您的位置: 专家智库 > >

殷骏

作品数:11 被引量:114H指数:7
供职机构:南京航空航天大学电子信息工程学院更多>>
发文基金:国家自然科学基金江苏高校优势学科建设工程资助项目中国航空科学基金更多>>
相关领域:电子电信自动化与计算机技术理学机械工程更多>>

文献类型

  • 11篇中文期刊文章

领域

  • 8篇电子电信
  • 3篇自动化与计算...
  • 2篇机械工程
  • 2篇理学
  • 1篇医药卫生

主题

  • 7篇图像
  • 4篇灰度
  • 3篇图像融合
  • 3篇子群
  • 3篇自适
  • 3篇自适应
  • 3篇阈值
  • 3篇下采样
  • 3篇粒子群
  • 3篇粒子群优化
  • 3篇灰度熵
  • 3篇CONTOU...
  • 3篇采样
  • 2篇图像处理
  • 2篇全息
  • 2篇群算法
  • 2篇人工蜂群
  • 2篇人工蜂群算法
  • 2篇自适应增强
  • 2篇阈值分割

机构

  • 11篇南京航空航天...
  • 2篇南昌航空大学
  • 2篇中国水产科学...
  • 1篇江南大学
  • 1篇南京财经大学
  • 1篇南京信息工程...
  • 1篇中国人民解放...

作者

  • 11篇吴一全
  • 11篇殷骏
  • 3篇朱丽
  • 1篇叶志龙
  • 1篇沈毅
  • 1篇王凯
  • 1篇毕硕本

传媒

  • 2篇中国激光
  • 2篇光子学报
  • 1篇系统工程与电...
  • 1篇农业工程学报
  • 1篇数据采集与处...
  • 1篇华南理工大学...
  • 1篇应用科学学报
  • 1篇信号处理
  • 1篇浙江大学学报...

