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
共找到10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：
基于人工神经网络的多源信息融合技术研究 被引量：3
1
作者 贺养慧 周海英 《电脑知识与技术》 2009年第1期149-150,共2页
随着科技的飞速发展，多媒体、各种信息源获得的图像数据信息量大、范围广、冗余大，面对如此庞大的数据，要想更合理、高效地利用，必须对这些海量数据进行融合，所以多源信息融合技术成为各个领域的研究热点。人工神经网络由大量互联... 随着科技的飞速发展，多媒体、各种信息源获得的图像数据信息量大、范围广、冗余大，面对如此庞大的数据，要想更合理、高效地利用，必须对这些海量数据进行融合，所以多源信息融合技术成为各个领域的研究热点。人工神经网络由大量互联的处理单元连接而成，跟人的认知处理过程及其相似，具有很强的自学习能力，对不确定的各事物进行关联，以获得对同一事物或目标的更客观、更本质认识的综合信息。基于人工神经网络的多源信息融合技术，结合双方的特点与优势，经过实验证明，融合后的图像效果良好。 展开更多
关键词 多源遥感图像 人工神经网络 多源信息融合技术
下载PDF
师范类专科学生计算机操作和应用能力的现状与分析 被引量：1
2
作者 贺养慧 张瑜 《湖北函授大学学报》 2012年第6期107-108,共2页
师范类学生的计算机操作和应用能力是最基本的信息素养,主要包括计算机基础知识、课件制作工具、多媒体技术软件和网络及应用四个方面。通过对某师范专科学校学生的随机抽查,分阶段上机测试及详细的统计和分析,结果表明学生的计算机操... 师范类学生的计算机操作和应用能力是最基本的信息素养,主要包括计算机基础知识、课件制作工具、多媒体技术软件和网络及应用四个方面。通过对某师范专科学校学生的随机抽查,分阶段上机测试及详细的统计和分析,结果表明学生的计算机操作和应用能力现状不容乐观。存在的主要问题是现代信息技术环境不够完善,师生的信息技术学习意识不强,课程建设和培养模式守旧。 展开更多
关键词 师范专科生 计算机操作和应用能力 调查分析
下载PDF
一种基于多通道滤波的曲波变换图像融合算法
3
作者 贺养慧 《吕梁学院学报》 2012年第2期13-17,共5页
鉴于传统小波变换融合算法容易出现分块效应、地物纹理模糊、丢失源图像部分细节等缺陷,提出一种基于多通道滤波的曲波变换图像融合算法.首先利用多通道滤波原理保留源图像丰富的纹理特征,再对图像进行小波分解得到高、低频分量,接着对... 鉴于传统小波变换融合算法容易出现分块效应、地物纹理模糊、丢失源图像部分细节等缺陷,提出一种基于多通道滤波的曲波变换图像融合算法.首先利用多通道滤波原理保留源图像丰富的纹理特征,再对图像进行小波分解得到高、低频分量,接着对各分量作局部脊波变换进行融合,最后经过曲波逆变换得到完整的重构图像.以SPOT XS3源图像与SPOT全色源图像为例进行融合实验,结果表明,该算法得到的融合结果从视觉和定量分析上都优于传统的小波融合算法. 展开更多
关键词 多通道滤波 曲波变换 图像融合算法
下载PDF
基于地质统计学的多源遥感信息融合研究
4
作者 贺养慧 《电脑开发与应用》 2012年第4期6-8,共3页
在地质统计学的概念及相关理论的基础上,分析了多源遥感信息的特点及分类。将地质统计学引入遥感信息融合中,按时序获取不同传感器的观测信息并依据相关准则进行自动分析,完成了多传感器的状态估计和决策的信息处理过程。利用地质统计... 在地质统计学的概念及相关理论的基础上,分析了多源遥感信息的特点及分类。将地质统计学引入遥感信息融合中,按时序获取不同传感器的观测信息并依据相关准则进行自动分析,完成了多传感器的状态估计和决策的信息处理过程。利用地质统计学的变差函数和克里金法对多源遥感信息进行空间特征的融合,提高了遥感信息的使用率,达到了准确预测和估计地质状态的目的。 展开更多
关键词 地质统计学 遥感信息 信息融合 变差函数 克里金插值
下载PDF
基于加权聚焦度的多焦点图像融合算法 被引量：1
5
作者 贺养慧 《兵工自动化》 2018年第3期52-59,共8页
为保留更多的源图像信息特征,克服基于梯度等融合算法容易产生伪影的缺陷,提出一种基于加权聚焦度的图像融合算法。计算每个源图像的聚焦度量值空间频率、改进的修正拉普拉斯算子和和梯度加权和,得到聚焦状态图M_(SF)、M_(i-SML)和M_(So... 为保留更多的源图像信息特征,克服基于梯度等融合算法容易产生伪影的缺陷,提出一种基于加权聚焦度的图像融合算法。计算每个源图像的聚焦度量值空间频率、改进的修正拉普拉斯算子和和梯度加权和,得到聚焦状态图M_(SF)、M_(i-SML)和M_(SoG),根据隶属函数求出相应隶属度值μ_(SF)(z)、μ_(i-SML)(z)和μ_(SoG)(z),得到各源图像的权重,根据线性归一法生成最终的融合图像,并将该算法与当前几种典型图像融合算法进行主客观评价。结果表明:该算法的标准偏差(σ)高出4.699,平均梯度(G)高出0.382,信息熵(H)也是最高的,其他评价参数也在可接受的范围内,融合图像更清晰,没有产生伪影。 展开更多
