迭代阀值分割法的木材分类

运用迭代阀值分割法的手段,将珍贵树种木片图像中的特征区域和图像背景分离,再运用形态学处理方法中的开运算完成木片图像的孔洞、斑点处理,并对图像进行去噪声、平滑处理,得到木材特征图像中的二值图形。把提取到的RGB特征、HSV特征和Gabor特征做为输入量放入设计好的BP神经网络进行训练测试,经过正向传播与误差反向传播多次交替,通过阈值以及权值的不断调整,精确BP神经网络的运算值,运算之后运用混淆矩阵来分析分类效果,通过观察矩阵中对应象限中的TP和TN数量,得出木片特征样本预测分类的识别率情况,从而达到珍贵木材识别的效果。

基于迭代阀值分割法的植物特征图像处理

通过构建好的植物分类识别系统,运用图像处理算法中迭代阀值法对植物的特征图像进行分割运算,获取植物属性图像中的个性特征,解决了传统植物识别速度慢、准确率低等问题。

基于压缩感知稀疏信号重建的迭代硬阀值算法

Nyquist采样速率条件下的信号采样，采样系统表现良好并且信号可以被稀疏向量近似表示时，信号可以被有效而精确地重构。针对无噪声信号，利用确定的稀疏基和随机的观测矩阵，研究迭代硬阀值算法的有效性。若观测矩阵满足有限等距性质（RIP），且稀疏基与随机观测矩阵不相干时，通过该算法，原始信号的稀疏投影可以被高概率重构。最后，利用哈达码正交矩阵作为稀疏基，高斯随机矩阵作为观测矩阵，对原始信号的稀疏投影进行重构，结果验证了该算法的有效性。

基于自适应非局部稀疏编码图像去噪方法

由于图像的降质属性,传统的稀疏表示方法并不能如实的重建原图像。为提升基于稀疏编码方法图像去噪能力,提出一种非局部自适应稀疏编码图像去噪算法。为改进稀疏水平以及图像的局部属性,提出一种自适应学习字典;图像的非局部自相关先验融入到正则项中,提出一种自适应非局部正则项,进一步提升图像的去噪能力;为提高算法的有效性,利用一种迭代阀值算法进行优化。实验结果表明,该方法相对于BM3D、EPLL等方法具有较高的峰值信噪比(peak signal to noise ratio,PSNR)和结构相似度(feature similarity,FSIM),在图像细节、边缘保持和抑制视觉块效应方面具有比较好的重建效果,具有广泛的实际应用价值。

一种稀疏度自适应的压缩感知信道估计算法

针对目前稀疏度自适应的压缩感知(compressed sensing,CS)信道估计算法计算量过大的问题,文章提出了基于关联度分析的稀疏度自适应归档正则化迭代硬阈值(sparsity adaptive archiving normalized iterative hard thresholding,SAANIHT)算法。ANIHT算法可以解决传统压缩感知理论计算量大、计算时间过长的问题,但需要预知信道的稀疏度。引入高斯核函数对一种稀疏度估计算法进行了改进,并与ANIHT算法结合,使其可以在盲稀疏情况下对信道进行估计。仿真结果表明,在同等稀疏度条件下,该算法比其他算法节约了计算时间,在低信噪比下性能更优,具有较好的重构性能与稳定性。

特定视频采集系统中的身份识别的实现

该文在迭代阀值算法的基础上，引入Harris角点算法、质心算法，更快速、有效地从采集的标准图像中进行脸部特征点提取。并通过孤立点组合算法形成有效的特征参数。进一步使用欧氏距离衡量法与原有库的标准图像进行比对，找出最近相似人脸，实现对人脸的识别。