公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于支持向量回归的无参考模糊和噪声图像质量评价方法被引量：10: 2014年; 基于支持向量回归(SVR)和图像奇异值分解,提出了一种新的无参考(NR,no-reference)模糊和噪声图像质量评价(IQA)方法。首先通过对待评价图像进行高斯低通滤波生成再模糊图像,然后分别对它们进行奇异值分解并计算奇异值的改变量,最后使用奇异值的改变量作为SVR的输入,训练预并测得到图像的质量评分。在3个公开的模糊和噪声数据库上的实验结果表明,新方法预测得分与主观得分有较好的一致性,获得了较好的评价指标;对于模糊失真类型和噪声失真类型,在LIVE2数据库上的性能评价指标斯皮尔曼等级相关系数(SROCC)分别达到0.961 3和0.965 9。; 桑庆兵梁狄林吴小俊李朝锋; 关键词：无参考奇异值分解

协作式整体和局部的分类机被引量：1: 2011年; 提出了一种协作式整体局部分类算法,即C2M(Collaborative classification machine with local and global information),该算法利用两类样本各自的协方差作为整体方向信息,获得两个带整体和局部信息的分类面,并通过组合分类器的平均规则将两个分类面组合,得到最终的最优判决平面.该算法可用两次QP(Quadratic programming)求解,时间复杂度为O(2N3),大大小于M4(Maxi-min margin machine)的O(N4),线性核时的分类精度高于只利用了局部信息的支持向量机(Support vector machine,SVM).理论上证明了在交遇区较多时,C2M可以比M4更有效地利用全局信息,并提出了判断整体信息对分类是否有贡献的4个判别指标.模拟数据和标准数据集上与M4和SVM的对比实验证明了该算法的有效性.; 张战成王士同钟富礼; 关键词：支持向量机

一种支持向量机的快速分类算法被引量：8: 2012年; 鉴于传统支持向量机分类过程的计算量和支持向量的个数成正比,为了提高分类决策的速度,提出一种约简支持向量的快速分类算法,该算法对原始的支持向量进行特定比例的模糊均值聚类操作,按照分类误差最小的原则构建最小线性二乘回归模型,求解新的支持向量系数和决策函数的偏置.人造数据集和标准数据集上的实验表明,约简50%支持向量后,可以在保持分类精度在无统计意义的明显损失的前提下,使得分类速度提高50%.; 张战成王士同邓赵红钟富礼; 关键词：支持向量机

基于奇异值分解的无参考模糊图像质量评价方法被引量：2: 2013年; 提出了一种针对模糊图像的无参考图像质量评价算法。首先,对图像进行高斯低通滤波变换产生参考图像,其次对高斯低通滤波前后的图像分别进行奇异值分解,然后构造公式计算图像高斯滤波前后的奇异值改变量作为图像的特征向量,最后应用广义回归神经网络模型对图像的特征向量进行训练学习,得到图像的模糊值。在3个图像数据库上的大量实验结果表明,新方法计算简单。预测得分与主观得分有较好的一致性,取得了比较好的评价指标。; 殷莹; 关键词：奇异值分解广义回归神经网络模糊图像

基于白化PCA图像重构的特征补偿人脸识别新方法被引量：8: 2015年; 针对基于主成分分析(principal component analysis,PCA)方法在特征提取过程中丢弃高阶统计信息的缺陷,提出了一种基于图像重构的特征补偿人脸识别算法。首先利用白化PCA方法提取原始图像特征,对图像进行重构并计算残差图像;然后对残差图像进行白化PCA特征提取,并将其作为第一次提取特征的有效补偿以得到新的特征;最后用最近邻分类器进行识别分类。在ORL、YALE、XM2VTS和AR人脸数据库上的实验结果验证了算法的有效性。; 陈素根尹贺峰; 关键词：人脸识别主成分分析图像重构特征提取

基于梯度结构相似度的无参考模糊图像质量评价被引量：27: 2013年; 在对模糊图像边缘膨胀后进行边缘膨胀块提取的基础上,提出一种基于梯度结构相似度(GSIM)的无参考模糊图像质量评价方法(NRGSIM)。首先,将原始模糊图像经过低通滤波生成再模糊图像;之后,将原始模糊图像生成的边缘膨胀图像进行8×8分块,并将子块划分为边缘膨胀块和平滑块;然后,计算原始模糊图像和再模糊图像中所有对应到边缘膨胀图中边缘膨胀块的相应子块的GSIM;最后,平均得到整幅图像的模糊值。在4个数据库上实验结果表明,本文方法评价结果合理、稳定,更加符合人类视觉特性,与主观评分有较好的一致性,而且计算简单,取得了很好的评价效果,LIVE2数据库上的SROCC指标达到0.964 1。; 桑庆兵苏媛媛李朝锋吴小俊; 关键词：无参考

香农熵加权稀疏表示图像融合方法研究被引量：9: 2014年; 针对传统稀疏表示同步超分图像融合模型中对于LL(Low-low frequency)、LH(Low-high frequency)、H(High frequency)三部分等比例加权,不能突出重点信息之不足,本文提出一种香农熵多视角加权稀疏表示同步超分图像融合方法.该方法引入香农熵加权技术,针对LL、LH、H三部分根据图像特征进行自适应加权,突出重点频率段的影响,从而提高了图像融合的效果.在多组不同类型图像上进行了实验,实验结果表明所提方法无论从融合视觉效果还是评价指标上均显示出有效性.; 李奕吴小俊; 关键词：图像融合

一种面向机动目标跟踪的交互式多模型算法被引量：1: 2017年; 针对在传感器可能偏差的情况下进行机动目标跟踪,提出一种新的交互式多模型算法,即IMM-TS-EV算法。该算法同时考虑传感器测量模型与目标运动模型这两类模型的多样性,以此处理传感器偏差性与目标机动情况。但由于考虑两类模型可能会造成模型过多而导致性能衰退,故结合扩展维特比(EV)算法以期望能有效缓解该问题,即新算法属于一种同时考虑两类模型的改进交互式多模型扩展维特比(IMM-EV)算法。最后以仿真结果验证了算法的有效性,能够利用多模型特点同时解决传感器的偏差性与目标的机动性所带来的匹配问题。; 王美健吴小俊; 关键词：机动目标跟踪传感器模型

基于广义回归神经网络无参考模糊图像质量评价被引量：5: 2013年; 提出一种基于广义回归神经网络的无参考模糊图像质量评价方法。该方法首先通过相位一致变换生成待评测图像的相位一致图像,然后利用灰度共生矩阵计算相位一致图像的信息熵、能量、对比度、相关性和同质性5个特征,最后利用广义回归神经网络模型训练学习,预测得到无参考模糊图像质量得分。在3个公开数据库模糊图像上的实验结果表明,新方法预测得分与主观得分有较好的一致性,更加符合人类视觉特性。; 殷莹; 关键词：广义回归神经网络相位一致灰度共生矩阵

全选清除导出

共1页<1>

国家自然科学基金(61103128)