关键词 多焦点 图像融合 加权聚焦度
下载PDF
基于蓝墨智能云教学平台的项目式教学设计应用实践 被引量：1
6
作者 贺养慧 《黑龙江生态工程职业学院学报》 2020年第3期129-132,共4页
针对高职院校传统教学模式的各种弊端,提出基于蓝墨智能云教学平台的项目式新型教学模式,并抽取了普通班和实验班,以C程序设计中的"switch语句的使用"一课为例进行实验。从课堂表现、学生满意度调查、课后作业和测试等四方面... 针对高职院校传统教学模式的各种弊端,提出基于蓝墨智能云教学平台的项目式新型教学模式,并抽取了普通班和实验班,以C程序设计中的"switch语句的使用"一课为例进行实验。从课堂表现、学生满意度调查、课后作业和测试等四方面进行评价,结果显示实验班学生比普通班积极活跃,综合成绩高出34%,效果很明显,表明该教学模式是可行的。 展开更多
关键词 MOOCs 项目式教学 教学设计
下载PDF
基于边缘保护滤波的多聚焦图像融合算法
7
作者 贺养慧 《佳木斯职业学院学报》 2019年第9期192-193,共2页
针对当前现有的多聚焦图像的融合算法存在的诸多弊端,如关于未含有噪声的源图像的假设,或者在高频滤波的时候破坏了边缘特征等,本文提出了一种基于边缘保护滤波的图像融合算法。首先分析图像细节部分的特征各向异性,建立了可以同时去噪... 针对当前现有的多聚焦图像的融合算法存在的诸多弊端,如关于未含有噪声的源图像的假设,或者在高频滤波的时候破坏了边缘特征等,本文提出了一种基于边缘保护滤波的图像融合算法。首先分析图像细节部分的特征各向异性,建立了可以同时去噪和融合的能量函数,再应用图像特征加权的融合规则,构建了基于能量函数的迭代求解方案。通过实验研究发现,该算法产生的残留噪声较少,结构的相似度与视觉融合水平均得到显著提高。 展开更多
关键词 边缘保护 多聚焦图像融合 算法研究
下载PDF
面向对象的多尺度图像配准算法
8
作者 贺养慧 《太原师范学院学报（自然科学版）》 2015年第4期63-67,共5页
图像配准技术是各种图像处理中必不可少的重要环节.文章提出一种面向对象的多尺度图像配准算法,该算法将面向对象技术和区域增长分割法相结合,得到理想的特征点;然后利用最小绝对值误差法,并采用双向匹配策略对特征点逐一配对,形成GCP集... 图像配准技术是各种图像处理中必不可少的重要环节.文章提出一种面向对象的多尺度图像配准算法,该算法将面向对象技术和区域增长分割法相结合,得到理想的特征点;然后利用最小绝对值误差法,并采用双向匹配策略对特征点逐一配对,形成GCP集;最后利用放射变换和双线性插值法完成图像的纠正得到最终的配准图像.利用ENVISAT图像和Landsat图像获取的苏州某区域的相关数据进行实验并做了详细的客观评价,证明该算法切实可行,获取到的配准图像清晰,精确度达97%以上. 展开更多
关键词 面向对象 多尺度 图像配准
下载PDF
基于局部目标特征提取和NSCT变换的多聚焦图像融合算法
9
作者 贺养慧 《西安文理学院学报（自然科学版）》 2018年第4期45-49,共5页
使用多聚焦图像融合(Multi focus image fusion,MFIF)方法的最终目的是增加LR多聚焦图像中的高频成分,该方法采用低分率(low resolution,LR)多聚焦图像恢复技术让高分辨率(high resolution,HR)多聚焦图像恢复.在IEDCNN参考模型的基础上... 使用多聚焦图像融合(Multi focus image fusion,MFIF)方法的最终目的是增加LR多聚焦图像中的高频成分,该方法采用低分率(low resolution,LR)多聚焦图像恢复技术让高分辨率(high resolution,HR)多聚焦图像恢复.在IEDCNN参考模型的基础上采用多聚焦图像融合模型,并利用局部目标特征提取和NSCT变换相结合的动态模型结构,还在图像融合时引入了蚁群算法.经过实验表明:本文采用的方法比IEDCNN更具优势,尤其是图像融合效果,清晰度更佳,同时也让振铃效应得到了有效的抑制. 展开更多
关键词 多聚焦图像 图像融合 局部目标特征提取 NSCT变换
下载PDF
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
使用帮助 返回顶部