您的位置: 专家智库 > >

林德贵

作品数:5 被引量:13H指数:2
供职机构:闽南理工学院更多>>
发文基金:福建省教育厅资助项目福建省自然科学基金福建省教育厅B类科技/社科项目更多>>
相关领域:电子电信自动化与计算机技术更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 3篇电子电信
  • 2篇自动化与计算...

主题

  • 4篇图像
  • 3篇提升小波
  • 3篇图像去噪
  • 3篇去噪
  • 3篇小波
  • 1篇多核
  • 1篇多核学习
  • 1篇多任务
  • 1篇预警
  • 1篇预警模型
  • 1篇人脸
  • 1篇人脸识别
  • 1篇神经网
  • 1篇神经网络
  • 1篇数据挖掘
  • 1篇数学形态
  • 1篇数学形态学
  • 1篇图像增强
  • 1篇网络
  • 1篇危机预警

机构

  • 4篇闽南理工学院
  • 1篇福州大学

作者

  • 5篇林德贵
  • 2篇余清清
  • 2篇曾健民
  • 1篇邱富杭
  • 1篇何建农
  • 1篇郑玉燕

传媒

  • 2篇计算机技术与...
  • 1篇计算机与数字...
  • 1篇长春大学学报
  • 1篇信息技术与信...

年份

  • 1篇2023
  • 1篇2015
  • 1篇2013
  • 1篇2011
  • 1篇2008
5 条 记 录,以下是 1-5
排序方式:
融合Gamma校正与多任务卷积神经网络的人脸识别
2023年
针对当前基于深度学习的人脸识别算法对一些模糊或较暗图像识别人脸准确率不高的问题,结合Gamma校正算法优点,提出了融合Gamma校正的多任务卷积神经网络(multi-task convolutional neural networks,MTCNN)人脸识别算法(gamma multi-task convolutional neural network,GMTCNN)。首先,利用Gamma校正增加图像像素低的对比度,同时减少图像像素高的部分的对比度;其次,利用MTCNN算法对处理后的图像人脸识别。实验结果表明,GMTCNN算法对有遮挡物的人脸识别率更高,并且能够准确识别一张图的多张人脸。
林德贵邱富杭余清清
关键词:GAMMA校正图像增强人脸识别
基于分水岭的提升小波图像去噪被引量:5
2008年
为了图像去噪的同时能很好地保持图像的细节,提出了一种基于分水岭的提升小波图像去噪方法,先用分水岭分割方法检测出图像的分水岭脊线,提升小波去噪时就可用阈值去噪而不必担心损害图像的重要特征。其去噪步骤是:对噪声污染图像进行提升小波去噪;对原图像提取梯度幅度图像;对梯度图像平滑后进行分水岭变换;图像合并。实验结果表明,该方法不但可以保持图像的重要信息,而且能够提高去噪后图像的信噪比。
林德贵何建农郑玉燕
关键词:提升小波图像去噪
基于数学形态学的提升小波图像去噪被引量:5
2013年
图像去噪是图像研究非常重要的一环,其去噪效果的好坏直接影响后面的图像分析。提升小波变换去噪在较好地去噪的同时能很好地保持图像的边缘,但去噪的图像平滑度不是很高;形态学滤波能得到很好的平滑度,但同时更大地模糊了去噪图像。为了更好地消除图像的噪声,得到更好的图像质量,结合提升小波与数学形态学在图像去噪中的优缺点,提出了一种基于数学形态学的提升小波图像去噪算法。实验数据及结果表明,该算法优于单独的去噪效果;因此,该算法能有效地改善图像质量,同时也提高了峰值信噪比,使图像更加清晰。
林德贵曾健民
关键词:数学形态学提升小波图像去噪
基于KLCCF和SPG-GMKL的财务危机预警模型被引量:2
2015年
财务危机预警至今仍是数据挖掘领域的研究热点,为了有效解决异构高维财务数据的挖掘,论文提出一种新的财务数据预测模型。此模型是在核局部一致的概念分解(KLCCF)的降维基础上构建广义多核学习(GMKL)分类模型。该模型很好地解决了复杂、高维、非线性的财务数据的分类问题,进而用于准确地预测财务困境。首先,核局部一致的概念分解较好地将高维非线性流形数据进行降维,得到有效的特征集,充分地展现数据流本质的几何结构。其次,谱投影梯度法(SPG)在步长设置上考虑二次信息,采用非单调步长选择准则减少评估函数的次数,它对梯度噪音具有较好的鲁棒性,进一步优化广义多核学习(GMKL)模型。最后,实验显示基于KLCCF的SPG-GMKL分类模型优于SVM分类器,具有较高的分类准确性,有效地解决了高维异构财务数据的分类问题。
余清清曾健民林德贵
关键词:数据挖掘流形学习财务预警
基于边缘检测的提升小波图像去噪被引量:1
2011年
为了图像去噪的同时能很好地保持图像的细节,提出了一种基于边缘检测的提升小波图像去噪方法,先用Canny边缘检测方法得出原图像的边缘,提升小波去噪时就可用阈值去噪而不必担心损害图像的重要特征。其去噪步骤是:对噪声污染图像进行提升小波去噪;对含噪图像提取边缘图像;对去噪图像高频系数进行阈值处理进行重构变换;图像合并。实验结果表明,该方法不但可以保持图像的重要信息,而且能够提高去噪后图像的信噪比。
林德贵
关键词:边缘检测提升小波图像去噪
共1页<1>
聚类工具0