期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
一种基于静态小波变换的图像融合算法 被引量:7
1
作者 刘坤 郭雷 +1 位作者 李晖晖 常威威 《计算机工程与应用》 CSCD 北大核心 2007年第12期59-61,共3页
给出了一种基于静态小波多尺度边缘检测的图像融合算法,是一种适用于微光和红外图像融合的多分辨率方法。该方法选择á trous多孔算法为基础,并选取不同尺度参数的LOG算子作边缘检测,利用了图像的多尺度边缘信息确定图像的边缘位置... 给出了一种基于静态小波多尺度边缘检测的图像融合算法,是一种适用于微光和红外图像融合的多分辨率方法。该方法选择á trous多孔算法为基础,并选取不同尺度参数的LOG算子作边缘检测,利用了图像的多尺度边缘信息确定图像的边缘位置进行融合。在小波域中,对高频信息依据边缘检测的边缘点进行融合,对低频信息利用取加权法进行融合,再进行小波逆变换重构融合图像。通过红外和微光图像的融合实验结果表明,该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。 展开更多
关键词 图像融合 边缘检测 静态小波变换 á trous算法 红外图像
下载PDF
一种有效的红外图像融合算法 被引量:3
2
作者 刘坤 郭雷 陈敬松 《火力与指挥控制》 CSCD 北大核心 2010年第6期10-13,16,共5页
给出了一种基于átrous算法红外与可见光图像融合算法,该算法主要针对光谱差异较大以及配准精度较低的这类图像的融合算法。该算法首先对融合图像源进行átrous算法分解;随后,对分解的低频信息利用取加权法进行融合;高频信息首... 给出了一种基于átrous算法红外与可见光图像融合算法,该算法主要针对光谱差异较大以及配准精度较低的这类图像的融合算法。该算法首先对融合图像源进行átrous算法分解;随后,对分解的低频信息利用取加权法进行融合;高频信息首先利用边缘检测技术对不同尺度不同方向的高频信息进行边缘点的加强,然后以区域的空间频率为度量标准得到新的高频系数;最后进行átrous算法重构得到最终的融合图像。通过两组红外和可见光图像的融合实验,结果表明该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。 展开更多
关键词 图像融合 边缘增强 átrous算法 红外图像
下载PDF
基于非下采样Contourlet变换的图像相关去噪 被引量:2
3
作者 唐春菊 刘衍平 《信息与电子工程》 2012年第6期740-743,共4页
针对Contourlet变换不具有平移不变性,在图像去噪中容易产生伪吉布斯现象的情况,本文将具有平移不变性的非下采样Contourlet变换与相关去噪法相结合,采用不同的相关系数归一化方法,用Bayesian阈值代替传统的硬阈值来达到更好的去噪效果... 针对Contourlet变换不具有平移不变性,在图像去噪中容易产生伪吉布斯现象的情况,本文将具有平移不变性的非下采样Contourlet变换与相关去噪法相结合,采用不同的相关系数归一化方法,用Bayesian阈值代替传统的硬阈值来达到更好的去噪效果。实验表明,该方法提高了去噪后图像的峰值信噪比(PSNR),同时,有效保留了图像的纹理信息,避免了伪吉布斯现象,改善了图像的视觉效果。 展开更多
关键词 átrous算法 平移不变性 非下采样CONTOURLET变换 相关去噪 Bayesian阈值
下载PDF
基于à trous算法的MEMS陀螺仪随机漂移建模 被引量:1
4
作者 赵世峰 张海 范耀祖 《中国惯性技术学报》 EI CSCD 2007年第1期96-99,共4页
为了对微小型飞行器上的MIMU(微惯性测量单元)的随机漂移进行补偿,在比较了Mallat算法与à trous算法之后,基于小波变换与多尺度分析方法,提出了多尺度时间序列建模方法,它充分利用了à trous算法的快速性与时间平移不变性,将M... 为了对微小型飞行器上的MIMU(微惯性测量单元)的随机漂移进行补偿,在比较了Mallat算法与à trous算法之后,基于小波变换与多尺度分析方法,提出了多尺度时间序列建模方法,它充分利用了à trous算法的快速性与时间平移不变性,将MEMS陀螺仪随机漂移进行多尺度分解。对各尺度上分解得到的信号进行重建,并对重建得到的各个信号进行时间序列建模。将各尺度时间序列模型的预测输出的和作为陀螺仪的随机噪声估计,对陀螺仪的随机漂移进行补偿。最后的实际数据建模表明该建模方法运算量小、建模速度快、精度高、模型适用性强,有很强的实际应用价值。 展开更多
关键词 多尺度分析 á trous算法 时间序列建模 随机噪声
下载PDF
地震空间活动性异常的多尺度表示及其对强震时空要素的指示作用 被引量:3
5
作者 裴韬 杨明 +3 位作者 张讲社 周成虎 骆剑承 李全林 《地震学报》 CSCD 北大核心 2003年第3期280-290,共11页
基于偄trous小波变换的噪声腜?,通过小波变换与统计显著性检验模型的有机结合 ,产生了数据图象结构的多尺度支撑表示 .这一表示不仅给出了数据结构在不同尺度的形状和位置 ,而且剔除了噪声对结构的影响 .由于相应的算法对数据结构... 基于偄trous小波变换的噪声腜?,通过小波变换与统计显著性检验模型的有机结合 ,产生了数据图象结构的多尺度支撑表示 .这一表示不仅给出了数据结构在不同尺度的形状和位置 ,而且剔除了噪声对结构的影响 .由于相应的算法对数据结构的先验假设要求不高 ,故这一方法适用于分析结构复杂的数据 .本文将该思路用于地震空间活动性的研究 ,重点探讨了如何识别并描述不同尺度地震空间活动性异常的方法 .以我国西南地区松潘、黄龙、龙陵、盐源等典型地震序列为例 ,分析了不同尺度地震空间活动性异常的结构特征 .研究表明 ,地震活动性异常的多尺度空间结构与强震震中之间存在一定的关系 ,而松潘序列前震活动性异常的时空演化也表现出一定的规律 . 展开更多
关键词 地震空间活动性异 小波变换 噪声模型 地震前兆 统计显著性检验模型 数据结构 地震序列
下载PDF
Multi-scale expression of spatial activity anomalies of earthquakes and its indicative significance on the space and time attributes of strong earthquakes 被引量:1
6
作者 裴韬 杨明 +3 位作者 张讲社 周成虎 骆剑承 李全林 《Acta Seismologica Sinica(English Edition)》 CSCD 2003年第3期292-303,共12页
The noise modei based on 6 trous wavelet algorithm produces a multi-scale expression of image through the combination of wavelet transform and a testing modei of statistical significance. This kind of expression not o... The noise modei based on 6 trous wavelet algorithm produces a multi-scale expression of image through the combination of wavelet transform and a testing modei of statistical significance. This kind of expression not only gives the formation and location of image structure on different scales, but also eliminates the influence of noise. Since the algorithm does not need any priori hypotheses, it is suitable for the data with complex structure. The research line is employed in this paper to analyze the spatial activity of earthquake. The method of how to recognize and describe the multi-scale space activity of earthquake is emphatically discussed in this paper. Taking typical sequences in Southwest China as research cases, we systematically study the structure characters of spatial activity of earthquake on different scales. Results show that multi-scale space structure to some extent possesses indicative effect on strong epicenters. And the foreshock anomalies of Songpan seismic sequence also reveal interesting pattern during the spatial-temporal evolvement. 展开更多
关键词 noise model á trous vvavelet algorithm foreshock anomaly seismic sequence
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部