期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于形态学与不完全树形小波分解的图像纹理特征提取算法
被引量:
6
1
作者
张雯
葛玉荣
《计算机应用》
CSCD
北大核心
2011年第6期1592-1594,共3页
针对不完全小波树形结构分解提取纹理特征仅对清晰度高的图像效果佳,运算速度慢的问题,提出基于形态学预处理的不完全小波树形分解快速提取图像纹理特征的算法。首先采用形态学高帽—低帽变换对图像进行预处理,去除图像噪声,增强对比度...
针对不完全小波树形结构分解提取纹理特征仅对清晰度高的图像效果佳,运算速度慢的问题,提出基于形态学预处理的不完全小波树形分解快速提取图像纹理特征的算法。首先采用形态学高帽—低帽变换对图像进行预处理,去除图像噪声,增强对比度;在提取纹理特征时,采用一致性判别;对于一致性强的图像,只利用图像的一部分进行不完全小波树形结构分解提取出能量、方向性等纹理特征,提高了运算速度;最后使用双概率神经网络(DPNN)的方法自适应地对纹理图像进行识别。利用Brodatz纹理库进行了仿真实验,并将该算法应用到了现场拍摄的海水中藻类细胞图像的识别。实验结果表明,该算法特征提取和识别速度快,尤其对于清晰度不高、现场拍摄的纹理图像具有较好的效果。
展开更多
关键词
高帽—低帽变换
不完全
树形
小波
一致性判别
双概率神经网络
下载PDF
职称材料
基于小波树模型的改进SP算法
2
作者
袁静
《电声技术》
2014年第12期61-64,共4页
针对传统的子空间追踪算法(SP)只利用了信号在某个字典下是稀疏的或者可压缩的这个简单的先验知识,没有将信号的内在模型考虑进去,因此重构效率较低的问题。根据一般信号的小波树系数的特点,提出了一种基于小波树模型的改进子空间追踪...
针对传统的子空间追踪算法(SP)只利用了信号在某个字典下是稀疏的或者可压缩的这个简单的先验知识,没有将信号的内在模型考虑进去,因此重构效率较低的问题。根据一般信号的小波树系数的特点,提出了一种基于小波树模型的改进子空间追踪算法。由于引入了信号的小波树内在模型,使得改进后算法中得到的最佳K项小波树结构稀疏逼近比子空间追踪算法中的最佳K项稀疏逼近更加接近于原信号,实验仿真证明基于小波树模型的SP算法的重构性更好。
展开更多
关键词
压缩感知
小波树形
子空间追踪算法
下载PDF
职称材料
空间TDICCD相机图像压缩的提升小波变换实现技术
3
作者
李进
金龙旭
+2 位作者
韩双丽
郝贤鹏
武奕楠
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2013年第2期33-37,共5页
空间时间延迟积分电荷耦合器件(TDICCD)相机图像压缩2维(2-D)离散小波变换模块的基于常用硬件实现方法实现效率低,为此提出一种适于电荷耦合器件(CCD)图像的(128,N)快速2-D提升小波实现结构.在CCD图像行方向上,采用16个提出的1维(1-D)...
空间时间延迟积分电荷耦合器件(TDICCD)相机图像压缩2维(2-D)离散小波变换模块的基于常用硬件实现方法实现效率低,为此提出一种适于电荷耦合器件(CCD)图像的(128,N)快速2-D提升小波实现结构.在CCD图像行方向上,采用16个提出的1维(1-D)行提升小波变换模块快速实现结构并行分解图像,每个模块采用4个延时寄存器的值作为中间值并用2步预测更新步骤融合的结构来计算行小波系数;在行小波系数的列方向上,提出了一种基于多路复用技术的(32,16)列提升小波变换结构,最终实现了2-D提升小波变换.结果表明,2-D提升小波变换模块能快速稳定地工作,分解1帧图像仅需60.198μs,与传统方法相比,节省时间达到49.90%,节省逻辑资源10.71%,节省寄存器资源11.80%,节省存储器资源12.98%,有效地解决了CCD图像压缩小波变换硬件实现效率低的问题.
