检索结果-内蒙古大学图书馆

电子学报 2011年第3期39卷 649-655页

作者：孙玉宝费选韦志辉肖亮胡晰远吕战强南京理工大学计算机科学与技术学院模式识别与智能系统实验室江苏南京210094 中国人民解放军总参谋部第六十研究所训练科研处江苏南京210016

图像感知质量评价是图像信息工程的基础技术之一.结合人类视觉系统(HVS)的感知特性,在Con-tourlet变换域建立了一个新的可计算JND门限模型,该模型综合考虑了HVS的空间频率敏感性、方向敏感性、对比度掩盖与邻域掩盖特性.由于邻域掩盖模... 详细信息

图像感知质量评价是图像信息工程的基础技术之一.结合人类视觉系统(HVS)的感知特性,在Con-tourlet变换域建立了一个新的可计算JND门限模型,该模型综合考虑了HVS的空间频率敏感性、方向敏感性、对比度掩盖与邻域掩盖特性.由于邻域掩盖模型的引入,能够有效鉴别图像中平滑、边缘与纹理结构区域对失真的不同掩盖强度,实现更加精确的掩盖阈值计算.借助于建立的JND模型,定义每个系数的感知误差,进而建立了感知质量评价标准HVSNR.实验结果表明该定量评价标准能够有效匹配人类的视觉感觉.

关键词：质量评价 contourlet HVS JND 邻域掩盖

来源：评论

学校读者我要写书评

暂无评论

空间移不变系统图像超分辨复原的快速解耦算法

引用

自动化学报 2010年第2期36卷 229-236页

作者：黄丽丽肖亮韦志辉张军南京理工大学计算机科学与技术学院模式识别与智能系统实验室南京210094 广西工学院信息与计算科学系柳州545006 南京理工大学理学院南京210094

超分辨率图像复原是当今一个重要的热门研究课题.本文提出了一种基于全变差模型的超分辨率复原快速解耦算法.利用半二次正则化思想,提出了一个新的解耦TV(Total variation)模型.利用交替最小化方法和线性空间不变模糊的性质将上采样融... 详细信息

超分辨率图像复原是当今一个重要的热门研究课题.本文提出了一种基于全变差模型的超分辨率复原快速解耦算法.利用半二次正则化思想,提出了一个新的解耦TV(Total variation)模型.利用交替最小化方法和线性空间不变模糊的性质将上采样融合、去模糊和去噪分步进行.算法中对上采样融合采用非迭代的直接计算方法;去模糊过程采用基于变换的预处理共轭梯度迭代算法,而去噪过程采用了子空间投影方法.本文算法降低了算法复杂度;超分辨率重建图像在去除噪声的同时,不仅能够保证图像平坦区域的保真度,较好地抑制阶梯效应的产生,而且能够保持图像中边缘等重要几何结构的清晰度.

关键词：超分辨全变差融合去模糊去噪

来源：评论

学校读者我要写书评

暂无评论

基于前向后向算子分裂的稀疏性正则化图像超分辨率算法

引用

自动化学报 2010年第9期36卷 1232-1238页

作者：孙玉宝费选韦志辉肖亮南京理工大学计算机科学与技术学院模式识别与智能系统南京210094 中国人民解放军总参谋部第六十研究所三维仿真实验室南京210016

提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在框架系统下的稀疏性先验,保真项度量其在退化模型下与观测信号的一致性,同时分析了最优解条件.进一步,基于前向后向算子分裂法提出了求解... 详细信息

提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在框架系统下的稀疏性先验,保真项度量其在退化模型下与观测信号的一致性,同时分析了最优解条件.进一步,基于前向后向算子分裂法提出了求解该模型的不动点迭代数值算法,每一次迭代分解为仅对保真项的前向(显式)步与仅对正则项的后向(隐式)步,从而大幅度降低了计算复杂性;分析了算法的收敛性,并采取序贯策略提高收敛速度.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.

关键词：超分辨率稀疏表示前向后向分裂算法邻近算子阈值收缩

来源：评论

学校读者我要写书评

暂无评论

多形态稀疏性正则化的图像超分辨率算法

引用

电子学报 2010年第12期38卷 2898-2903页

作者：孙玉宝韦志辉肖亮张峥嵘吕战强南京理工大学计算机科学与技术学院模式识别与智能系统实验室江苏南京210094 中国人民解放军总参谋部第六十研究所训练科研处江苏南京210016

如何设计更加高效并能保持图像几何和纹理结构的多幅图像超分辨模型和算法是目前该领域有待解决的难点问题.针对图像的几何、纹理结构形态,分别建立符合类内强稀疏而类间强不相干的几何结构和纹理分量稀疏表示子成份字典,形成图像的多... 详细信息

如何设计更加高效并能保持图像几何和纹理结构的多幅图像超分辨模型和算法是目前该领域有待解决的难点问题.针对图像的几何、纹理结构形态,分别建立符合类内强稀疏而类间强不相干的几何结构和纹理分量稀疏表示子成份字典,形成图像的多形态稀疏表示模型,进而提出一种新的基于多形态稀疏性正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在多成份字典下的稀疏性先验约束,保真项度量其在退化模型下与观测信号的一致性,采用交替迭代法对该多变量优化问题进行数值求解,每一子问题采用前向后向的算法分裂法进行快速求解.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.

