公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

基于迭代Tikhonov正规化的三刺激值重建光谱方法研究被引量：7: 2016年; 光谱图像中的反射率光谱数据维数高,且与光源、设备均无关,能够比较全面、真实、客观地描述图像中物体的颜色信息。针对三色相机的光谱图像获取系统中三维色度数据重建多维光谱数据产生的光谱信息丢失、以及伴随而生的颜色信息丢失问题,提出了迭代Tikhonov正规化的光谱重建方法。首先依据色度学理论中色度值与反射率光谱之间的关系,构建反射率光谱重建方程建立起相机所获三维色度数据与高维反射率光谱数据的映射关系;然后,通过反射率光谱重建方程的病态分析,在Moore-Penrose伪逆矩阵求解思想的基础上构建迭代Tikhonov正规化方法求解反射率光谱,并利用训练样本数据通过L-曲线方法训练获取迭代Tikhonov正规化的最优正规化参数,以有效控制并改善反射率光谱重建方程求解的病态、减少重建光谱的光谱信息丢失。实验通过选取样本数据对光谱重建方法进行验证。验证实验的结果表明所提出的光谱重建方法改善了三色相机的光谱图像获取系统中重建光谱的光谱信息丢失程度,使得重建光谱的光谱误差和色度误差较其他光谱重建方法均有明显降低。; 谢德红李蕊万晓霞刘强朱文凤; 关键词：光谱重建三刺激值正规化

高动态范围图像分层阶调映射改进算法: 2015年; 目的针对高动态范围图像分层阶调映射算法中显著边缘处产生的光晕和阶调逆转问题,提出了一种分层阶调映射的改进算法。方法首先通过对图像分层后的基础层图像和细节层图像进行分析,确认导致光晕和阶调逆转的异常信号特征;然后依据其异常信号特征,从细节层图像梯度的角度予以识别、修正,再在修正梯度的基础上,建立对应图像的正规化方程;最后利用共轭梯度算法求解正规化方程。结果抑制了细节层图像的异常信号,去除了映射结果图像中的光晕和阶调逆转。结论该算法不仅可以有效地抑制原分层映射算法中的光晕和阶调逆转现象,还可保有与原分层映射算法同等的细节再现能力。; 王琪位春傲谢德红李蕊; 关键词：高动态范围图像光晕梯度修正

基于最优色空间和视觉掩蔽的彩色图像评价算法: 2014年; 目的针对当前色差算法在评价彩色图像时未考虑图像中像素之间颜色在视觉上的空间效应,提出基于最优色空间和视觉掩蔽效应的彩色图像质量评价算法。方法通过分析色空间通道间的相关性,选取最优正交、对立空间作为评价的工作色空间,在此基础上,利用色空间各颜色通道的掩蔽函数,去除图像颜色与颜色之间在视觉上的空间关联性,最后构建图像颜色差别公式,以评价彩色图像质量。结果在验证实验中,通过利用Pearson相关系数、Spearman等级相关系数以及Kendall等级相关系数,分析各算法评价与图像主观评价之间的关系发现,该算法评价与主观评价的Pearson相关系数、Spearman等级相关系数和Kendall等级相关系数分别可达到0.3948,0.5840和0.4814,且分别大于现有其他色差算法评价与主观评价的相关系数。结论该算法评价结果与人眼视觉主观评价相对一致。; 谢德红朱文风李蕊; 关键词：彩色图像色空间

鲁棒核范数降维在图像去噪中的应用研究: 2015年; 针对核范数降维去噪方法对强噪声去除效果不佳的问题,提出一种鲁棒核范数降维的去噪方法。该方法在核范数最小化的思想下构建图像降维的代价函数,并在代价函数中增加噪声的L1范数作为其正规化项,用以改善降维时噪声对降维的影响,提高降维的鲁棒性,通过最小化代价函数,从高维的噪声图像中迭代求解出低秩的图像,以达到去噪的目的。实验结果表明,与核范数降维方法和三维块匹配(BM3D)方法相比,该方法能获得更好的去噪效果。; 徐群和谢德红; 关键词：降维代价函数鲁棒性

基于细节再现的高动态范围图像分层映射算法被引量：3: 2014年; 针对当前映射算法中亮度的映射函数非适性而引起对比度过度压缩的问题,以及映射时亮度变化改变图像细节可见性的问题,提出了一种基于细节再现的高动态范围(HDR)图像分层映射算法。该算法采用视觉响应曲线作为基础层的映射函数,根据图像局部适应性亮度动态地映射亮度;同时,在Stevens效应的思想基础上依据映射前后亮度变化获得补偿系数,拉伸或压缩细节层。测试结果表明:该映射算法所得图像能正确再现更多的可见细节。; 位春傲谢德红王琪李蕊; 关键词：高动态范围图像映射函数

基于图像局部梯度L_0范数正规化的图像分解算法被引量：1: 2014年; 针对基于梯度L0范数正规化的变分泛函最优化分解图像时误判噪声梯度为边缘梯度的问题,提出一种基于图像局部梯度的L0范数正规化的图像分解算法。该算法构造了一个由保真函数和正则项构成的适用于图像分解的变分泛函,其中正则项用图像的局部梯度的L0范数进行估计,进而通过求解泛函的最小值,以分解出图像的结构信息(即图像的边缘)。与直接基于图像一阶梯度的L0范数的分解算法相比,该算法可以去除噪声梯度的干扰,从而使分解出的图像边缘中不含有噪声。实验结果表明,该算法在分解图像结构和纹理时,既能很好地把边缘保留在图像结构层中,也可把噪声分解到图像结构层外。; 潘康俊谢德红; 关键词：图像分解变分泛函噪声

全选清除导出

共1页<1>

国家级大学生创新创业训练计划(201310298043)