排序方式: 共有29条查询结果,搜索用时 15 毫秒
1.
针对支持度变换在多聚焦图像融合技术方面存在的不足,提出了基于软空间映射的复支持度变换的图像融合方法,该方法将图像信息(实数域)映射到其软空间的象(复数域),在此基础上进行支持度变换,既保留支持度变换已有的优点,又增加了图像的分解信息量,进一步提高了图像融合质量.实验结果表明在主观融合效果与客观评价指标方面与支持度变换相比均有一定提高. 相似文献
2.
针对在非匀速非定轴旋转条件下利用Kinect进行刚体三维重建问题,提出一种改进的基于Kinect传感器的旋转刚体三维重建方法。首先利用Kinect采集深度图像,然后用改进的加权ICP(Iterative Closest Point)算法在非匀速非定轴旋转条件下进行配准,再将各点云变换到同一坐标系下,最后根据所得点云生成三维模型表面,通过GPU(Graphic Processing Unit)编程技术来提高计算速度以满足实际需求。实验结果表明:该方法具有重建效果良好的特点。 相似文献
3.
基于KL距离和双密度小波变换的纹理图像检索 总被引:1,自引:0,他引:1
为了进一步提纹理图像的检索性能,提出了一种基于双密度小波的算法。该算法根据双密度小波分解的特点。从系数角度出发首先进行子带组合,然后提取子带小波系数直方图分布特性作为纹理特征。利用最大似然估计规则将特征提取和相似计算结合起来.采用KL距离进行度量.与单小波和双密度小波方法比较.该算法具有时移不变性、特证数少等特点。理论分析和纹理图像检索的对比实验数据说明了组合双密度小波在纹理特征提取方面的性能优于单小波和双密度小波。检索率分别提高了。 相似文献
4.
5.
CFSFDP是基于密度的新型聚类算法,可聚类非球形数据集,具有聚类速度快、实现简单等优点。然而该算法在指定全局密度阈值dc时未考虑数据空间分布特性,导致聚类质量下降,且无法对多密度峰值的数据集准确聚类。针对以上缺点,提出基于网格分区的CFSFDP(简称GbCFSFDP)聚类算法。该算法利用网格分区方法将数据集进行分区,并对各分区进行局部聚类,避免使用全局dc,然后进行子类合并,实现对数据密度与类间距分布不均匀及多密度峰值的数据集准确聚类。两个典型数据集的仿真实验表明,GbCFSFDP算法比CFSFDP算法具有更加精确的聚类效果。 相似文献
6.
7.
CFSFDP是基于密度的新聚类算法,可聚类非球形数据集,具有聚类速度快实现简单等优点。CFSFDP需人工尝试确定密度阈值dc且对一个类中存在多密度峰值的数据无法进行准确聚类,为解决该缺点,本文提出基于近邻距离曲线和类合并优化CFSFDP(简称 NM-CFSFDP)的聚类算法。首先,算法用近邻距离曲线变化情况自动确定密度阈值dc;然后,用本文提出自动确定dc的CFSFDP对数据聚类;最后用本文计算dc值的方法指导类的合并,引入内聚程度衡量参数解决了类合并后不能撤销的难题,从而实现对多密度峰值数据的正确聚类。通过实验对比,NM-CFSFDP算法确实比CFSFDP算法具有更加精确的聚类效果。 相似文献
8.
9.
为了更有效地去噪,在考虑了图像局部具有不独立性特点的基础上,利用双树复小波变换,提出了一种新的空间适应算法,该算法对于每个系数利用中心方形窗来估计局部方差,克服了以前的去噪方法不能有效地去除图像边缘噪声的弱点,和目前好的实验结果进行的对比结果表明,该方法有效地改善了去噪效果。 相似文献
10.
针对复小波变换在图像方向信息表征和NeighLevel算法刻画邻域相关性的局限性,提出了一种改进的图像去噪方法。首先,利用抗混叠轮廓波自由选择方向数的特点,能更好地提取图像边缘细节,克服了复小波方向性信息表达的不足;然后用变换域邻域小波系数之间的互信息量,改进NeighLevel方法对邻域信息的表达能力。理论分析和实验结果表明,与CWT-NeighLevel相比,在噪声方差等于30~60时,峰值信噪比提高了0.6%~7.0%,且在边缘特征方面保持了良好的视觉效果。 相似文献