关键词：超分辨率稀疏表示多成份字典多结构形态前向后向算子分裂

来源：评论

学校读者我要写书评

暂无评论

基于稀疏逼近的EEG信号的压缩感知重建研究

引用

中国医疗器械杂志 2010年第4期34卷 241-245页

作者：吴敏韦志辉汤黎明孙玉宝肖亮南京军区南京总医院医学工程科江苏南京210002 南京理工大学计算机科学与技术学院模式识别与智能系统实验室江苏南京210094 南京理工大学理学院应用数学系江苏南京210094

目的对一维的多通道非平稳信号EEG随机非自适应地欠采样,高质量地重建原信号,从而实现EEG信号的自动检测与分析。方法实验中以高斯函数及其一、二阶导数为原子的生成函数,构建了一个新的冗余多成份字典.随机高斯测量阵为测量矩阵,按压... 详细信息

目的对一维的多通道非平稳信号EEG随机非自适应地欠采样,高质量地重建原信号,从而实现EEG信号的自动检测与分析。方法实验中以高斯函数及其一、二阶导数为原子的生成函数,构建了一个新的冗余多成份字典.随机高斯测量阵为测量矩阵,按压缩感知测量模型重建信号,并采用了稀疏逼近误差NMSE作为逼近程度的定量度量标准,判定实验结果。结果所选字典中原子可更加有效地匹配EEG信号中的多种瞬时特征波形,从而能够对EEG信号形成更为稀疏的匹配追踪分解。基于压缩感知理论的信号采样只需使用不到原信号一半的样本数,即可高质量地重建原信号,对于重要的瞬时特征波形能够很好地保持。结论基于压缩感知理论的信号采样包含了原信号的足够信息,利用EEG信号的稀疏性(或可压缩性)先验条件,通过一定的线性或非线性的解码模型可以以很高的概率重建原始图像或高维信号。

关键词：压缩感知棘波检测多成份字典稀疏逼近误差稀疏表示匹配追踪

来源：评论

学校读者我要写书评

暂无评论

EMD-Tnorm得分规整策略在说话人确认中的应用

引用

中国工程科学 2010年第2期12卷 95-100页

作者：李燕萍丁辉唐振民南京邮电大学通信与信息工程学院南京210003 南京理工大学模式识别与智能系统实验室南京210094 嘉兴学院数学与信息工程学院浙江嘉兴314001

从两个方面对确认系统进行了改进,在模型方面,扩展了MixMax模型,对复杂的背景噪声等干扰因素在训练说话人模型的同时也进行了建模,最大程度上消除噪声的影响,对说话人的特征分布进行了更真实的表征;在得分方面,提出了一种改进的得分规... 详细信息

从两个方面对确认系统进行了改进,在模型方面,扩展了MixMax模型,对复杂的背景噪声等干扰因素在训练说话人模型的同时也进行了建模,最大程度上消除噪声的影响,对说话人的特征分布进行了更真实的表征;在得分方面,提出了一种改进的得分规整策略,基于EMD距离从所有背景说话人集合中自适应选择最接近的一定数量的模型构成说话人特定的背景集合,从而进行得分归一化。实验结果表明,该方法能够同时针对说话人和测试环境的不同进行补偿,进一步降低了误识率和漏警率,获得了很好的确认性能。

关键词：说话人确认鲁棒性 EMD距离 MixMax模型

来源：评论

学校读者我要写书评

暂无评论

面向特征抽取的EEG信号结构自适应稀疏分解模型建立

引用

中国数字医学 2010年第6期5卷 32-36页

作者：吴敏韦志辉汤黎明孙玉宝肖亮南京军区南京总医院医学工程科南京市中山东路305号210002 南京理工大学计算机科学与技术学院模式识别与智能系统实验室

课题目的是研究面向特征抽取鉴别EEG信号是否具有癫痫的表征,从而实现EEG信号的自动检测与分析。具体方法是结合临床EEG分析的先验知识,模拟结构匹配性稀疏表示的层次处理机制来实现对EEG信号的结构自适应稀疏分解。结果发现:匹配追踪... 详细信息

