检索结果-内蒙古大学图书馆

作者：杨洪刚西安电子科技大学

学位级别：硕士

JPEG2000是新一代的图像压缩标准,其中离散小波变换和EBCOT是JPEG2000的两个核心算法。由于这两个算法的计算量很大,内存使用量也很大,因此在许多应用系统中需要对算法进行改进才能满足应用需要。本文在深入研究JPEG2000和小波变换理论... 详细信息

JPEG2000是新一代的图像压缩标准,其中离散小波变换和EBCOT是JPEG2000的两个核心算法。由于这两个算法的计算量很大,内存使用量也很大,因此在许多应用系统中需要对算法进行改进才能满足应用需要。本文在深入研究JPEG2000和小波变换理论的基础上,通过对(9,7)小波变换的改进和考虑两个核心算法之间的联系,提出一种新的算法。主要研究取得的成果有: 1.通过基于提升结构的小波变换的研究,对小波系数做了进一步改进。使改进后的小波变换结果与改进前的小波变换结果相同,更易于硬件实现和进行加法和乘法运算不溢出的特点。并且每一个提升步中的预测和更新的乘运算能够并行执行,减少了关键路径的长度。 2.结合并行程序设计的方法,提出了小波变换的并行流水处理实现结构。算法提出根据外存的带宽、硬件资源利用率、速度和硬件资源的限制四者之间的权衡来设计的方法。 3.提出一种双缓存的高效并行流水低存储的基于提升结构的二维离散小波变换算法的实现的设计方案。联系位平面编码中数据的编码顺序,提出了一种新的数据读取方式和缓存设计方案。并把重新读取数据的次数作为系统设计的一个性能指标。本文研究的内容是基于JPEG2000图像压缩标准,提出了一种并行解决方案,其性能有了相当大的提高。

关键词： JPEG2000 二维离散小波变换 (9,7)小波并行位平面编码

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的时频域地震数据去噪方法研究

基于深度神经网络的时频域地震数据去噪方法研究

引用

作者：邱怡长安大学

学位级别：硕士

噪声衰减是地震数据处理的关键步骤之一。近年来发展起来的基于深度学习地震数据噪声衰减方法与传统方法相比更加高效,并可获得更高的信噪比。现有的基于深度学习去噪方法通常在时空域对地震数据进行处理,但时频域中有效信号与噪声之间... 详细信息

噪声衰减是地震数据处理的关键步骤之一。近年来发展起来的基于深度学习地震数据噪声衰减方法与传统方法相比更加高效,并可获得更高的信噪比。现有的基于深度学习去噪方法通常在时空域对地震数据进行处理,但时频域中有效信号与噪声之间的特征差异更为明显,利于网络训练学习及噪声衰减。本文将深度学习技术与二维离散小波变换以及Curvelet变换相结合,提出了两种基于深度学习的地震数据随机噪声衰减方法,主要研究内容如下:(1)利用二维小波域地震数据的稀疏性和多尺度性,联合二维离散小波变换与U-Net网络,提出基于U-Net网络的二维小波域地震数据随机噪声衰减方法(Dwt-U-Net)。以地震数据的二维小波系数作为网络输入和输出进行网络训练,将去噪之后的小波系数进行重构得到去噪结果。通过对模拟和实际地震数据进行测试及与不同方法对比,结果显示在不同噪声水平情况下Dwt-U-net方法的去噪结果具有更高的信噪比和保真度。此外,对比传统时空域U-Net网络噪声衰减方法,Dwt-U-Net在提高信噪比的同时,网络训练效率提高了近一倍。(2)利用Curvelet域地震数据的稀疏性和多尺度性以及方向性,联合Curvelet变换与注意力机制U-Net网络,提出Curvelet-AUnet噪声衰减方法。首先,在传统U-Net网络的下采样之前加入CBAM注意力机制模块,增强网络的空间注意力以及通道注意力。其次,以地震数据的Curvelet系数作为网络输入和输出进行网络训练,使网络训练学习噪声与有效信号在Curvelet域的特征,然后将去噪之后的Curvelet系数进行重构得到去噪结果。最后,将Curvelet-AUnet应用于模拟和实际地震数据随机噪声衰减中,并与Curvelet变换、传统时空域UNet去噪及Dwt-U-Net方法进行对比。模拟数据与实际数据去噪结果显示,Curvelet-AUnet在几种噪声衰减方法中可获得最好的去噪效果。

