-
公开(公告)号:CN110648342B
公开(公告)日:2022-07-01
申请号:CN201910943180.X
申请日:2019-09-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于NSST显著性检测及图割的泡沫红外图像分割方法,首先,对泡沫红外图像进行NSST分解,得到低频子带图像和多尺度高频子带;其次,采用GBVS算法对低频子带图像进行显著性检测,得到显著性值和视觉显著图;然后,对各个高频方向子带系数计算阈值和尺度相关系数,去除噪声系数和非线性增强边缘、弱边缘系数;最后,对NSST重构图像,结合视觉显著性进行图割,得到分割结果。该方法抗干扰能力强,分割精度高。
-
公开(公告)号:CN110969086B
公开(公告)日:2022-05-13
申请号:CN201911050472.7
申请日:2019-10-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于多尺度CNN特征及量子菌群优化KELM的手写图像识别方法首先,将手写图像进行NSST分解,得到三个尺度的多尺度图像;其次,用CNN模型提取每一个尺度的细节特征,并以最大值的方式融合这些细节特征;然后,用量子菌群算法去优化KELM模型的参数,得到最佳的KELM模型;最后,把融合后的特征当作KELM的输入,对特征进行识别,完成手写图像的识别。本发明不仅增强了识别精度和泛化能力,同时在训练模型时采用需要时间少的KELM模型,KELM仅需要优化两个参数,而且用CNN‑KELM能够提取出更多细节特征,这样极大的减少了手写图像识别的工作量以及提高了识别精度。
-
公开(公告)号:CN110298808B
公开(公告)日:2021-06-22
申请号:CN201910605110.3
申请日:2019-07-05
Applicant: 福州大学
Abstract: 本发明涉及基于量子差分进化算法的NSCT域红外图像自适应去噪方法,首先对带噪声的红外图像进行NSCT分解,得到低频子带图像和多尺度高频子带;接着将量子编码和量子门更新引入差分进化算法的优化,防止陷入局部最优解;然后对于多尺度高频子带,采用量子差分进化算法自适应获取最优阈值,通过阈值处理函数对高频子带系数进行去噪处理;最后对处理后的各个子带系数进行逆变换,得到去噪后的红外图像。本发明减轻了几何特征丢失,保留了边缘、纹理等特征信息,图像表现的更为平滑,为后续红外图像的识别、跟踪及特征提取等处理提供基础。
-
公开(公告)号:CN110246106B
公开(公告)日:2021-09-28
申请号:CN201910545307.2
申请日:2019-06-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于量子和声搜索模糊集的NSST域浮选泡沫图像增强及去噪方法,首先将浮选泡沫图像进行NSST分解,得到低频子带图像和多尺度高频子带;接着对低频子带图像进行量子和声搜索模糊集增强;然后对于多尺度高频子带,结合改进的贝叶斯萎缩阈值及尺度相关性去除噪声系数,并通过非线性增益函数增强边缘和纹理系数;最后对处理后的低频子带、各个高频子带的系数进行NSST重构,得到增强去噪后的图像。本发明能够改善泡沫图像的亮度、对比度和清晰度,在有效抑制噪声的同时气泡边缘得到明显增强,保留更多的纹理细节,更有利于后续的气泡分割和边缘检测等处理。
-
公开(公告)号:CN110298807A
公开(公告)日:2019-10-01
申请号:CN201910604910.3
申请日:2019-07-05
Applicant: 福州大学
Abstract: 本发明涉及基于改进Retinex及量子菌群算法的NSCT域红外图像增强方法,首先采用NSCT变换对红外图像进行多尺度多方向分解,得到低频子带和高频子带;接着采用改进Retinex算法对低频子带系数进行增强;然后将非线性自适应旋转门的量子更新策略引入菌群算法,并用于优化分数阶微分的参数,结合Bayes Shrink阈值对高频子带进行去噪及增强;最后对处理后的低频子带系数和高频子带系数进行NSCT反变换得到增强图像。本发明在红外图像的对比度、清晰度和信息熵方面都有较大的改观,增强了红外图像的细节,为后续的红外图像处理提供更有利的红外增强图像。
-
公开(公告)号:CN110969086A
公开(公告)日:2020-04-07
申请号:CN201911050472.7
申请日:2019-10-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于多尺度CNN特征及量子菌群优化KELM的手写图像识别方法首先,将手写图像进行NSST分解,得到三个尺度的多尺度图像;其次,用CNN模型提取每一个尺度的细节特征,并以最大值的方式融合这些细节特征;然后,用量子菌群算法去优化KELM模型的参数,得到最佳的KELM模型;最后,把融合后的特征当作KELM的输入,对特征进行识别,完成手写图像的识别。本发明不仅增强了识别精度和泛化能力,同时在训练模型时采用需要时间少的KELM模型,KELM仅需要优化两个参数,而且用CNN-KELM能够提取出更多细节特征,这样极大的减少了手写图像识别的工作量以及提高了识别精度。
-
公开(公告)号:CN110648342A
公开(公告)日:2020-01-03
申请号:CN201910943180.X
申请日:2019-09-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于NSST显著性检测及图割的泡沫红外图像分割方法,首先,对泡沫红外图像进行NSST分解,得到低频子带图像和多尺度高频子带;其次,采用GBVS算法对低频子带图像进行显著性检测,得到显著性值和视觉显著图;然后,对各个高频方向子带系数计算阈值和尺度相关系数,去除噪声系数和非线性增强边缘、弱边缘系数;最后,对NSST重构图像,结合视觉显著性进行图割,得到分割结果。该方法抗干扰能力强,分割精度高。
-
公开(公告)号:CN110298808A
公开(公告)日:2019-10-01
申请号:CN201910605110.3
申请日:2019-07-05
Applicant: 福州大学
Abstract: 本发明涉及基于量子差分进化算法的NSCT域红外图像自适应去噪方法,首先对带噪声的红外图像进行NSCT分解,得到低频子带图像和多尺度高频子带;接着将量子编码和量子门更新引入差分进化算法的优化,防止陷入局部最优解;然后对于多尺度高频子带,采用量子差分进化算法自适应获取最优阈值,通过阈值处理函数对高频子带系数进行去噪处理;最后对处理后的各个子带系数进行逆变换,得到去噪后的红外图像。本发明减轻了几何特征丢失,保留了边缘、纹理等特征信息,图像表现的更为平滑,为后续红外图像的识别、跟踪及特征提取等处理提供基础。
-
公开(公告)号:CN110246106A
公开(公告)日:2019-09-17
申请号:CN201910545307.2
申请日:2019-06-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于量子和声搜索模糊集的NSST域浮选泡沫图像增强及去噪方法,首先将浮选泡沫图像进行NSST分解,得到低频子带图像和多尺度高频子带;接着对低频子带图像进行量子和声搜索模糊集增强;然后对于多尺度高频子带,结合改进的贝叶斯萎缩阈值及尺度相关性去除噪声系数,并通过非线性增益函数增强边缘和纹理系数;最后对处理后的低频子带、各个高频子带的系数进行NSST重构,得到增强去噪后的图像。本发明能够改善泡沫图像的亮度、对比度和清晰度,在有效抑制噪声的同时气泡边缘得到明显增强,保留更多的纹理细节,更有利于后续的气泡分割和边缘检测等处理。
-
-
-
-
-
-
-
-