展开更多
关键词
空间时间延迟积分电荷耦合器件相机
2维提升
小波
变换
提升
小波树形
结构
原文传递
题名
基于形态学与不完全树形小波分解的图像纹理特征提取算法
被引量:
6
1
作者
张雯
葛玉荣
机构
中国海洋大学信息科学与工程学院
出处
《计算机应用》
CSCD
北大核心
2011年第6期1592-1594,共3页
基金
国家自然科学基金资助项目(60572064)
国家863计划项目(2006AA09Z178
2007AA09Z106)
文摘
针对不完全小波树形结构分解提取纹理特征仅对清晰度高的图像效果佳,运算速度慢的问题,提出基于形态学预处理的不完全小波树形分解快速提取图像纹理特征的算法。首先采用形态学高帽—低帽变换对图像进行预处理,去除图像噪声,增强对比度;在提取纹理特征时,采用一致性判别;对于一致性强的图像,只利用图像的一部分进行不完全小波树形结构分解提取出能量、方向性等纹理特征,提高了运算速度;最后使用双概率神经网络(DPNN)的方法自适应地对纹理图像进行识别。利用Brodatz纹理库进行了仿真实验,并将该算法应用到了现场拍摄的海水中藻类细胞图像的识别。实验结果表明,该算法特征提取和识别速度快,尤其对于清晰度不高、现场拍摄的纹理图像具有较好的效果。
关键词
高帽—低帽变换
不完全
树形
小波
一致性判别
双概率神经网络
Keywords
tophat-bothat transform
incomplete tree-structed wavelet
consistency judgment
Double Probabilistic Neural Network(DPNN)
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于小波树模型的改进SP算法
2
作者
袁静
机构
宿迁学院
南京邮电大学信号处理与传输研究院
出处
《电声技术》
2014年第12期61-64,共4页
基金
宿迁市科技创新基金项目(Z201209)
国家自然科学基金项目(61372122)
文摘
针对传统的子空间追踪算法(SP)只利用了信号在某个字典下是稀疏的或者可压缩的这个简单的先验知识,没有将信号的内在模型考虑进去,因此重构效率较低的问题。根据一般信号的小波树系数的特点,提出了一种基于小波树模型的改进子空间追踪算法。由于引入了信号的小波树内在模型,使得改进后算法中得到的最佳K项小波树结构稀疏逼近比子空间追踪算法中的最佳K项稀疏逼近更加接近于原信号,实验仿真证明基于小波树模型的SP算法的重构性更好。
关键词
压缩感知
小波树形
子空间追踪算法
Keywords
compressed sensing
wavelet tree
subspace pursuit algorithm
分类号
TN911.73 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
空间TDICCD相机图像压缩的提升小波变换实现技术
3
作者
李进
金龙旭
韩双丽
郝贤鹏
武奕楠
机构
中国科学院长春光学精密机械与物理研究所
出处
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2013年第2期33-37,共5页
基金
国家高技术研究发展计划项目(863-2-5-1-13B)
文摘
空间时间延迟积分电荷耦合器件(TDICCD)相机图像压缩2维(2-D)离散小波变换模块的基于常用硬件实现方法实现效率低,为此提出一种适于电荷耦合器件(CCD)图像的(128,N)快速2-D提升小波实现结构.在CCD图像行方向上,采用16个提出的1维(1-D)行提升小波变换模块快速实现结构并行分解图像,每个模块采用4个延时寄存器的值作为中间值并用2步预测更新步骤融合的结构来计算行小波系数;在行小波系数的列方向上,提出了一种基于多路复用技术的(32,16)列提升小波变换结构,最终实现了2-D提升小波变换.结果表明,2-D提升小波变换模块能快速稳定地工作,分解1帧图像仅需60.198μs,与传统方法相比,节省时间达到49.90%,节省逻辑资源10.71%,节省寄存器资源11.80%,节省存储器资源12.98%,有效地解决了CCD图像压缩小波变换硬件实现效率低的问题.
关键词
空间时间延迟积分电荷耦合器件相机
2维提升
小波
变换
提升
小波树形
结构
Keywords
space time delay and integration charge coupled camera
2-dimension lifting-based discrete
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于形态学与不完全树形小波分解的图像纹理特征提取算法
张雯
葛玉荣
《计算机应用》
CSCD
北大核心
2011
6
下载PDF
职称材料
2
基于小波树模型的改进SP算法
袁静
《电声技术》
2014
0
下载PDF
职称材料
3
空间TDICCD相机图像压缩的提升小波变换实现技术
李进
金龙旭
韩双丽
郝贤鹏
武奕楠
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2013
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部