关键词：深度神经网络地震数据随机噪声衰减 U-Net网络二维离散小波变换 Curvelet变换

来源：评论

学校读者我要写书评

暂无评论

基于2D和3D掌纹图像方向特征融合的掌纹识别研究

基于2D和3D掌纹图像方向特征融合的掌纹识别研究

引用

作者：曹忠赞燕山大学

学位级别：硕士

传统的掌纹识别大都是基于2D掌纹图像，虽然这种方式取得了较好的实验结果，但是也存在诸多问题，比如识别率易受光照、手掌有油污等因素的影响，本文在研究国内外最新成果的基础上，对2D掌纹信息和3D掌纹信息融合方式和融合后再识别进... 详细信息

传统的掌纹识别大都是基于2D掌纹图像，虽然这种方式取得了较好的实验结果，但是也存在诸多问题，比如识别率易受光照、手掌有油污等因素的影响，本文在研究国内外最新成果的基础上，对2D掌纹信息和3D掌纹信息融合方式和融合后再识别进行研究，主要工作如下：首先，针对依据结构光采集系统获得的3D掌纹含有丰富的空间结构信息和方向信息，在充分利用3D掌纹均值曲率图像信息的基础上，利用掌纹线特征和方向特征，采用决策级权值匹配和特征级融合两种方法进行识别，实验结果表明，所采用的方法具有较高识别率。其次，针对单纯2D掌纹识别的识别效果易受外界环境因素影响的特点，同时依据二维Gabor滤波器在提取纹理方向信息的优越特性，提出加入3D掌纹均值曲率信息，采用权值匹配在决策层融合的方法，实验结果表明，该方法能有效提高识别率和增强“鲁棒性”。最后，基于3D掌纹中含有2D掌纹不具有的空间结构信息的思想，提出分别使用二维离散小波变换的方法和多尺度多方向的Contourlet变换的方法，将2D掌纹图像和3D掌纹MCI图像分解融合，在融合图像的基础上利用Gabor滤波器进行特征提取，对提取的特征利用竞争码规则进行编码匹配识别。实验结果表明，与单纯基于Gabor滤波器特征提取2D掌纹识别和3D掌纹识别相比，所提方法具有更高的识别率，并且安全性和“鲁棒性”更高，从识别效率上也更适合实际需要。

关键词：掌纹识别掌纹图像融合 3D掌纹曲率权值匹配二维离散小波变换 Contourlet变换

来源：评论

学校读者我要写书评

暂无评论

基于光学相干层析技术的图像处理研究

基于光学相干层析技术的图像处理研究

引用

作者：胡鹏南京理工大学

学位级别：硕士

光学相干层析成像技术是光学、电子学、计算机技术交叉形成的新兴学科,是一种基于宽带光的低相干特性并结合光学多普勒效应和共焦显微扫描等技术对生物活体组织的内部微观结构以非侵入、无损伤的方式进行高分辨率层析成像的新型光学成... 详细信息

光学相干层析成像技术是光学、电子学、计算机技术交叉形成的新兴学科,是一种基于宽带光的低相干特性并结合光学多普勒效应和共焦显微扫描等技术对生物活体组织的内部微观结构以非侵入、无损伤的方式进行高分辨率层析成像的新型光学成像技术。因其良好的成像性能和广泛的临床应用前景,在短短的十几年里,得到迅速的发展,成为生物医学光子学领域研究的热点之一。在OCT系统中,光源、光学扫描振镜等都会带来噪音,信号图像在实际采集、获取和传输等过程中,也会受到噪声的污染,这些影响了图像视觉观察。这就有必要对含噪图像进行预处理,改善图像质量。论文以图像去噪为重点,首先综合阐述了OCT的起源和发展现状,以及系统的基本工作原理,就系统的主要元件和应用技术进行了深入的分析；其次,深入的分析OCT系统中可能存在的各种噪声及其产生的原因,同时根据不同噪声的特性,对其进行分类分析；然后,根据不同噪声的特性,提出相应的处理方法,通过综合比较分析,找出最适合于本系统的图像处理算法。并分别采用维纳滤波、中值滤波、盲解卷积算法、二维离散小波变换等方法对图像进行处理。最后,总结了本文所作的主要工作,提出了改进的地方和不足的地方,并为进一步提高图像质量提出建议。

关键词：光学相干层析盲解卷积图像去噪二维离散小波变换

来源：评论

学校读者我要写书评

暂无评论

罐底腐蚀声发射检测中声源分布区域的自动识别方法

罐底腐蚀声发射检测中声源分布区域的自动识别方法

引用

作者：王伟魁李一博曾周末靳世久杜刚 300072 天津市南开区卫津路92号

本发明公开了一种罐底腐蚀声发射检测中声源分布区域的自动识别方法，包括以下步骤：获取储罐罐底每个声发射源的坐标；建立n×n矩阵M；根据声发射源坐标计算每个声发射源在矩阵M中对应列Mx和行My；将M(Mx，My)的值设为被映射到M(Mx... 详细信息

