌443002

受目标和背景的大小比例、噪声或者随机细节等因素影响,灰度图像的灰度直方图可能呈现出无峰、单峰、双峰或者多峰模式。为了在统一框架内处理这4种不同直方图模式下的自动阈值选择问题,提出了一种平稳小波域多尺度乘积下的指数Renyi熵... 详细信息

受目标和背景的大小比例、噪声或者随机细节等因素影响,灰度图像的灰度直方图可能呈现出无峰、单峰、双峰或者多峰模式。为了在统一框架内处理这4种不同直方图模式下的自动阈值选择问题,提出了一种平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法。该方法首先利用平稳小波对原始图像进行水平、垂直和对角方向的多尺度变换,再对各个方向的高频子带进行多尺度乘积运算构造出融合图像;然后通过内外轮廓图像对融合图像进行采样重构一维直方图;最后计算重构直方图所对应的指数Renyi熵,并取最大值对应的阈值作为最终分割阈值。提出的方法与4种自动阈值分割方法、2种聚类分割方法以及2种活动轮廓分割方法进行了比较。在16幅合成图像和50幅真实世界图像上的实验结果表明:在合成图像集中,相比于分割精度第2的方法,平均马修斯相关系数提高了41.2%;在真实世界图像集中,相比于分割精度第二的方法,平均马修斯相关系数提高了20.8%。提出的方法具有更稳健的分割适应性,且在分割精度方面明显优于其他8个分割方法。

关键词：阈值分割指数Renyi熵平稳小波域多尺度乘积

基于协方差矩阵的B-样条多尺度表示的角点检测

在线全文

学校读者我要写书评

暂无评论

光电工程 2008年第2期35卷 45-50,122页

作者：雷明杨丹张小洪张莹重庆大学数理学院重庆400044 重庆大学软件工程学院重庆400030

在B-样条尺度空间下定义了平面轮廓在其支撑区域(ROS)内的协方差矩阵的多尺度表示,矩阵的最大特征值对应的向量表示轮廓切线方向。将各个尺度下的切线方向变化率的乘积定义为多尺度积。而角点就定义为多尺度积大于给定阈值的局部极大值... 详细信息

在B-样条尺度空间下定义了平面轮廓在其支撑区域(ROS)内的协方差矩阵的多尺度表示,矩阵的最大特征值对应的向量表示轮廓切线方向。将各个尺度下的切线方向变化率的乘积定义为多尺度积。而角点就定义为多尺度积大于给定阈值的局部极大值所对应的点。由于多尺度乘积融合了轮廓在不同尺度下的特征信息,增强了特征点的响应,抑制了噪声的影响,因而所提出的算法既能精确定位,又对噪声有良好的鲁棒性。通过实验证明了算法具有旋转不变性,并对微小的尺度变化不敏感,而且与其他的角点检测器进行了对比。

关键词：角点检测协方差矩阵多尺度乘积 B-样条尺度空间切线方向变化率

在线全文

学校读者我要写书评

暂无评论

多尺度积的协方差矩阵行列式的角点检测方法

计算机工程与应用 2011年第2期47卷 160-164页

作者：徐玲王成良冯欣张小洪重庆大学软件学院重庆400030 重庆大学计算机学院重庆400030

研究平面轮廓局部支撑域上的协方差矩阵,通过对图像协方差矩阵的特征值和特征向量的分析,以V角点模型为例,证明了协方差矩阵行列式在角点位置有唯一的极值响应。同时,为了有效地融合各个尺度信息,采用多尺度乘积方法来增强角点响应的幅... 详细信息

研究平面轮廓局部支撑域上的协方差矩阵,通过对图像协方差矩阵的特征值和特征向量的分析,以V角点模型为例,证明了协方差矩阵行列式在角点位置有唯一的极值响应。同时,为了有效地融合各个尺度信息,采用多尺度乘积方法来增强角点响应的幅度,抑制非角点或噪声的幅度。基于此,提出以多尺度乘积的协方差矩阵行列式作为角点响应函数的角点检测算法。实验结果表明:通过比较经典的角点检测算法,算法具有很好的定位、抗噪及旋转和尺度不变性。

关键词：角点检测多尺度乘积协方差矩阵轮廓支撑域

基于B-样条轮廓方向变化率多尺度表示的角点检测

在线全文

学校读者我要写书评

暂无评论

计算机应用 2009年第3期29卷 725-728,746页

作者：洪明坚张小洪杨丹重庆大学软件学院重庆400030

基于B-样条尺度空间定义了轮廓方向变化率的多尺度表示,并利用多尺度轮廓方向变化率及其乘积提出了的新的角点检测算法。该算法直接把多尺度轮廓方向变化率乘积的局部极值点定义为角点,这是由于多尺度乘积不但融入了多个尺度下轮廓方向... 详细信息

基于B-样条尺度空间定义了轮廓方向变化率的多尺度表示,并利用多尺度轮廓方向变化率及其乘积提出了的新的角点检测算法。该算法直接把多尺度轮廓方向变化率乘积的局部极值点定义为角点,这是由于多尺度乘积不但融入了多个尺度下轮廓方向变化率的特征信息,而且能极大地增强角点的变化率,抑制受边界和量化噪声影响的边界点的轮廓方向变化率。这样,算法仅通过一个全局阈值就能获得很好的检测效果,而且真正地实现了候选角点多尺度检测。最后,定性分析了角点检测的定位性能,并通过对比实验验证了所提出的算法具有很好的检测性能。

