检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

自然图像和计算机生成图像检测方法研究

中外企业家 2015年第30期 257-257页

作者：林岚西安铁路职业技术学院

本文以分析自然图像与计算机生成图像的机理作为切入点,论述基于小波高阶特征的计算机图像检测方法,最后就目前所使用的几种图像检测方法进行了综合阐述。

关键词：自然图像计算机生成检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自然图像和计算机生成图像检测方法研究

中外企业家 2016年第3期 264-264页

作者：林岚西安铁路职业技术学院长安大学

关键词：自然图像计算机生成检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自然图像和计算机生成图像检测方法分析

无线互联科技 2013年第6期10卷 152-152页

作者：李倩天津工业大学天津300387

随着科学技术的不断进步,计算机生成图像逐渐融入到人们的生活当中,这些经过处理和设计的图片不仅给很多商家带来了丰厚的利润,而且满足了人们的视觉需求。但计算机生成图像和真实的图片具有极高的相似度,因此,在破解一些犯罪案件时就... 详细信息

随着科学技术的不断进步,计算机生成图像逐渐融入到人们的生活当中,这些经过处理和设计的图片不仅给很多商家带来了丰厚的利润,而且满足了人们的视觉需求。但计算机生成图像和真实的图片具有极高的相似度,因此,在破解一些犯罪案件时就很容易造成误解,引发不公正的判决。本文通过研究自然图像和计算机图像的生成机理,分析其生成图像的主要区别,从而探究自然图像和计算机生成图像检测方法。

关键词：自然图像计算机生成图像检测方法分析

在线全文

学校读者我要写书评

暂无评论

无参考型自然图像质量评价算法研究

无参考型自然图像质量评价算法研究

作者：曾凯西安电子科技大学

学位级别：硕士

人类从外界获得的信息约有75%是从图像中获得的。随着计算机科学技术的发展,图像工程已经广泛地应用于国民经济中的各个领域。虽然图像技术取得了迅速的发展,但目前有限的硬件资源使得在具体应用中仍需要在图像处理算法和设备的设计中... 详细信息

人类从外界获得的信息约有75%是从图像中获得的。随着计算机科学技术的发展,图像工程已经广泛地应用于国民经济中的各个领域。虽然图像技术取得了迅速的发展,但目前有限的硬件资源使得在具体应用中仍需要在图像处理算法和设备的设计中做出某些折衷,如算法的有效性与网络带宽的折衷等。折衷的结果势必会影响到重建图像的感观效果。为了取得最优的选择,有必要知道选择的结果会给图像感观造成怎样的影响。通过对图像质量进行客观评价,可以对图像处理方法进行有效的评估,最终得到较好的图像视觉效果。在各种图像质量评价方法中,由于无参考型方法具备无需任何参考图像信息,可以直接应用于系统终端的优点,受到广泛而深入地研究。本文主要对图像质量评价领域中针对自然图像的无参考型方法进行了系统而深入地研究。首先,对小波变换以及自然图像在小波域的统计特性进行了简要介绍,在此基础之上提出了一种基于小波域统计特性的无参考型自然图像质量评价算法。其次,将小波扩展到一种更为有效的图像表示方法——Contourlet,根据自然图像在Contourlet域特有的统计特性,更为精确地建模图像质量特征,从而得到一种基于Contourlet域统计特性的无参考型自然图像质量评价算法。该算法从多尺度多方向的角度来准确描述自然图像的质量特征,通过捕获不同失真对Contourlet系数之间关系的影响来表示视觉质量。实验结果表明该算法与主观实验结果具有较好的一致性。最后,将变换域图像建模进一步扩展到隐马尔可夫模型,提出了一种基于小波域隐马尔可夫树的无参考型自然图像质量评价算法。该方法利用隐马尔可夫模型这一有力的数学工具,在小波域内通过刻画小波系数在子带内、子带间以及尺度间的关系来准确地表示图像信息的失真。实验结果证明了所提出算法的可行性和有效性。

关键词：图像质量评价无参考型图像建模自然图像隐马尔可夫树

基于ι~∞范数的稀疏ICA和FCM的自然图像特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机工程与设计 2010年第4期31卷 783-787页

作者：尚丽杜吉祥苏州市职业大学电子信息工程系江苏苏州215104 中国科学技术大学自动化系安徽合肥230026 中国科学院合肥智能机械研究所安徽合肥230031 华侨大学计算机科学与技术系福建泉州362021

为了保证图像特征系数的稀疏性和加快寻找最优基的收敛速度,提出了一种基于ι∞范数的稀疏独立分量分析(SICA)的算法。该SICA算法采用ι∞范数作为ICA的稀疏性度量标准,用模糊C均值聚类算法初始化独立分量的特征基,有效地实现了自然图... 详细信息