标准号: CN102269736B

本发明公开了一种罐底腐蚀声发射检测中声源分布区域的自动识别方法，包括以下步骤：获取储罐罐底每个声发射源的坐标；建立n×n矩阵M；根据声发射源坐标计算每个声发射源在矩阵M中对应列Mx和行My；将M(Mx，My)的值设为被映射到M(Mx，My)的声发射源数量；对矩阵M进行1次二维离散小波变换，取其低频系数，得到新矩阵Mhh；依次查看Mhh中每个元素，根据其相邻元素值判断对应位置声发射源所属区域；根据区域划分结果计算区域声发射源分布信息熵、声发射源分布密度；依次改变n和小波类型找到使声发射源分布信息熵最大的区域划分结果作为最终区域识别结果。该方法能有效别罐内声发射源分布密集的区域，进而评价罐底腐蚀状况。

关键词：声发射矩阵罐底分布信息二维离散小波变换自动识别方法低频系数分布密度分布区域腐蚀状况根据区域结果计算区域划分区域识别所属区域相邻元素坐标计算储罐小波映射腐蚀密集检测评价

来源：评论

学校读者我要写书评

暂无评论

森林火灾早期烟雾检测方法

森林火灾早期烟雾检测方法

引用

作者：于万钧仓乃梦吴晓宇 200235 上海市徐汇区漕宝路120-121号

本发明提供了一种森林火灾早期烟雾检测方法，包括通过多旋翼飞行器获取林火早期烟雾视频实验源视频数据；根据背景模糊模型提取视频的背景，然后通过二维离散小波变换对视频的帧图像进行分解，重构完成烟雾的特征判别。本发明分别使用... 详细信息

标准号: CN112132870B

本发明提供了一种森林火灾早期烟雾检测方法，包括通过多旋翼飞行器获取林火早期烟雾视频实验源视频数据；根据背景模糊模型提取视频的背景，然后通过二维离散小波变换对视频的帧图像进行分解，重构完成烟雾的特征判别。本发明分别使用传统远程侧拍角度和近距离航拍角度两组源视频数据进行检测对比。本发明提供的检测方法可以更好的避免和排除天空、云雾等对林火早期烟雾检测的干扰，以提高早期林火烟雾的检测的准确率。

关键词：烟雾源视频数据视频烟雾检测检测二维离散小波变换多旋翼飞行器模糊模型森林火灾特征判别近距离帧图像准确率航拍两组重构分解天空

来源：评论

学校读者我要写书评

暂无评论

基于小波域两向二维主分量分析的SAR目标识别

引用

雷达科学与技术 2014年第6期12卷 629-634,638页

作者：李汶虹王建国田莉萍电子科技大学电子工程学院四川成都611731

针对合成孔径雷达图像目标识别在图像域进行特征提取时空间维数较高、计算复杂度较大、识别效率较低等问题,提出基于小波域两向二维主分量分析和概率神经网络的SAR图像目标特征提取与识别方法。该方法首先引入二维离散小波变换将预处理... 详细信息

针对合成孔径雷达图像目标识别在图像域进行特征提取时空间维数较高、计算复杂度较大、识别效率较低等问题,提出基于小波域两向二维主分量分析和概率神经网络的SAR图像目标特征提取与识别方法。该方法首先引入二维离散小波变换将预处理后的SAR图像变换到小波域,得到可充分表征目标特征信息的低频成分。然后提取低频子图像的两向二维主分量分析低维特征作为训练样本和测试样本的目标特征,最后由概率神经网络分类器完成目标识别。MSTAR数据实验结果表明,在特征矩阵维数低至6×3(原始图像128×128)的情况下平均识别率高达99.32%,且最高可达99.83%,该方法不但能够有效压缩目标特征维数和提高识别率,还对目标的方位信息具有很强的鲁棒性,可有效应用于SAR图像目标特征提取和识别。

关键词：合成孔径雷达目标识别二维离散小波变换两向二维主分量分析概率神经网络

来源：评论

学校读者我要写书评

暂无评论

一种融合小波和自编码器的信息隐藏方法及系统

一种融合小波和自编码器的信息隐藏方法及系统

引用

作者：苏海张淑青余松森韩美茵方健炜杨珊 528225 广东省佛山市南海区狮山南海软件园华南师范大学软件学院

本发明涉及一种融合小波和自编码器的信息隐藏方法及系统，包括：通过二维离散小波变换将一载体图像从空域转换至频域，以生成所述载体图像的频域数据；通过二维离散小波变换将一秘密信息图像进行从空域转换至频域，并通过一预处理网络... 详细信息

