期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一类嵌入式图像检测系统的设计与实现 被引量:3
1
作者 曹毅 王林泽 《计算机工程与科学》 CSCD 北大核心 2010年第1期74-76,共3页
本文设计并实现了针对实验室检测环境的一类嵌入式图像检测系统。该系统基于嵌入式开发平台搭建,通过与开发板连接的USB摄像头采集彩色待检测图像,然后通过分析处理图像的颜色特征来获取检测物的含量等信息。本文针对检测图像的颜色特... 本文设计并实现了针对实验室检测环境的一类嵌入式图像检测系统。该系统基于嵌入式开发平台搭建,通过与开发板连接的USB摄像头采集彩色待检测图像,然后通过分析处理图像的颜色特征来获取检测物的含量等信息。本文针对检测图像的颜色特征和空间结构信息,采用了颜色平衡、特征增强和金字塔分割等图像处理方法。最后,本文以一组液态有色试剂含量检测为例,验证了本图像检测系统的可行性。 展开更多
关键词 嵌入式平台 图像检测 颜色特征 金字塔连接
下载PDF
基于金字塔连接与高斯混合模型算法的层析芯片荧光信号检测 被引量:1
2
作者 胡贝贝 张雪青 +2 位作者 陈昊鹏 崔大祥 刘静 《中国医疗器械杂志》 CAS 2011年第2期83-86,共4页
提出了一种层析芯片荧光信号自动识别的算法。该算法使用基于RGB空间的数学形态学运算方法对图像滤波增强,并采用金字塔连接算法分割图像,然后使用高斯混合模型(GMM)检测荧光信号,最后再计算荧光区域的平均亮度。经实验证明,该算法能将... 提出了一种层析芯片荧光信号自动识别的算法。该算法使用基于RGB空间的数学形态学运算方法对图像滤波增强,并采用金字塔连接算法分割图像,然后使用高斯混合模型(GMM)检测荧光信号,最后再计算荧光区域的平均亮度。经实验证明,该算法能将荧光区域完整地分割出来,并能快速准确地检测出荧光信号,实现层析芯片的定量检测。 展开更多
关键词 层析芯片 荧光信号 图像分割 金字塔连接 高斯混合模型
下载PDF
基于金字塔连接算法的彩色图像分割 被引量:10
3
作者 杜娟 李文锋 《武汉理工大学学报》 EI CAS CSCD 北大核心 2006年第1期112-114,122,共4页
根据金字塔连接算法的特性,提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割,通过合并得到最终分割结果。试验表... 根据金字塔连接算法的特性,提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割,通过合并得到最终分割结果。试验表明,这是一种计算高效的自动分割算法。 展开更多
关键词 彩色图像分割 HSV空间 金字塔连接算法
下载PDF
基于改进密集连接网络的土地卫片场景分类方法
4
作者 吴志斌 《北京测绘》 2024年第9期1341-1345,共5页
为提高土地卫片图像场景识别的效率和精度,本文构建拉普拉斯金字塔-密集连接卷积网络(Lap-DenseNet)模型对土地场景应用进行识别分类,在Lap-DenseNet模型中Lap采用三层金字塔结构,DenseNet模型选用169层结构。将构建好的Lap-DenseNet模... 为提高土地卫片图像场景识别的效率和精度,本文构建拉普拉斯金字塔-密集连接卷积网络(Lap-DenseNet)模型对土地场景应用进行识别分类,在Lap-DenseNet模型中Lap采用三层金字塔结构,DenseNet模型选用169层结构。将构建好的Lap-DenseNet模型应用到含有6种土地场景的卫片分类中,结果显示:Lap-DenseNet模型训练集的迭代次数不宜过多,否则会因为过拟合现象导致分类效果降低,当迭代次数为200次时分类效果最佳;Lap-DenseNet模型对农村道路分类效果最好,对以绿色背景为主的耕地复耕、未建设用地、农用地复绿分类效果较差,6种场景的平均分类准确率为93.66%;与谷歌卷积网络(GoogLeNet)、快速特征嵌入卷积网络(CaffeNet)、基于密集连接的双流深度特征融合卷积网络(TEX-TS-Net)、基于VGG16的附加资源卷积网络(ARCNet-VGG16)、基于Inception-v3的胶囊卷积网络(Inception-v3-CapsNet)、基于全局上下文空间注意和密集连接的卷积网络(GCSANet)共6种场景分类方法相比,Lap-DenseNet模型的分类效果最好,可在土地卫片场景分类工作中予以合理运用。 展开更多
关键词 土地卫片 场景分类 拉普拉斯金字塔-密集连接卷积网络(Lap-DenseNet)模型 迭代次数 分类准确率
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部