为了保证图像特征系数的稀疏性和加快寻找最优基的收敛速度,提出了一种基于ι∞范数的稀疏独立分量分析(SICA)的算法。该SICA算法采用ι∞范数作为ICA的稀疏性度量标准,用模糊C均值聚类算法初始化独立分量的特征基,有效地实现了自然图像的特征提取;而且,该SICA方法不需要优化高阶的非线性函数和密度估计,因而计算简单、且收敛速度较快;同时,利用提取的图像特征成功地实现了图像恢复,通过图像恢复对比实验表明了该方法在特征提取方面的合理性和实用性。

关键词：独立分量分析 ι∞范数模糊C均值聚类自然图像特征提取

在线全文

学校读者我要写书评

暂无评论

基于视觉注意机制的自然场景下图像目标分割

基于视觉注意机制的自然场景下图像目标分割

作者：杨雪沈阳理工大学

学位级别：硕士

图像分割是图像处理初始阶段必不可少的一部分,而且至关重要,在图像的处理过程中,无论是对结果的可靠性还是实时性都有较高的要求。随着生物视觉的不断发展和进步,视觉注意机制在图像处理上的优势越来越明显,当一幅图像中信息复杂且噪... 详细信息

图像分割是图像处理初始阶段必不可少的一部分,而且至关重要,在图像的处理过程中,无论是对结果的可靠性还是实时性都有较高的要求。随着生物视觉的不断发展和进步,视觉注意机制在图像处理上的优势越来越明显,当一幅图像中信息复杂且噪声内容丰富时,采用视觉注意机制可以迅速关注到图片中能够引起人们视觉注意的区域,这样就可以对显著性强的区域重点并且优先处理,而摒弃那些无用的冗余信息,而且这一过程耗时较短,实时性强。本文将视觉注意机制应用到图像的分割处理中,首先分析自然场景图像的视觉特征,在图像的预处理阶段,对图像进行滤波去噪,抑制背景噪声,针对自然图像提出了一种改进的加权中值滤波算法,滤波之后采用直方图均衡化来加强图像,使图像的目标部分更明显;在图像分割方面,针对自然图像存在目标和背景尺寸差距较大,图像的灰度差异性不明显的现象,提出了改进的Otsu分割算法,通过将一定区域内亮度最大值与阈值T比较,来调整阈值的大小,有效的改善了自然图像中目标较小时分割效果下降的现象;在模拟生物视觉感受野提取图像显著图时,通过对各显著图算法的对比和分析,从时间复杂度和显著图提取效果两个因素考虑,采用了改进的全频显著图算法提取自然图像的显著图,在特征提取时加入了梯度提取,图像边缘信息得到保留,改善了常用显著图提取算法图像分辨率低、算法耗时长以及边缘细节模糊的现象;最后在显著图的基础上,采用本文的改进Otsu阈值分割算法做分割处理,在分割的基础上进行腐蚀膨胀的形态学操作得到目标图像。实验结果表明,本文的算法在处理自然图像时,可以实现较好效果,具有较强的鲁棒性。

关键词：自然图像图像分割视觉注意机制显著图

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的自然场景图像去噪

基于深度学习的自然场景图像去噪

作者：陈琦新疆师范大学

学位级别：硕士

随着信息时代的到来及各类数字产品的普及,人们常用数字图像为载体来进行交流,图像处理技术随处可见。图像在获取、传输及保存的过程中不可避免地受到各种噪声源的干扰,为了更准确地获取原始信息,图像去噪处理的效果成为关键。图像去噪... 详细信息

随着信息时代的到来及各类数字产品的普及,人们常用数字图像为载体来进行交流,图像处理技术随处可见。图像在获取、传输及保存的过程中不可避免地受到各种噪声源的干扰,为了更准确地获取原始信息,图像去噪处理的效果成为关键。图像去噪作为数字图像处理中的一个基本任务,有效的图像去噪方法将为数字图像分析和理解提供坚实的基础。在图像处理领域,众多学者提出了很多优秀的图像去噪方法,能够对图像进行有效的去噪,例如中值滤波、高斯滤波。但是这些传统的图像去噪方法主要面对特定的噪声种类,它假设图像中的噪声是单一的椒盐噪声或是高斯噪声。并且有噪声图片的信噪比不能太低,而应用在自然场景,图像的去噪效果就急剧下降,在实际中无法满足应用的需要。因此,寻找一个通用、快速、效果优良的图像去噪算法是一个值得研究的问题。本文分析和研究了现有的图像去噪的相关技术,包括传统去噪方法以及当前最新的研究进展。基于现有技术的缺点和不足,设计了一套基于深度学习、带有图像噪声分类模块的自然场景下的图像去噪方法。主要工作如下:（1）介绍了数字图像去噪领域的相关知识及常见的去噪滤波算法,总结了噪声分布的数学特性,噪声的分类以及传统滤波算法的优缺点。（2）使用了基于残差网络的图像噪声分类模块,利用CNN网络从底层获取图像抽象特征的能力,来获取图像噪声的特征向量。为了提高噪声分类的准确性,本文采用了带有残差模块的网络结构,使得整个图像噪声分类模块能够工作在更深的网络结构上。实验表明该模块对图现象噪声具有良好的区分能力。（3）组建了基于自编码器网络与生成对抗神经网络的图像去噪模块。其中,对于自编码器网络,设计了带有跳跃连接的结构,大大提高了自编码器网络的收敛速度。同时针对图像去噪任务的需求,改进了WGAN网络的损失函数,使之能够更好地保留图像细节。（4）针对深度神经网络训练困难,容易发生过拟合的问题,提供了训练加速策略以及防止过拟合策略,从而有助于神经网络的更快速训练。实验表明本文采用的图像去噪方法能够有效应对多种图像噪声污染,而对于混合噪声图像,能够取得比传统方法更加明显的效果。