关键词：轮廓方向变化率角点 B-样条多尺度乘积尺度空间

在线全文

学校读者我要写书评

暂无评论

基于小波多尺度乘积的信号去噪算法

辽宁工程技术大学学报（自然科学版） 2005年第5期24卷 723-726页

作者：郭显久贾凤亭大连水产学院信息工程学院辽宁大连116023 辽宁工程技术大学技术与经济学院辽宁阜新123000

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数;再利用模极大... 详细信息

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数;再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明:该算法在有效去除噪声的同时,也能保留信号的重要特征。

关键词：小波变换模极大值信号去噪奇异性多尺度乘积

基于结构张量的B-样条多尺度表示的角点检测

在线全文

学校读者我要写书评

暂无评论

基于结构张量的B-样条多尺度表示的角点检测

作者：闫卫杰重庆大学

学位级别：硕士

角点是图像中最不容易因噪声和光照改变,几何和尺度变换等影响而改变的局部特征,因此角点检测已成为计算机视觉和图像处理领域的关键的基础性工作,而且被广泛的应用到目标跟踪、场景分析、图像配准与匹配、机器人导航、形状表示等领域... 详细信息

角点是图像中最不容易因噪声和光照改变,几何和尺度变换等影响而改变的局部特征,因此角点检测已成为计算机视觉和图像处理领域的关键的基础性工作,而且被广泛的应用到目标跟踪、场景分析、图像配准与匹配、机器人导航、形状表示等领域。当前如何引入新的理论和思想改进角点检测算法,并设计出具有较高鲁棒性的角点检测器已成为图像处理工作的热点问题。本文在研究各种经典角点检测算法的基础上,主要做了以下几个方面的工作:①本文采用B-样条尺度空间代替传统线性结构张量中的高斯尺度空间,其只要原因是B-样条函数的卷积特性使其在计算时仅仅与信号或图像本身的大小有关,而与B-样条函数的尺度无关。另外B-样条函数还继承了高斯函数的诸多优良特性,对高斯函数具有很好的逼近效果。 ②本文在B-样条多尺度空间下定义了图像轮廓在其支撑域内的线性结构张量的多尺度表示,该张量矩阵的行列式能够很好地反映图像的角点特征,然后将各个尺度下行列式的乘积定义为角点的响应函数。角点则为响应函数大于事先给定阈值的局部极大值所对应的点。通过实验证明算法对简单几何图像大多能实现角点的完全定位,而对于实物图像也具有较好的旋转和尺度不变性以及对噪声的鲁棒性。多尺度乘积思想的引入使得随着尺度的增加不同尺度下的角点响应得到保留,从而有效抑制噪声的影响,本文仿真实验证明算法具有很好的优越性。

关键词：角点检测线性结构张量多尺度乘积 B-样条尺度空间

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

图像特征的检测、描述及匹配

图像特征的检测、描述及匹配

作者：雷明重庆大学

学位级别：硕士

图像的特征提取和描述是基于特征的图像处理和计算机视觉的基础环节,特征检测算子的检测性能和描述算子的表针性能直接决定了图像处理的效率和精度。在实际问题中图像可能受到噪声、背景的干扰,也可能发生视角、光照、尺度、平移、旋转... 详细信息

图像的特征提取和描述是基于特征的图像处理和计算机视觉的基础环节,特征检测算子的检测性能和描述算子的表针性能直接决定了图像处理的效率和精度。在实际问题中图像可能受到噪声、背景的干扰,也可能发生视角、光照、尺度、平移、旋转、仿射等变化,选择合理的图像特征和描述算子,使得这些特征不仅具有良好的表针性而且具有良好的鲁棒性是一个十分关键的问题。本文针对以上难点做了如下工作: 使用B-样条函数构造尺度空间代替传统的高斯尺度空间。B-样条函数的特殊性产生了卷积的高效算法,其计算复杂度与B-样条函数的尺度无关,只与信号或者图像本身有关。B-样条函数对高斯函数有良好的逼近效果,因而它继承了高斯函数的大部分优良性质。在B-样条尺度空间下定义了平面轮廓在其支撑区域内的协方差矩阵的多尺度表示,将协方差矩阵中引入尺度因子,减弱了噪声和由于数据离散而产生的影响,矩阵的最大特征值对应的向量表示轮廓切线方向。将多尺度乘积的思想引入到角点检测中,各个尺度下的切线方向变化率的乘积定义为多尺度积,即为角点的响应函数。随着尺度的增加,角点的响应会在不同尺度下保留,尺度增加的B-样条函数能够抑制噪声的影响。而角点就定义为多尺度积大于给定阈值的局部极大值所对应的点。本文对算法的性能进行了比较系统的评价。通过实验证明了算法具有旋转不变性,并对微小的尺度变化不敏感,而且与其他经典的角点检测器进行了对比,实验结果也表明新的算法具有良好的检测和定位性能,算法效率高。使用多尺度Harris算子检测图像的角点作为初始兴趣点。针对自适应非极大值抑制排除了大量潜在匹配点的缺陷,引入条件理论对初始兴趣点进行控制,排除病态点,减少后续过程的计算量,提高算法效率,同时最大限度的保留了匹配点。实验结果表明提出的特征匹配算法效率改进明显,匹配效果良好,对图像的几何变换、噪声及光照变化等具有较强的鲁棒性。

关键词：角点检测多尺度乘积特征检测协方差矩阵 B-样条尺度空间