-
题名利用HSV空间的双通道同态滤波真彩图像增强
被引量：20
- 1
-
-
作者
韩丽娜
熊杰
耿国华
周明全
-
机构
西北大学可视化技术研究所
咸阳师范学院信息工程学院
北京师范大学信息科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2009年第27期18-20,58,共4页
-
基金
国家自然科学基金No.60573179~~
-
文摘
在RGB空间中分别对真彩图像的三个通道进行增强能够很好地压缩图像动态范围,但往往会产生色彩偏离。文章提出先将真彩图像由RGB空间变换到HSV空间,进行色度、饱和度和亮度分离,然后对饱和度通道进行巴特沃斯同态滤波增强,对亮度通道进行高斯同态滤波增强,除此之外,研究了同态滤波中高通滤波器截止频率如何确定的问题,并解释了同态滤波器中的比例系数。实验证实,增强后的真彩图像色彩基本无偏差,图像动态范围压缩良好。
-
关键词
真彩图像
色相、饱和度、明度(HSV)空间
同态滤波
巴特沃斯高通滤波器
高斯高通滤波
截止频率
比例系数
-
Keywords
real-color image
Hue Sataration Value（HSV） space
homomorphic filtering
Butterworth high-pass filter
Gaussian high- pass filter cut-off frequency
ratio coefficient
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于自适应频域滤波的红外弱小目标检测技术
被引量：3
- 2
-
-
作者
张华良
谢永杰
张颂
赵岩
焦姣
-
机构
西北核技术研究所
-
出处
《应用光学》
CAS
CSCD
北大核心
2015年第4期630-634,共5页
-
文摘
研究复杂背景下弱小目标检测问题对提高靶场光电设备探测能力具有重要意义。根据红外图像的背景复杂程度,提出一种自适应高斯高通滤波算法。该算法利用改进中值滤波器对图像进行降噪,采用图像方差加权熵,定量描述红外图像背景复杂程度,根据图像背景复杂程度自动调整滤波器截止频率,实现不同背景下红外弱小目标自动检测,并利用靶场实测光电图像对算法进行了验证。实验结果表明该算法能够有效地在不同图像背景下检测到弱小目标。
-
关键词
弱小目标检测
复杂背景
高斯高通滤波
方差加权熵
-
Keywords
dim and small target detection
complex background
Gaussian high-pass filters
variance-weighted information entropy
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名局部二进制模式与小波特征融合的掌纹识别
被引量：3
- 3
-
-
作者
张亚莉
李云峰
-
机构
河南科技大学机电工程学院
-
出处
《计算技术与自动化》
2010年第1期102-105,共4页
-
文摘
针对利用单一方法进行掌纹图像识别所得的识别率难以提高这一情况,提出一种利用掌纹图像经高斯高通滤波后的局部二进制模式特征和三级小波分解的细节图像的能量特征的融合特征进行掌纹识别的方法。在提取图像的局部二进制模式特征的时候,通过高斯高通滤波增强图像的对比度,从而提取出更有效的局部二进制模式特征,该特征对光照的变化具有一定的鲁棒性;小波变换的细节图像能量数据反映不同频率成分的局部细节特征。实验结果表明所提出的掌纹识别方法的有效性。
-
关键词
掌纹识别
特征融合
局部二进制模式
小波变换
高斯高通滤波
-
Keywords
palmprint recognition
feature fusion
LBP
wavelet transform
gaussian high--pass filtering
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于高通滤波及LBP主成分特征的一种掌纹识别方法
被引量：2
- 4
-
-
作者
张亚莉
李云峰
陈红涛
-
机构
河南科技大学机电工程学院
-
出处
《自动化技术与应用》
2010年第4期16-18,26,共4页
-
文摘
本文用高斯高通滤波对图像进行预处理,然后用LBP方法提取掌纹图像特征,最后用PCA法降低特征维数。高斯高通滤波的作用在于增强图像对比度,使其具有更为明显的区分信息;图像的LBP特征具有抗旋转能力强,不受每次采集图像时光照不同的影响等优点;PCA能够提取特征矩阵的主成分。试验证明此方法具有较好的特征提取能力,得到了较高的识别率。
-
关键词
掌纹识别
LBP
PCA
高斯高通滤波
-
Keywords
palmprint recognition
LBP
PCA
gauss highpass filter
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