关键词：图像去噪自然图像深度学习深度神经网络

基于CNN的无参考自然与屏幕内容图像质量评价

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CNN的无参考自然与屏幕内容图像质量评价

作者：高瑞天津大学

学位级别：硕士

图像质量评价是指通过对图像进行相关特性分析,量化视觉失真程度,得到其质量分数的过程。无参考图像质量评价旨在不提供原始图像信息的情况下,对失真图像进行质量评价,其更接近于实际应用并且更具挑战性。通过无参考图像质量评价,可以... 详细信息

图像质量评价是指通过对图像进行相关特性分析,量化视觉失真程度,得到其质量分数的过程。无参考图像质量评价旨在不提供原始图像信息的情况下,对失真图像进行质量评价,其更接近于实际应用并且更具挑战性。通过无参考图像质量评价,可以更好地监控图像质量并进一步引导各种图像处理系统的优化。自然图像和屏幕内容图像是图像质量评价领域的重点研究对象,故本文主要围绕这两类图像来设计合适的无参考质量评估算法。由于目前基于卷积神经网络(Convolutional Neural Networks,CNN)的无参考自然图像质量评价方法主要通过对图像进行分块预处理以实现数据增强,忽略了失真分布不稳定带来的误差。为此,本文提出一种基于伪孪生CNN的训练方法,引导其对失真图像进行配对来扩大训练数据量,从而避免了分块预处理引入的额外误差。该方法首先利用K-means聚类将失真图像质量分数分为5簇,其代表不同的失真等级。再利用伪孪生神经网络训练学习该5个失真等级间的失真距离分布,旨在缩小同一失真等级内的失真距离,增大不同失真等级间的失真距离。最后,通过添加新的融合层对所学到的质量分数进行求和平均,并在原数据集上对其进行微调,从而得到各失真图像的质量评估结果。实验结果表明本文方法能够在不分块预处理的情况下更精确地评估失真图像质量,相比其它算法,更有效精准地评估了目前公认数据集的质量情况。另外,考虑到屏幕内容图像和自然图像在视觉特征上具有显著差异,因此自然图像质量评价方法并不能直接作用于屏幕内容图像质量评价。为此,本文提出了一种专门针对屏幕图像多纹理特性的无参考质量评价方法,通过在网络架构的设计上引入方向梯度直方图(Histogram of Oriented Gradient,HOG)特征预测任务和质量评估任务,以多任务训练的方式加强网络对屏幕内容图像纹理特征的学习,从而更有针对性地贴合屏幕内容图像的主观质量评估结果。此外,还引入了基于屏幕图像内容的自适应权重估计的质量融合策略,通过对不同区域的图像块质量分数进行加权平均,进一步提高了无参考屏幕内容图像质量评价方法的准确性。实验结果表明本文方法能有效评估目前现有的两大屏幕内容图像数据集质量,且相比其它算法,具有较高的准确度和较强的泛化能力。

关键词：卷积神经网络无参考图像质量评价自然图像屏幕内容图像

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种自然场景图像中的服装定位与分割方法

信息技术与信息化 2023年第1期 45-49页

作者：游小荣肖华枫常州纺织服装职业技术学院江苏常州213164

针对自然场景图像中背景复杂、目标多的问题,提出一种基于深度学习和图像处理的服装定位与分割方法。首先,基于YOLOv4深度学习算法训练人体目标检测网络模型,根据模型定位并分割出图像中包含服装的人物;接着,采用卷积姿态机(convolution... 详细信息

针对自然场景图像中背景复杂、目标多的问题,提出一种基于深度学习和图像处理的服装定位与分割方法。首先,基于YOLOv4深度学习算法训练人体目标检测网络模型,根据模型定位并分割出图像中包含服装的人物;接着,采用卷积姿态机(convolutional pose machines,CPM)训练上衣、外套、连衣裙、半身裙及裤子五类服装关键点网络模型;然后,对包含服装的人物图像进行归一化处理,选择服装类型,再根据上述服装关键点网络模型输出服装的关键点;最后,根据这些关键点信息,形成初始矩阵框,使用OneCut算法将服装图像分割出来。实验证明,在复杂背景和多目标的自然图像中,文章方法具有误差小、准确率高、运算速度快的特点,能够满足自然场景图像中服装自动分割的要求。

关键词：自然图像服装深度学习 YOLO CPM OneCut