王顺凤
- 作品数：28 被引量：73H指数：6
- 供职机构：南京信息工程大学更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金香港特区政府研究资助局资助项目更多>>
- 相关领域：自动化与计算机技术天文地球文化科学更多>>
- 耦合了梯度保真项的总变差模型快速图像复原方法
- 本发明公开了一种耦合了梯度保真项的总变差模型快速图像复原方法，针对耦合了梯度保真项的TV模型，利用分裂算法以交替最小化的方式求解该模型，最终实现图像快速复原。本发明包括变换模型步骤，得到无约束的变换模型步骤，离散化模型步...
- 张建伟贺妍斐郑钰辉王顺凤朱节中
- 文献传递
- 基于各向异性Gibbs随机场与高斯混合模型的脑MR图像分割算法被引量：7
- 2007年
- 为了克服高斯混合模型(GMM)的局限性,利用Gibbs理论和图像结构信息构造各向异性Gibbs随机场,并将其引入到GMM框架中,完善GMM的分类效果,使其在克服噪声影响的同时,还能够保持细长拓扑结构区域信息以及角点区域信息.实验结果证明,文中算法可以得到较好的分类结果.
- 陈允杰王顺凤王利汤杨韦志辉王平安夏德深
- 关键词：高斯混合模型GIBBS随机场
- 基于改进的LBF模型的图像分割被引量：10
- 2011年
- LBF(Local Binary Fitting)模型利用局部图像信息能够对强度分布不均匀的图像进行分割,然而,该算法仅考虑均值信息,导致模型在处理弱边界图像时得不到理想的分割结果。为此提出一种改进方法:在考虑图像局部均值信息的同时考虑图像局部方差信息和全局方差信息,使得演化曲线能够准确地停止在目标边界上;同时为了加快曲线演化的速度,结合了CV模型的能量项。实验结果表明,改进的方法对含有弱边界信息图像进行分割时能取得较好的效果,演化速度上也有明显的提高。
- 王顺凤阮晶王宇
- 关键词：图像分割LBF模型
- 一种耦合聚类中心约束项的非局部稀疏表示图像去噪方法
- 本发明公开了一种耦合聚类中心约束项的非局部稀疏表示图像去噪方法，包括下述步骤：对待噪图像，利用kmeans聚类，产生各类；构建各类对应的紧致PCA字典；利用Dong等提出的方法构造类内图像片稀疏编码误差项；计算各类中心图...
- 张建伟郑钰辉王顺凤陈允杰朱节中
- 基于Gibbs场与模糊C均值聚类的脑MR图像分割被引量：6
- 2008年
- 模糊C均值聚类是一种经典的非监督聚类模型,已成功用于很多领域。但该算法对图像噪声比较敏感。为此,利用Gibbs理论和图像结构信息构造各向异性Gibbs随机场,并将其引入到FCM框架中,完善其分类效果,使其在克服噪声影响的同时还能够保持细长拓扑结构区域信息以及角点区域信息。应用于脑MR图像分割,实验表明新算法可以得到较好的分类结果。
- 王顺凤张建伟
- 关键词：模糊C均值聚类GIBBS随机场
- 一种电源性能指标测试方法
- 本发明公布了一种电源性能指标测试方法，尤其涉及一种智能仪表控制技术，属智能控制系统技术领域。该方法由电子工程师编制电路板故障测试所需的性能指标的GPIB指令组卡；程序开发人员建立了一个数据库，存放每个性能指标测试所用的G...
- 朱节中张建伟王顺凤刘文军郑钰辉朱节云
- 基于结构张量的自适应CTV彩色图像恢复模型被引量：1
- 2009年
- 讨论一种基于非线性扩散方程的彩色图像去噪方法。在图像去噪的3个基本要求的基础上,总结出调和项模型和彩色总变差去噪模型中的不足,利用图像的局部信息构造函数使得模型在接近图像边缘处各向异性平滑并保持边界。在平坦区域各向同性平滑,防止阶梯效应的产生,并利用角点信息保持了角点形状。实验结果表明,所建模型能够较好地保持图像中目标的几何结构,同时具有良好的去噪能力。
- 王顺凤张建伟
- 关键词：各向同性各向异性图像去噪
- 一种基于双字典学习的非局部稀疏表示图像去噪方法
- 本发明一种基于双字典学习的非局部稀疏表示图像去噪方法改进了Dong非局部稀疏表示模型中所用到传统的Kmeans聚类方法，具体利用聚类中心字典学习方法分析与挖掘各相似类间的相关性，并将这一相关性引入传统的Kmeans聚类方...
- 王顺凤张建伟郑钰辉朱节中陈允杰
- 文献传递
- 一种非局部正则化遥感图像超分辨重建方法
- 本发明公开了一种基于正则化滤波器的非局部正则化遥感图像超分辨重建方法，包括：降质因素对遥感图像质量的影响评价步骤；设计正则化滤波器步骤；超分辨重建模型构建与数值算法设计步骤。本发明在非局部正则化模型中耦合了梯度保真项，提...
- 张建伟贺妍斐王顺凤郑钰辉陈允杰朱节中
- 文献传递
- 一种各向异性Wells算法脑核磁共振图像分割模型被引量：5
- 2010年
- 核磁共振图像分析已经成为主要的医疗辅助手段之一.然而,由于偏移场的影响导致该类图像的分析较为困难,去偏移场已成为图像分析的必要步骤.Wells算法将图像分割和去偏移场放入同一个框架内并取得较好的结果.然而该算法没有考虑像素间的位置信息,因而导致该算法对图像噪声比较敏感.为了克服其局限性,利用Gibbs理论和图像结构信息构造各向异性Gibbs随机场,并将其引入到Wells算法的框架中,完善其分类效果,使其克服噪声影响的同时还能够保持细长拓扑结构区域信息以及角点区域信息.实验证明提出的算法可以得到较好的分类结果.
- 陈允杰张建伟王顺凤詹天明
- 关键词：GIBBS随机场图像分割结构张量
