排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
改进拉普拉斯能量和的尖锐频率局部化 总被引:3,自引:0,他引:3
为了克服Contourlet融合在远离支撑区间上出现的混叠成分,抑制融合图像在奇异处产生伪吉布斯现象,提出了改进拉普拉斯能量和的尖锐频率局部化Contourlet (SFLCT)域多聚焦图像融合方法.采用SFLCT而不是原始的Contourlet对多聚焦图像进行分解,并将多聚焦图像空域融合方法中评价图像清晰度的指标引入到SFLCT变换域,用拉普拉斯能量来选择变换域系数.然后,逆SFLCT重构得到融合结果.最后,采用循环平移来提高SFLCT的平移不变性,有效抑制融合图像在奇异处产生伪吉布斯现象.实验结果表明:对于多聚焦图像,所提方法比循环平移小波变换法的互信息提高了5.87%, QAB/F提高了2.70%,比循环平移Contourlet方法的互信息提高了1.77%, QAB/F提高了1.29%;视觉效果优于典型的空域分块拉普拉斯能量方法和平移不变小波变换方法. 相似文献
2.
3.
改进拉普拉斯能量和的尖锐频率局部化Contourlet域多聚焦图像融合方法 总被引:5,自引:0,他引:5
为了克服Contourlet融合在远离支撑区间上出现的混叠成分,抑制融合图像在奇异处产生伪吉布斯现象,提出了改进拉普拉斯能量和的尖锐频率局部化Contourlet(SFLCT)域多聚焦图像融合方法。采用SFLCT而不是原始的Cont-ourlet对多聚焦图像进行分解,并将多聚焦图像空域融合方法中评价图像清晰度的指标引入到SFLCT变换域,用拉普拉斯能量来选择变换域系数。然后,逆SFLCT重构得到融合结果。最后,采用循环平移来提高SFLCT的平移不变性,有效抑制融合图像在奇异处产生伪吉布斯现象。实验结果表明:对于多聚焦图像,所提方法比循环平移小波变换法的互信息提高了5.87%,QAB/F提高了2.70%,比循环平移Contourlet方法的互信息提高了1.77%,QAB/F提高了1.29%;视觉效果优于典型的空域分块拉普拉斯能量方法和平移不变小波变换方法。 相似文献
4.
试验研究了Φ52 mm 45MnVTi钢终轧917~922 ℃水冷返红680~830 ℃的组织和力学性能。结果表明,随着返红温度的降低,钢材的屈服强度及抗拉强度不同程度的升高,韧性先升高再降低,组织类型为铁素体和珠光体。当返红温度750~770 ℃时,钢材组织为均匀细小的铁素体和珠光体组织,且试验钢的珠光体片间距平均2.39 μm;钢材的抗拉强度平均841 MPa,屈服强度平均547.5 MPa,平均冲击功50.5 J,强韧性匹配最佳,满足使用要求。 相似文献
5.
基于拉普拉斯能量和的循环平移尖锐频率化Contourlet域多聚焦图像融合方法 总被引:2,自引:0,他引:2
本文提出基于拉普拉斯能量和的循环平移尖锐频率化Contourlet ( Sharp Frequency Localized Contourlet Transform-SFLCT)域多聚焦图像融合方法。SFLCT 成功减少了原始contourlet在远离支撑区间上出现的混叠成分。但是,SFLCT中的方向滤波器的降采样使得它缺乏频移不变性,容易在图像奇异处产生伪吉布斯现象。因此,本文采用循环平移(Cycle Spinning)来提高SFLCT的频移不变性。同时,本文将多聚焦空域融合方法中评价图像清晰的指标引入到SFLCT变换域,比较证明拉普拉斯能量和具有最好区分变换系数来自于清晰还是模糊图像的能力。因而,我们采用拉普拉斯能量来选择变换域系数,并重构得到融合图像。实验结果表明,针对多聚焦图像融合,所提方法在视觉效果和客观评价指标上都优于典型的空域分块拉普拉斯能量和方法、平移不变小波变换方法、循环平移小波变换方法和循环平移contourlet融合方法。 相似文献
6.
非降采样Contourlet域内空间频率激励的PCNN图像融合算法 总被引:22,自引:0,他引:22
Nonsubsampled contourlet transform (NSCT) 能够提供灵活的多分辨率分解, 具有各向异性和图像方向性扩展特点. 与原始的Contourlet相比, 它是频移不变的, 能有效克服Contourlet变换中的伪吉布斯现象. 脉冲耦合神经网络(Pulse Coupled Neural Networks-PCNN)是一种具有视觉生理学基础的神经网络, 具有全局耦合和神经元同步脉冲发放特性, 已经被成功应用于图像处理和图像融合中. 本文将NSCT与PCNN结合起来, 充分利用二者的特性. 以NSCT变换域内系数的空间频率激励PCNN神经元, 选择点火次数大的系数作为融合图像的系数, 经NSCT反变换得到融合图像. 实验表明, 本文算法无论在视觉效果还是客观评价指标上, 都优于基于小波变换、基于Contourlet变换、基于PCNN和基于Contourlet-PCNN等融合算法. 相似文献
7.
8.
9.
10.
提出了一种优化预测运动矢量的快速运动估计算法。在对预测运动矢量研究的基础上,根据序列图像中运动矢量的中心-中值偏置分布特性和矢量间的时空相关性,结合运动矢量的相似度分析,选用中心、中值和时间相关的三个矢量作为基本预测矢量。设置相似门限来减少由三个空间相邻块预测矢量带来的大量冗余信息,对算法中关键的门限技术进行了改进。实验结果证明,本文算法对各种类型的运动序列都有很强的自适应性,在保持搜索准确度的同时,可大幅度提高运动估计的速度,其平均搜索速度是FS的208倍,明显优于PMVFAST的146倍、MVFAST的77倍、DS的55倍,提高了视频压缩中现有的运动估计算法的性能。 相似文献