年份

  • 3篇2015
  • 5篇2014
  • 3篇2013
11 条 记 录,以下是 1-10
排序方式:
基于蜂群优化或分解的二维Arimoto灰度熵阈值分割
2015年
现有的Arimoto熵阈值法未考虑图像目标和背景的类内灰度均匀性,为此提出基于蜂群优化和基于分解的二维Arimoto灰度熵阈值分割方法.定义Arimoto灰度熵,导出二维Arimoto灰度熵阈值法,分别利用基于蜂群优化和基于分解的方法求解最佳阈值.基于蜂群优化方法给出中间变量的快速递推公式,利用改进的人工蜂群(MABC)优化算法搜索最佳阈值,减少迭代时适应度函数中的冗余运算.基于分解方法将求解二维Arimoto灰度熵阈值法的运算转化到2个一维空间,进一步降低计算复杂度.实验结果表明:与近年来提出的3种同类方法相比,所提出方法的分割性能更优,分割后图像中目标完整、边缘纹理清晰,具有良好的抗噪性.同时,所提出的方法运行速度快,有望满足实际系统对分割的实时处理要求.
吴一全殷骏朱丽袁永明
关键词:图像处理阈值分割快速递推算法
基于改进梯度投影NMF和复Contourlet变换的遥感图像融合被引量:6
2014年
为了尽可能地保留全色图像的空间信息和多光谱图像的光谱信息,提出了一种基于改进梯度投影非负矩阵分解和复Contourlet变换的遥感图像融合方法.首先,以多光谱图像的强度分量图像为标准,对全色图像做直方图匹配,得到新的全色图像;然后,利用复Contourlet变换分别分解多光谱图像的强度分量图像和新的全色图像,得到各自对应的低频分量和高频分量;接着,对两幅低频分量图像采用改进梯度投影的非负矩阵分解作为融合规则获取新的低频分量,并对两幅高频分量图像使用系数绝对值较大法获取新的高频分量;最后,通过逆复Contourlet变换和逆色调-饱和度-强度变换获得融合后的图像.大量实验结果表明,与HSI方法、NMF与无下采样Contourlet变换结合的方法以及提升小波变换与HSI结合的方法相比,本文方法获得的融合图像具有更高的空间分辨率和更多的光谱信息.
吴一全沈毅殷骏
关键词:遥感图像融合梯度投影HSI变换
基于非下采样Shearlet和WNMF的红外热波图像融合被引量:8
2014年
提出了基于非下采样Shearlet变换和加权非负矩阵分解的红外热波图像融合方法.红外热波序列图像经非下采样Shearlet变换后,采用动态加权非负矩阵分解算法对低频系数进行融合处理.该算法的加权系数依据图像像素突变度动态调整,以突出红外热波图像的缺陷区域;高频系数则采取基于区域改进拉普拉斯能量和的融合策略,以保持缺陷的边缘细节.实验结果表明,本文方法在主观视觉效果及边缘保持度、相关度、运行时间三种客观定量评价指标中,融合性能更优,具有快速、有效等优点,能更完整和清晰地保持红外热波图像的边缘轮廓.该方法可有效地应用于多幅红外热波序列图像的融合中,在红外热波无损检测领域具有较高的实用价值.
吴一全殷骏曹照清
关键词:无损检测图像融合
基于人工蜂群优化的NSCT域图像模糊集增强方法被引量:9
2015年
针对实际应用中所采集的图像对比度低、边缘细节模糊的问题,提出了基于非下采样Contourlet变换(NSCT)、模糊集、人工蜂群(ABC)优化的自适应图像增强方法.首先对输入图像进行NSCT分解,得到一个低频子带和多个高频子带;然后依据贝叶斯萎缩阈值和非线性增益函数增强高频子带系数,采用模糊增强法增强低频子带系数,并利用ABC算法优化其中的模糊参数,以提高模糊增强法的自适应性;接着用低频子带图像的信息熵作为ABC算法的适应度函数,同时引入较劣种群随机初始化策略改进ABC算法,以缩短增强方法的运行时间.文中采用该增强方法对淡水鱼、铁轨表面、储粮害虫3类图像进行了增强实验,并依据主观视觉效果和对比度增益、清晰度增益、信息熵3个客观定量评价指标,对文中方法及其他3种同类增强方法进行了比较.结果表明,所提出的方法视觉效果最佳,能提高图像的对比度和清晰度,目标边缘光滑,且增加了图像的信息量,便于后续准确地进行图像检测与识别.
吴一全殷骏戴一冕
关键词:非下采样CONTOURLET变换模糊集人工蜂群算法非线性增益自适应增强
二维Arimoto灰度熵阈值分割被引量:4
2014年
针对近年提出的二维Arimoto熵阈值分割方法只依赖图像灰度级出现的频数信息,而未考虑图像类内灰度均匀性这一问题,提出了基于灰度-梯度直方图的二维Arimoto灰度熵阈值分割方法.首先,在Arimoto熵的基础上直接考虑图像类内灰度均匀性,构建出一维Arimoto灰度熵阈值选取公式;结合灰度-梯度二维直方图目标与背景区域划分方式,推导出二维Arimoto灰度熵阈值选取公式;通过阈值选取函数所涉及中间变量的递推计算公式来消除冗余计算;采用基于Tent映射的混沌序列对人工蜂群算法的局部搜索阶段进行改进,以改进后的蜂群优化算法来加快图像分割最佳阈值的搜索速度,大大减少了时间花费.大量的典型图像对比实验结果表明,所提出的方法能够快速而准确地实现图像分割,且总体效果优于二维Shannon熵、二维Tsallis灰度熵和二维Arimoto熵阈值分割方法.
吴一全曹鹏祥王凯殷骏
关键词:阈值选取人工蜂群算法TENT映射混沌
最大倒数熵/倒数灰度熵多阈值选取被引量:16
2013年
