项海林
- 作品数：7 被引量：27H指数：3
- 供职机构：西安电子科技大学电子工程学院智能信息处理研究所更多>>
- 发文基金：国家自然科学基金国防科技技术预先研究基金更多>>
- 相关领域：自动化与计算机技术电子电信农业科学更多>>
- 基于剪切不变的递归Contourlet变换图像去噪被引量：3
- 2009年
- 根据综合剪切和递归Cycle Spinning技术,提出一种基于剪切不变的递归Contourlet变换图像去噪方法(RSICT)。为改善图像去噪由于缺少平移不变性而产生的伪吉布斯效应,使用剪切替代平移技术来提取图像中原有的几何特征,将递归Cycle Spinning方法运用在剪切技术中给出剪切不变思想,并将其用于Contourlet域图像去噪。对于被加性高斯白噪声污染的图像,实验中将RSICT方法与平移不变小波、平移不变Contourlet等方法进行了比较,结果表明在大多数情况下,RSICT的PSNR结果相比这些方法高出0.1至1.2dB,并保持良好的视觉效果。
- 贾建项海林
- 关键词：平移不变CONTOURLET变换SPINNING
- 基于非下采样Contourlet变换域双变量模型的图像分割被引量：1
- 2008年
- 依据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,并基于该模型提出一种新的非下采样Contourlet变换图像分割方法。用合成纹理图像和实际图像进行仿真实验,并与小波域隐马尔可夫树模型分割及Contourlet域隐马尔可夫树模型分割等方法进行了比较,实验结果表明,在大多数情况下,该算法分割结果要好于相比较的方法,在边缘特征方面保持了良好的视觉效果,并且模型的训练简单快速。
- 项海林焦李成贾建
- 关键词：非下采样CONTOURLET变换双变量模型
- 基于非下采样Contourlet变换域双变量模型的图像分割
- 本文依据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,并基于该模型提出一种新的非下采样Contourlet变换图像分割方法.用合成纹理图像和实际图像进行仿真实验,并与小波域隐马尔可...
- 项海林焦李成贾建
- 关键词：非下采样CONTOURLET变换双变量模型图像分割
- 文献传递
- 基于小波和脊波的图像联合去噪方法被引量：4
- 2007年
- 为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。
- 项海林贾建焦李成
- 关键词：去噪多尺度分析小波变换脊波变换
- 基于二代bandelets域HMT模型的图像分割被引量：1
- 2009年
- 在小波域隐马尔可夫树模型(WHMT)图像分割算法的基础上,根据二代bandelets系数的分布统计特性,提出一种新的bandelets域隐马树模型(BHMT)有监督图像分割算法。新算法试图利用二代bandelets能表示图像几何规律性的特点来改进分割效果。为证明算法的有效性,用合成纹理图像和真实的航空和遥感图像做分割实验,并和小波域隐马模型树分割算法作了对比,对合成纹理图像分割,用错分概率作为评价参数。实验结果表明,此方法错分概率低、分割效果理想。
- 项海林贾建焦李成
- 关键词：图像分割隐马尔可夫树模型多尺度
- 基于双变量阈值的非下采样Contourlet变换图像去噪被引量：15
- 2009年
- 系数阈值是流行的去噪方法,其中阈值方式与大小的选择是一个重要的技术问题。该文依据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布,对该模型应用Bayes估值理论推导得到相应的非线性双变量阈值函数,综合非下采样Contourlet分解和双变量阈值函数,提出一种基于双变量阈值的非下采样Contourlet变换图像去噪方法(NSCTBI)。对于被加性高斯白噪声污染的图像,实验中将NSCTBI方法与非下采样Contourlet变换、小波域双变量阈值去噪等方法进行了比较,结果表明在大多数情况下,NSCTBI的PSNR结果相比这些方法高出0.5至2.3dB,在边缘特征方面保持了良好的视觉效果。
- 贾建焦李成项海林
- 关键词：去噪非下采样CONTOURLET变换BAYES估计
- 基于Contourlet域树状系数的自组织神经网络图像分割被引量：3
- 2008年
- 为避免小波域隐马树模型分割算法中模型假设的不足,提出用SOM网络作为非参数概率密度函数估计器。用图像轮廓波变换域中的树状数据作为网络输入,以利用图像的几何特征来提高分割效果。由训练好的网络组可以得到待分割图像各个尺度下的条件概率密度函数值,应用最大似然分类准则得到相应尺度下的粗分割。通过多尺度粗分割结果的融合,得到像素级的分割结果。用合成纹理图像、航拍图像和SAR图像进行实验,并与小波域隐马树模型分割方法和基于SOM网络的多尺度贝叶斯分割方法进行比较。对合成纹理图像给出错分概率作为评价参数,实验结果表明所提算法分割效果更优。
- 项海林贾建焦李成
- 关键词：轮廓波自组织特征映射图像分割多尺度
