基于context模型的contourlet域图像去噪

在分析contourlet域系数分布特征的基础上提出了一种基于context模型的contourlet域图像去噪算法。算法的关键点在于:基于contourlet变换系数的分布特性,确定合适的去噪门限;利用context模型建立图像contourlet变换后的系数分类模型并根据分类使用不同的门限去噪。实验表明,本方法能较好地去除图像噪声,在提高去噪图像PSNR值和改善主观视觉效果方面都表现出了良好的性能。

基于Context模型的Shearlet变换地面微地震随机噪声压制

地面微地震监测采集到的微地震信号通常能量微弱,信噪比低,如何提高微震数据的信噪比是数据处理的难题.Shearlet变换是一种新型的多尺度几何分析方法,具有敏感的方向性和较强的稀疏表示特性,能起到很好的随机噪声压制效果.由于地面微震数据的有效信号大多被淹没在噪声中,基于传统阈值的Shearlet变换(the traditional threshold-based Shearlet transform TST)只考虑到尺度或方向的阈值,在去噪过程中会过度扼制有效信号系数,造成有效信号能量损失.因而,本文建立Context模型,得到基于Context模型的Shearlet变换(the Context-model-based Shearlet transform CMST)方法,改进传统Shearlet阈值方法的不足.我们通过所建立的Context模型将能量相近的各方向系数划分为同一组,并分组估计阈值,分别处理各部分系数,达到微弱同相轴有效恢复的目的.通过TST及CMST的模拟实验与实际地面微震记录处理结果对比可知,本文方法在低信噪比条件下比对比方法更加有效地恢复地面微震数据的微弱信号,随机噪声压制效果明显,在-10dB条件下,提升信噪比18.3741dB.

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。

基于小波和Context模型的海面红外弱小目标检测

红外图像中弱小目标的检测一直是图像处理领域的热点和难点。介绍了一种基于小波变换和Context模型空间自适应滤波的红外弱小目标检测算法。该方法首先利用小波滤波器抑制大部分背景杂波,然后采用基于Context模型的空间自适应滤波器对高频系数做进一步处理,提高信噪比,最后采用基于Bayes分类算法的迭代门限进行图像分割。实验结果表明,与高通滤波相比,该方法能够更有效地检测出弱小目标。

基于提升小波和Context模型的图象无失真编码方案

文章讨论了提升小波变换的基本原理。并根据提升小波系数的特点,结合基于Context模型的熵编码,提出了一种新的无失真图象编码方案。该方案中,将提升小波系数的编码分为三部分考虑,即反映非零系数位置的SignificanceMap、反映非零系数幅值大小的MostSignificanceBits(MSB)符号流和去除了MSB的剩余二进制符号流。因为Signifi-canceMap和MSB符号流中存在较强相关性,提出了简单有效的Context模型对它们进行熵编码。而对去除了MSB的剩余二进制符号流,由于其相关性较弱,直接使用自适应算术编码。经过实验对比证明了该方案在无失真图象编码中的有效性。

基于Context模型的ECG信号二维压缩

提出一种基于Context模型的ECG信号二维压缩方案.通过模极大检测和循环匹配识别R波特征,自动构建ECG图像,并根据心动周期信息制作编码数据图,之后对ECG图像进行一维离散小波变换和带截止区均匀量化,量化系数被分解为重要位置图、符号流、最高位位置流和剩余比特流,最后结合编码数据图进行基于Context模型的自适应算术编码.实验针对MIT-BIH心律失常数据库的两个数据集进行压缩.压缩比为20时,新方案的百分均方根误差分别为2.93%、4.31%,低于JPEG2000压缩方案的3.26%、4.8%.结果表明新方案优于其它ECG压缩算法.

应用小波域三维Context模型的视频图像去噪

考虑视频图像序列的各帧之间具有较强的相关性,提出了一种基于三维小波变换和分块Context模型的视频去噪新方法(3DWTBCM)。3DWTBCM法基于视频图像三维小波分解域内系数和噪声分布的特征,利用小波系数具有局部相关性对其进行分块,将系数分解成各个局部区域。然后,将Context模型用于局部块中,按照能量分布将块内的小波系数分成多个子块。对各部分进行能量估计和多阈值估计,获得去噪最佳阈值,并有效地消除噪声。实验结果表明,3DWTBCM的噪声抑制效果明显优于各种2D去噪方法和其他常用的3D去噪声方法,PSNR平均提高0.5～1.2dB。而且从视觉效果来看,本文算法在去除噪声的同时,较好地保留了运动图像细节,运动物体显得比较平滑,不存在传统算法中的拖影、闪烁等现象。

Context-Aware信息检索技术与模型

Context-aware信息检索技术是一种具有自适应性和自组织性的智能信息检索技术,而且是富有挑战性的研究方向。文章首先叙述了与Context-aware相关的基本概念及实现的基本原理,接着介绍了基于不同Context信息的检索模型,并且讨论了各种模型的实现技术及适用范围。

基于Contourlet域Context模型的磁共振图像去噪方法

磁共振图像(MRI)广泛地应用在医学诊断上,但由于噪声的影响存在,一些重要的信息被淹没。目前,人们把小波应用在磁共振图像的去噪上,但是由于小波方向性不足,常用的一些经典方法门限选择不够恰当,造成处理后,图像纹理特征被弱化,图像边缘变得模糊。本文利用contour-let变换,构建context模型,来实现磁共振图像的去噪。仿真实验结果表明,本方法是有效可用的,与其它方法比较,具有更高的PSNR值和较优的视觉效果。