标准号: CN112597509B

本发明涉及一种融合小波和自编码器的信息隐藏方法及系统，包括：通过二维离散小波变换将一载体图像从空域转换至频域，以生成所述载体图像的频域数据；通过二维离散小波变换将一秘密信息图像进行从空域转换至频域，并通过一预处理网络提取其图像特征，以生成所述秘密信息图像的特征数据；通过隐藏网络对所述载体图像的频域数据以及所述秘密信息图像的特征数据进行合并，并将其嵌入到所述载体图像的频域数据中，以生成载密图像数据；通过提取网络从所述载密图像数据中提取出所述秘密信息图像的复原数据。本发明能够高效的生成具有较高不可见性的载密图像并从所述载密图像中重构出较强鲁棒性的秘密信息图像，实现了快速有效的图像信息隐藏。

关键词：秘密信息图像频域数据体图像二维离散小波变换特征数据图像数据信息隐藏频域空域有效的图像预处理网络不可见性复原数据图像特征载体图像编码器鲁棒性转换小波重构嵌入网络合并融合

来源：评论

学校读者我要写书评

暂无评论

一种基于小波变换和卷积神经网络的图像超分辨率重建方法

一种基于小波变换和卷积神经网络的图像超分辨率重建方法

引用

作者：任鹏孙文健王廷伟 266580 山东省青岛市黄岛区长江西路66号

本发明公开了一种基于小波变换和卷积神经网络的图像超分辨率重建方法：在训练阶段，对训练数据集中的高分辨率图像Ih进行高斯滤波以及降采样处理生成低分辨率图像Il；对Ih做单尺度二维离散小波变换提取其低频分量FLL、水平低频垂直高... 详细信息

标准号: CN106991648B

本发明公开了一种基于小波变换和卷积神经网络的图像超分辨率重建方法：在训练阶段，对训练数据集中的高分辨率图像I_h进行高斯滤波以及降采样处理生成低分辨率图像I_l；对I_h做单尺度二维离散小波变换提取其低频分量F_LL、水平低频垂直高频成分F_LH、水平高频垂直低频成分F_HL和对角方向高频分量F_HH四个频率成分；将I_l作为输入数据、I_h的四个频率成分分别作为标签，训练四个卷积神经网络模型。在超分辨率重建阶段，将低分辨率图像I_l输入四个经训练得到的卷积神经网络模型中生成高分辨率图像的四个频率成分并对其作单尺度二维离散小波反变换生成高分辨率图像I_h。该方法从不同频率上对图像进行超分辨率重建，充分利用卷积神经网络的学习能力，显著增强超分辨率重建效果。

关键词：卷积神经网络超分辨率重建高分辨率图像低分辨率图像单尺度二维离散小波变换二维离散小波图像超分辨率降采样处理垂直高频低频分量对角方向高频分量高斯滤波水平高频小波变换学习能力训练阶段训练数据反变换标签垂直图像重建

来源：评论

学校读者我要写书评

暂无评论

一种基于压缩感知的彩色图像压缩加密方法

一种基于压缩感知的彩色图像压缩加密方法

引用

作者：孙舒舒吕伟杰 300072 天津市南开区卫津路92号

本发明提供了一种基于压缩感知的彩色图像压缩加密方法。该方法首先将彩色明文图像分解为R、G、B三个分量，其次分别对其进行二维离散小波变换得到三个稀疏系数矩阵，接着采用Arnold映射对稀疏系数矩阵进行位置置乱，然后对置乱后的矩... 详细信息

标准号: CN112637441B

本发明提供了一种基于压缩感知的彩色图像压缩加密方法。该方法首先将彩色明文图像分解为R、G、B三个分量，其次分别对其进行二维离散小波变换得到三个稀疏系数矩阵，接着采用Arnold映射对稀疏系数矩阵进行位置置乱，然后对置乱后的矩阵进行压缩感知和量化，对量化后的矩阵进行正反两次扩散，最后得到密文图像。利用未量化的压缩感知结果更新Lorenz混沌系统的初始值，利用Lorenz混沌系统生成的伪随机序列对量化后图像进行像素值扩散。本发明使密文图像的灰度值分布均匀，克服了压缩感知明文敏感度不够的缺点，增强抵抗选择明文攻击的能力，具有较强的安全性。

关键词：矩阵压缩感知量化混沌系统密文图像稀疏系数二维离散小波变换彩色图像压缩伪随机序列扩散结果更新明文攻击明文图像敏感度映射对置灰度明文像素置乱加密图像抵抗分解

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：