-
题名基于p范数的E-3DTV高光谱去噪模型
- 1
-
-
作者
罗琼
韩志
陈希爱
唐延东
-
机构
中国科学院沈阳自动化研究所机器人学国家重点实验室
中国科学院机器人与智能制造创新研究院
中国科学院大学
-
出处
《计算机应用与软件》
北大核心
2023年第7期222-228,304,共8页
-
基金
国家自然科学基金面上项目(61773367)
国家自然科学基金创新群体项目(61821005)
+1 种基金
国家自然科学基金青年科学基金项目(61903358)
中国博士后科学基金资助项目(2019M661154)。
-
文摘
三维全变分(3DTV)编码了高光谱图像的局部平滑结构,通过假设沿着空间和频谱模式计算的梯度图具有独立且相同的稀疏结构来计算该正则项。然而,实际情况下梯度图通常在所有波段上具有不同而相关的稀疏结构。增强的3DTV正则(E-3DTV)的提出很好地解决了这个问题。除了对图像本身的知识编码以外,对其中复杂而未知的噪声进行正确的建模也是至关重要的。然而,与E-3DTV有关的工作目前只对基于1范数的噪声模型进行了探索。为了进一步提高对高光谱中复杂未知噪声的拟合能力,提出基于p范数的E-3DTV去噪模型,实验证明所提出的方法优于基于1范数的方法并在所有竞争方法中收获了最优的结果。
-
关键词
高光谱图像去噪
增强三维全变分
p范数
-
Keywords
Hyperspectral image
E-3DTV
p norm
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于非局部张量火车分解的彩色图像修补
被引量:2
- 2
-
-
作者
贾慧迪
韩志
陈希爱
唐延东
-
机构
中国科学院沈阳自动化研究所机器人学国家重点实验室
中国科学院机器人与智能制造创新研究院
中国科学院大学
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2019年第10期955-963,共9页
-
文摘
数据在采集和转换的过程中通常存在部分数据丢失的问题,丢失数据的补全直接影响后续的识别、跟踪等高层任务的结果.自然图像中经常存在许多具有重复特性的相似结构,利用该类冗余信息,文中提出基于非局部张量火车分解的张量补全方法.利用图像的非局部相似性,挖掘其中蕴含的低秩特性,并通过张量火车分解模型进行建模及升阶,将低阶张量转化为高阶以进行低秩信息的进一步挖掘利用,从而进行图像中缺失数据的修补.实验验证文中方法在图像修补上的有效性.
-
关键词
张量火车分解
非局部相似性
低秩性
图像修补
-
Keywords
Tensor Train Factorization
Nonlocal Similarity
Low Rank
Image Completion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名浅议“财务管理”启发式教学
被引量:2
- 3
-
-
作者
陈希爱
-
机构
莆田市技工学校
-
出处
《科教文汇》
2010年第9期59-60,共2页
-
文摘
本文论述了教师在课堂教学的过程中应用启发式教学引导学生的学习过程,旨在激发学生的学习兴趣,提高学生分析问题、解决问题的能力。
-
关键词
财务管理
启发式教学
情境
问题
案例教具
-
分类号
G424
[文化科学—课程与教学论]
-
-
题名《会计基础》教学点滴
被引量:1
- 4
-
-
作者
陈希爱
-
机构
莆田市技工学校
-
出处
《科技信息》
2010年第3期I0279-I0279,I0283,共2页
-
文摘
基础会计学是一门技术性、应用性较强的学科,是会计和经济管理类专业的基础课程,学习好它非常重要。本文从基础会计课程的教学和学习入手,运用灵活的教学方法,引导学生掌握正确的学习方法,使初学者易于把握其内在规律,在学习和复习过程中能抓住重点,做到提纲挈领,学习起来得心应手。
-
关键词
会计基础
知识更新
教学方法
记忆
复习
自学
-
分类号
F230
[经济管理—会计学]
F2-4
[经济管理—国民经济]
-
-
题名基于多曝光图像生成的低照度图像增强
- 5
-
-
作者
管宇
陈希爱
田建东
唐延东
-
机构
中国科学院沈阳自动化研究所机器人学国家重点实验室
中国科学院机器人与智能制造创新研究院
中国科学院大学
-
出处
《机器人》
EI
CSCD
北大核心
2023年第4期422-430,共9页
-
基金
国家自然科学基金(61903358,61821005,U2013210)
辽宁省自然科学基金(2021-BS-023)
+1 种基金
辽宁省“兴辽英才计划”(XLYC1907039)
中国科学院青年创新促进会项目(2022196)
-
文摘
低照度图像会使很多计算机视觉算法的鲁棒性降低,严重影响机器人领域的许多视觉任务,如自动驾驶、图像识别以及目标追踪等。为获取具有更多细节信息以及更大动态范围的增强图像,提出了一种基于多曝光图像生成的低照度图像增强方法。该方法通过分析真实拍摄的多曝光图像,发现不同曝光时长的图像的像素值之间存在线性关系,使得正交分解的思想可以应用于多曝光图像生成。多曝光图像是根据物理成像机制生成的,与真实拍摄图像更为相近。在将原图分解得到光照不变量和光照分量后,通过设计自适应算法生成不同的光照分量,再与光照不变量合成可以得到多曝光图像。最后利用多曝光图像融合方法获取具有更大动态范围的增强图像。该融合结果与输入图像保持一致,最终的增强图像可有效保留原始图像的色彩,自然度高。在真实拍摄的低照度图像公开数据集上进行了实验并与现有先进算法进行对比,结果表明,本文方法得到的增强图像与参考图像之间的结构相似性提高了2.1%,特征相似性提高了4.6%,增强图像与参考图像更接近且自然度更高。
-
关键词
多曝光图像
低照度图像增强
光照分解
图像融合
-
Keywords
multi-exposure image
low-light image enhancement
illumination decomposition
image fusion
-
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
-