基于改进K均值的Context量化模型

为了提高图形编码系统压缩性能,可以通过使用Context模型来得到当前所要编码符号的概率。但是事实证明由于高阶Context模型很难在统计中有效收敛于信号的真实分布,结果使得编码效果降低,这就是所谓的"模型代价"问题。为了解决这一问题,一种有效的方法就是对高阶Context模型进行量化。由于Context量化问题与一般矢量量化问题相似,可以在设定合适的失真度量准则的条件下,使用聚类算法来实现Context量化。目前,K均值是使用比较广泛的一种聚类算法,但K均值算法必须具有确定的类数和选定的初始聚类中心。但在实际中,K均值往往难以准确界定,从而导致了聚类效果不佳。基于此,为了找到最佳的聚类数,本文提出采用聚类有效性函数来改进K均值聚类算法。

基于Surfacelet变换的3D Context模型视频去噪新方法

本文将3D Context模型应用于Surfacelet变换域,提出一种新的视频去噪方法.Surfacelet变换(ST)是一种新的3D变换,具有多方向分解、各向异性和低冗余度等性质.根据视频信号ST域内系数和噪声分布的特征,将2DContext模型拓展到3D,按照能量分布将ST系数分成多个子块,每个子块有独立的能量和阈值估计.实验结果表明,本文算法噪声抑制效果明显优于分层2D去噪声方法和其它现有的3D方法,去噪视频的PSNR值提高了约2dB.从视觉效果来看,本文算法在去除噪声的同时,能很好的保留视频图像细节,运动物体非常平滑,有效解决传统算法中存在的拖影、闪烁等问题,尤其适合于包含剧烈运动和丰富纹理图像的视频.

基于MCA和Context模型结合的磁共振图像去噪

在噪声污染的磁共振图像中,运用MCA和Context模型结合的算法进行处理,以达到尽可能完全滤除噪声的目的。该方法的主要思想是用MCA方法将图像分离成两个部分,分别采用二进小波和Context模型对这两部分进行处理。仿真实验结果表明,本方法是有效可用的,提高了图像的视觉效果,具有更高的PSNR值。

基于Context模型与Wiener滤波的小波变换图像去噪方法

在分析图像小波分解系数分布特征的基础上提出了一种基于Context模型与Wiener滤波的小波变换图像去噪算法。算法利用Context模型建立小波分解后系数的分类模型,并对不同尺度和方向的小波分解系数根据分类使用不同的阈值去噪。实验表明,本方法能较好的去除图像噪声和保留图像细节信息,在提高去噪图像信噪比和改善主观视觉效果方面都表现出了良好的性能。

基于Context Capture软件的倾斜实景三维模型制作技术探讨

首先,介绍了倾斜摄影测量技术,并对带状数据空中三角测量环节遇到的问题进行了分析,给出了切实可行的解决方案;其次,对模型生产环节的相关参数进行了说明;最后,对模型成果精度进行了统计。分析统计数据可知,基于ContextCapture软件生产的三维模型成果精度可以满足1∶500地形图精度要求,可为大比例尺地形图采集提供一种可靠高效的作业方式。

基于Context模型的非下采样Contourlet变换域图像去噪方法

提出一种基于Context模型的自适应非下采样Contourlet变换域图像去噪方法 (NSCTCM)。将Context模型应用于NSCT的局部区域中,对各部分进行能量估计和多阈值估计,获得去噪最佳阈值,可有效消除噪声。

基于动态规划和描述长度的Context模型量化

在信源编码中熵编码已经广泛应用，而基于Context建模的熵编码可以有效的利用信源序列中条件概率问的相关性使信源编码码长变短。为了使Context模型中的条件概率分布更加快速有效的收敛于信源的实际概率分布，本文用动态规划算法按照描述长度最短的原则对已经建立的Context模型中的每个条件概率分布进行划分合并。实验证明此方法可以在多值信源的Context量化器设计中判别各个条件的重要性，从而自适应确定Context模型量化的最优阶数，还能提高编码率。

基于Context模型的局部阈值小波图像去噪

本文基于小波阈值去噪的基本理论,提出了一种基于Context模型的自适应小波去噪算法。该方法利用Context模型建立图像小波变换后的系数分类模型并根据分类使用不同的阈值去噪。实验结果表明本文提出的算法无论是PSNR值还是视觉效果,都大大优于传统算法。

基于词频差异特征选取的Context Graph算法改进

为了解决传统主题爬虫效率偏低的问题,在分析了启发式网络爬虫搜索算法Context Graph的基础上,提出了一种改进的Context Graph爬虫搜索策略。该策略利用基于词频差异的特征选取方法和改进后的TF-IDF公式对原算法进行了改进,综合考虑了网页不同部分的文本信息对特征选取的影响,及特征词的类间权重和类中权重,以提高特征选取和评价的质量。实验结果表明,与既定传统方法进行实验对照,改进后的策略效率更高。

基于上下文保持能力的方面级情感分类模型

方面级情感分类可发现语句在不同方面隐藏的情感特征.文中基于特定方面的图卷积网络的框架,构建基于上下文保持能力的方面级情感分类模型.在图卷积层中引入上下文门控单元,整合前一层输出中的有用信息.在基于图卷积网络的模型中加入多粒度注意力计算模块,描述方面词与上下文在情感表达上的相互关系.在5个公开数据集上的实验表明,文中模型在分类准确率和F1宏平均指标上均表现较优.

基于大疆无人机的Context Capture三维实景建模探讨

提出一种利用大疆消费级无人机采集影像,结合Context Capture建立三维实景模型的方案。探讨该方案在外业采集和内业处理时要注意的一些关键技术。通过实际工程项目验证了方案的可行性,为以后类似的工程项目提供借鉴和参考。