课题目的是研究面向特征抽取鉴别EEG信号是否具有癫痫的表征,从而实现EEG信号的自动检测与分析。具体方法是结合临床EEG分析的先验知识,模拟结构匹配性稀疏表示的层次处理机制来实现对EEG信号的结构自适应稀疏分解。结果发现:匹配追踪迭代选择的Gabor字典原子能够匹配EEG信号的内在结构,并具有显式的形态结构参数如位置、尺度、幅度等。由此可得出结论:基于EEG信号形态结构基础建立的过完备原子库,使得稀疏分解获取的信号时频结构参数同人工视觉分析标准建立了直接联系,应用这些时频结构参数与先验参数进行比对可直接判定是否为特征波形。

关键词：特征提取棘波检测自适应先验稀疏表示匹配追踪

来源：评论

学校读者我要写书评

暂无评论

基于PLAR特征补偿的鲁棒性说话人识别仿真研究

引用

系统仿真学报 2009年第2期21卷 409-412页

作者：李燕萍唐振民钱博张燕南京理工大学模式识别与智能系统实验室南京210094

针对MFCC特征补偿技术在低信噪比时性能不高的缺点,提出了基于PLAR鲁棒特征的模型补偿方法进行抗噪声说话人识别。PLAR特征从人类听觉感知机理出发,运用听觉心理学概念表征说话人个性特征,具有维数低,运算速度快,抗噪性能强等特点,是一... 详细信息

针对MFCC特征补偿技术在低信噪比时性能不高的缺点,提出了基于PLAR鲁棒特征的模型补偿方法进行抗噪声说话人识别。PLAR特征从人类听觉感知机理出发,运用听觉心理学概念表征说话人个性特征,具有维数低,运算速度快,抗噪性能强等特点,是一种稳健的特征。模型补偿则通过分析被测语音帧的整体分布,对高斯混合模型似然概率进行某种程度的补偿,降低噪声的影响,改善系统的性能,进一步增强系统的鲁棒性。理论分析和实验结果表明,在平稳和非平稳背景噪声环境下,当信噪比大大降低时,此方法比MFCC-GMM方法的识别率平均提高了12.2和14.9个百分点。

关键词：说话人识别感知线性预测高斯混合模型鲁棒性

来源：评论

学校读者我要写书评

暂无评论

半监督学习机制下的说话人辨认算法

引用

计算机工程 2009年第14期35卷 221-223页

作者：李燕萍唐振民丁辉张燕南京理工大学模式识别与智能系统实验室南京210094

针对说话人辨认中训练语音有限时系统泛化能力差的问题,提出一种基于半监督学习的复合高斯混合模型算法。通过复合高斯混合模型对所有说话人的特征分布统一建模,基于半监督学习机制下的EM算法对学习样本进行学习。实验证明,该算法能够... 详细信息

针对说话人辨认中训练语音有限时系统泛化能力差的问题,提出一种基于半监督学习的复合高斯混合模型算法。通过复合高斯混合模型对所有说话人的特征分布统一建模,基于半监督学习机制下的EM算法对学习样本进行学习。实验证明,该算法能够充分利用未标记样本对系统进行有效的自适应更新,改善系统的性能,获得比传统高斯混合模型更高的识别率,提高系统的泛化能力。

关键词：说话人辨认半监督学习复合高斯混合模型 EM算法

来源：评论

学校读者我要写书评

暂无评论

基于仿生模式识别的说话人辨认方法研究

引用

系统仿真学报 2009年第7期21卷 1912-1915,1920页

作者：李燕萍唐振民钱博张燕南京理工大学模式识别与智能系统实验室南京210094 金陵科技学院信息技术学院南京211169

仿生模式识别方法模仿了人类进行事物分辨过程中的行为特征,强调了类内事物的相关性,利用"熟识"程度代替"分类"。与传统模式识别方法注重发掘类间特征差异性相比,给出了一种新的思路。仿生模式识别方法的难点在于... 详细信息

仿生模式识别方法模仿了人类进行事物分辨过程中的行为特征,强调了类内事物的相关性,利用"熟识"程度代替"分类"。与传统模式识别方法注重发掘类间特征差异性相比,给出了一种新的思路。仿生模式识别方法的难点在于针对同一类事物的有限个样本在特征空间中建立有效的连续覆盖。提出了一种利用改进的最近邻方法产生类覆盖区的新算法,该算法认为同一类中任意两个样本间的特征是渐变的,从而生成更多虚拟的样本点,并根据两个样本特征点之间的距离确定虚拟样本点的覆盖范围。利用该算法实现了说话人识别系统,实验表明该方法能够有效地排除冒充者话音的干扰,在有大量冒充说话人的实验环境下,能够大大提高系统的识别率。

关键词：仿生模式识别改进的最近邻算法说话人辨认类内特征连续性准则

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：