现有的基于Shannon熵的阈值选取方法存在无定义值和零值的缺陷,并且没有考虑目标和背景类内灰度的均匀性。为此,本文针对多目标(背景)图像分割问题,提出了基于最大倒数熵/倒数灰度熵和自适应双粒子群优化(Adaptive Chaotic Variation Particle Swarm Optimization,ACPSO)的多阈值选取方法。首先将最大倒数熵单阈值选取推广到多阈值选取;然后定义了倒数灰度熵,导出了基于最大倒数灰度熵的单阈值和多阈值选取公式;最后给出最大倒数熵/倒数灰度熵多阈值选取的ACPSO算法步骤,实现对多个阈值快速精确地寻优。实验结果表明,与现有的同类方法—基于最大Shannon熵和粒子群优化(Particle Swarms Optimization,PSO)的多阈值选取方法相比,本文提出的方法有明显的优势,已应用于红外弱小目标检测中的阈值分割和卫星云图识别中的数字云图分割,取得了极佳的分割效果。
吴一全殷骏毕硕本
关键词:图像分割阈值选取多阈值
基于蜂群优化多核支持向量机的淡水鱼种类识别被引量:43
2014年
为了准确地进行淡水鱼种类自动识别,利用计算机视觉技术,提出了一种基于Krawtchouk矩、灰度共生矩阵、蜂群优化多核最小二乘支持向量机(least squares support vector machine,LS-SVM)的识别方法。首先获取淡水鱼样本的灰度图像,计算淡水鱼鱼体的长宽比、鱼头鱼尾的Krawtchouk矩不变量形状特征,求得鱼身的灰度共生矩阵纹理特征,将上述形状与纹理特征组合成高维特征向量,并输入到多核LS-SVM,通过人工蜂群(artificial bee colony,ABC)算法对多核LS-SVM中的待定参数进行寻优,ABC算法中的适应度函数为测试样本的识别精度;最后输出识别精度达到最高时的最优参数。利用该方法对鳊鱼、鳙鱼、鲫鱼、草鱼、青鱼5种淡水鱼进行了分类识别,对鳊鱼、鳙鱼、鲫鱼、草鱼4种鱼识别时,各类鱼的识别精度均达到95.83%以上,对鳊鱼、鳙鱼、鲫鱼、青鱼4种鱼识别时,各类鱼的识别精度均达到91.67%以上,对鳊鱼、鳙鱼、鲫鱼、草鱼和青鱼5种鱼识别时,各类鱼的识别精度均达到83.33%以上;与近年来提出的淡水鱼识别方法、BP(back propagation)神经网络方法、单核LS-SVM方法相比,该方法的识别精度更高,从而可快速准确地识别淡水鱼的种类,提高水产养殖的自动化水平。
吴一全殷骏戴一冕袁永明
关键词:计算机视觉图像处理灰度共生矩阵最小二乘支持向量机
粒子群优化的Contourlet域数字全息再现像增强被引量:14
2013年
对数字全息再现像存在对比度低、边缘纹理不清晰、含散斑噪声等问题,提出了基于均匀搜索粒子群优化的Contourlet域数字全息再现像自适应增强方法。利用中值滤波算法抑制再现像中的散斑噪声,经Contourlet分解后,对带通方向子带利用非线性增益函数进行边缘增强;低通子带系数的调整则依据基于灰度级变换和局部均值的增益函数,其中灰度级变换使图像暗区扩展,利用均匀搜索粒子群优化搜寻待定参数,适应度函数兼顾了图像的对比度、清晰度及峰值信噪比。大量实验结果表明,与现有的三种增强方法相比,该方法能更有效地提高数字全息再现像的对比度和清晰度,突出边缘纹理并抑制散斑噪声,提高数字全息术测量的准确度。
吴一全殷骏
关键词:全息CONTOURLET变换散斑噪声
基于SRAD和NSCT的数字全息再现像像质改善方法被引量:7
2014年
针对数字全息再现像存在的散斑噪声干扰严重、对比度低等问题,提出了基于散斑去噪各向异性扩散(SRAD)模型及非下采样Contourlet变换(NSCT)的数字全息再现像像质改善方法。采用SRAD模型消除再现像中的散斑噪声,然后进行NSCT分解,产生一个低频子带和若干高频子带。基于非线性增益函数和图像分割方法调整低频子带系数,并利用改进的NSCT模极大值法对高频子带进行边缘增强。大量实验结果表明,与近年来提出的非线性扩散去噪方法及NSCT增强方法相比,所提出的方法能更有效地消除散斑噪声、提升再现像的对比度,并得到光滑清晰的边缘,从而提高后续数字全息识别与测量的准确度。
吴一全殷骏朱丽叶志龙
关键词:全息非下采样CONTOURLET变换最大类间方差
结合Contourlet与ACPSO的红外热波图像增强被引量:2
2015年
针对无损检测红外热波图像对比度低、边缘模糊、含大量噪声的问题,提出了基于Contourlet变换和混沌变异双粒子群优化(adaptive chaotic variation particle swarm optimization,ACPSO)的自适应增强方法。红外热波图像经Contourlet变换分解成低通和带通方向子带。低通子带系数依据一种适应于人类视觉系统的灰度级变换调整,待定参数由ACPSO确定,为了得到最佳增强效果,适应度函数由一种对比度测量函数确定;带通方向子带系数的调整则采用非线性增益函数实现,从而抑制噪声并增强细节。大量红外热波图像增强实验结果表明,与现有的4种增强方法相比,能大大提高缺陷和背景之间的对比度,增强缺陷的边缘细节。进一步采用倒数熵多阈值分割方法时,能更有效地提取缺陷,为后续准确进行缺陷识别和尺寸测量奠定了基础。
吴一全殷骏
关键词:无损检测自适应增强CONTOURLET变换
共2页<12>
聚类工具0