您的位置: 专家智库 > >

刘忠轩

作品数:6 被引量:60H指数:2
供职机构:中国科学院自动化研究所更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术一般工业技术更多>>

文献类型

  • 4篇期刊文章
  • 2篇会议论文

领域

  • 6篇自动化与计算...
  • 1篇一般工业技术

主题

  • 3篇图像
  • 2篇纹理
  • 2篇小波
  • 2篇小波变换
  • 2篇波变换
  • 1篇低比特
  • 1篇低比特率
  • 1篇信号
  • 1篇信号分解
  • 1篇亚像素
  • 1篇亚像素边缘
  • 1篇亚像素边缘定...
  • 1篇亚象素
  • 1篇振铃
  • 1篇振铃效应
  • 1篇时频
  • 1篇时频分析
  • 1篇图像处理
  • 1篇图像融合
  • 1篇图像融合算法

机构

  • 4篇中国科学院自...
  • 2篇中国科学院

作者

  • 6篇彭思龙
  • 6篇刘忠轩
  • 4篇易沫
  • 1篇汪雪林
  • 1篇陈涛

传媒

  • 2篇中国自动化与...
  • 1篇中国图象图形...
  • 1篇计算机研究与...
  • 1篇中国科学(E...
  • 1篇中国图象图形...

年份

  • 4篇2005
  • 2篇2004
6 条 记 录,以下是 1-6
排序方式:
水平集重构方法改进及亚像素边缘定位被引量:1
2005年
常用的亚像素边缘定位算法采取局部表面估计或结构模型实现局部边缘的定位,不可避免由于离散化导致的锯齿效应和由于局部模型带来的不连续边缘定位。为此在扩散方程的基础上提出了一种改进的水平集重构算法,通过改进的水平集重构实现边缘沿切线方向的平滑;加入角点定位判断,在角点处加入角点限制和拓扑限制以保证角点处的精确定位。通过几何图像和自然图像的亚像素边缘提取对比实验,验证了该算法能在保持亚像素精度的同时消除锯齿效应,保持边缘的平滑和连续性。
易沫刘忠轩彭思龙
关键词:亚像素
改进的水平集重构用于亚象素边缘检测
亚象素边缘检测方法在工业和远程遥感图像处理的实际应用中非常重要.传统的亚象素边缘检测方法主要使用局部模型,如矩保持,平面模型等.这些方法很少利用边缘的连续性.本文提出一种新的基于偏微分方程的亚象素边缘检测算法.我们的革新...
易沫刘忠轩彭思龙
关键词:亚象素边缘检测
文献传递
方向EMD分解与其在纹理分割中的应用被引量:51
2005年
提出了方向 EMD(Directional Empirical Mode Decomposition, 简写为DEMD)的定义和框架并用来进行纹理分割. EMD 是由 Huang 等人提出的新的时频分析工具. 这种工具使用筛法对信号分解, 再对成分的瞬时频率进行分析. 虽然已有文章讨论将一维 EMD 推广到二维情况, 但有两个方面还没有考虑: 一方面是从二维EMD中提取特征, 另一方面是考虑图像固有的方向性在二维EMD分解中的作用. 文中考虑到这两方面, 提出了 DEMD 的方法. 这种方法在分解框架中考虑了图像的方向性, 并从分解的每个成分中对每个点提出三个特征以进行图像处理. 使用 DEMD 分解提取的特征进行纹理分割的实验说明了这种方法对于纹理处理的有效性. 此外, 给出了关于 DEMD 区分纹理在视觉上的解释.
刘忠轩彭思龙
关键词:纹理分割EMD图像处理信号分解方向性时频分析
基于边缘自适应小波变换的低比特率图像压缩算法被引量:6
2005年
常规的小波压缩算法在低比特率情况下将不可避免地在图像强边缘附近产生振铃效应。为此提出了一种基于边缘自适应小波变换的低比特率图像压缩算法。在编码端,先检测出图像的强边缘并将其作为附加信息进行编码;然后,利用强边缘信息将图像沿行列方向分割成一些独立的数据段分别进行小波变换;最后,利用EBCOT算法对得到的小波系数进行编码。特别地,从图像的成像机理出发,提出了一种克服分段数据边界效应的新方法。实验结果表明,这种边缘自适应小波变换即使在比特率极低的情况下也可以保持图像轮廓的清晰,强边缘附近的振铃效应也得到有效的抑制。由于附加信息的存在,压缩图像的PSNR值相比于常规方法通常会有所降低,但图像的主观视觉质量却有明显的提高。
汪雪林刘忠轩彭思龙
关键词:低比特率图像压缩算法振铃效应自适应小波变换PSNR小波压缩
基于扩散纹理元的纹理检索
本文提出两个应用于非监督纹理检索的新思想.第一,用结构张量构造纹理元,这种非线性的方法能构造出与Gabor滤波器相似甚至更佳的纹理元特征.第二,提出新的基于纹理元字典构造和相似性比较纹理检索模型.这种简化模型通过利用非线...
易沫刘忠轩彭思龙
关键词:纹理检索
文献传递
相似尺度图像融合算法被引量:2
2005年
提出了一种新的融合思想,即图像应在相似尺度(si milar scale,SS)上进行融合·当融合低分辨率多光谱图像与高分辨率全色图像时,一般的方法没有考虑到插值的多光谱图像和高分辨率的全色图像的尺度不一致性·基于相似尺度的思想,图像融合算法如下·首先,使用“劋trous”离散小波变换分解高分辨率全色图像,使其低通分量与插值后的多光谱图像具有相似的尺度·然后,用加权多尺度基本形式(weighted mutlitscale fundamental form,WMFF)来融合它们得到合成的最低频带·最后,“劋trous”逆小波变换用来重建高分辨率的多光谱图像·与其他的基于小波变换的图像融合算法相比,基于相似尺度的融合方法取得了更好的融合结果·
陈涛易沫刘忠轩彭思龙
关键词:图像融合小波变换
共1页<1>
聚类工具0