殷颖
- 作品数：9 被引量：46H指数：4
- 供职机构：西安建筑科技大学信息与控制工程学院更多>>
- 发文基金：国家自然科学基金陕西省教育厅科研计划项目西安市城乡建设委员会建设科技计划项目更多>>
- 相关领域：自动化与计算机技术理学机械工程文化科学更多>>
- 基于自适应编辑距离的颜料光谱匹配识别方法被引量：5
- 2018年
- 为解决传统光谱匹配算法对同色系不同颜料物质光谱数据匹配识别精度不高的问题,提出了一种自适应阈值的编辑距离光谱匹配算法;研究了如何利用编辑距离对光谱反射率曲线差别敏感的特性来提高匹配精度的方法,同时通过自适应设定编辑距离的判定条件来减小算法匹配同种物质时在不同条件下光谱数据的误差。结果表明:与传统光谱匹配算法相比,自适应编辑距离算法的匹配精度更高,对颜料的识别结果更好。
- 王可王慧琴殷颖毛力张毅
- 关键词：光谱学光谱匹配自适应阈值
- C-V模型在红外视频火灾图像分割中的应用被引量：2
- 2013年
- 针对大空间中红外视频火灾图像边缘模糊,不易准确分割问题,研究了一种基于背景差分和C-V模型的分割方法。通过背景差分得到运动图像;利用形态学处理得到完整的运动区域,并获得其外接矩形;以外接矩形作为C-V模型的初始轮廓曲线进行分割,得到封闭、完整的运动目标轮廓。该算法避免了对整幅图像分割,减少了运算量。通过实验仿真并与阈值分割算法比较,证明了该算法的准确性和有效性,有利于下一步火灾特征提取与识别。
- 秦薇薇王慧琴胡燕梁俊山殷颖
- 关键词：图像分割背景差分外接矩形
- 基于小波变换和支持向量机的火灾识别算法被引量：7
- 2013年
- 为了提高火灾检测方法的环境适应能力,研究了一种基于小波变换和支持向量机的视频火灾识别算法。提出了火焰颜色概率模型对疑似火焰区域进行分割,经过小波变换分析疑似火焰区域高频子图能量信息,对其一维能量信息进行二次小波变换得能量变化趋势和闪烁频率。将提取火焰的能量变化趋势,闪烁频率和火焰面积变化率作为支持向量机的输入特征参数,实现了火灾识别。实验结果表明,该算法有较高的识别准确率,较强的环境适应能力。
- 邹婷王慧琴胡燕梁俊山殷颖
- 关键词：火焰探测小波变换支持向量机
- 基于光谱重建技术的壁画颜色复原与评价被引量：10
- 2019年
- 为了在给定的照明和观察条件下,用相机响应信号重建物体表面光谱反射率,实现颜色的高精度复原,采用了多光谱成像技术采集物体表面的多光谱图像,使用主成分分析、R矩阵和正则化R矩阵方法进行了光谱反射率重建的理论研究,并对壁画色块颜色复原进行了实验验证,取得了壁画色块的重建光谱和颜色复原数据,同时对基于正则化R矩阵方法的壁画色块颜色复原结果进行了评价。结果表明,正则化R矩阵方法进行光谱重建的光谱精度和色度精度更高,与主成分分析和R矩阵方法相比,色差降低了0.0732,适应度系数提高了1.10%,均方根误差降低了0.0035,光谱匹配偏指数降低了0.0225。该方法能够满足高精度颜色再现的需要,适用于文物艺术品数字化存档、文物艺术品修复等领域。
- 王可王慧琴殷颖毛力张毅
- 关键词：光谱学R矩阵正则化
- 基于改进R矩阵方法的光谱反射率重建研究被引量：3
- 2018年
- 为了解决传统R矩阵方法重建光谱反射率过程中的病态问题,提出了一种正则化R矩阵改进方法。研究了如何使用Tikhonov正则化来限制R矩阵方法求解Moore-Penrose伪逆矩阵中所产生的病态问题,同时使用L曲线方法从训练样本数据中得到有效限制病态情况的最优正则化参数。实验结果表明:与R矩阵方法相比,改进的正则化R矩阵方法重建的光谱精度的平均均方根误差值降低了0.004 25,平均适应度系数值提高了1.325%,色度精度的平均色差值降低了0.141 9,并且在实际的应用中具有较好的表现。该方法能够满足精度较高的文物艺术品颜色再现的需要。
- 王可王慧琴王展张毅殷颖
- 关键词：R矩阵TIKHONOV正则化
- 火灾视频图像定位中特征点提取和匹配被引量：4
- 2013年
- SIFT算法广泛用于三维目标识别,但其由于依赖过多的特征点,计算量大,在实际火灾图像定位中很难保证算法的实时性。在保留了SIFT算法良好的旋转、尺度、光照等不变特性的基础上,采用关键点的4×4窗口(16维向量)表示关键点的特征描述。同时,利用双向匹配在特征点的匹配上保证了准确率。实验数据表明,该算法在很大程度上提高了图像的匹配速度,准确率满足火灾空间定位的需要。
- 赵丹阳王慧琴胡燕殷颖
- 关键词：SIFT算法特征点匹配
- 加强高校实验教学示范中心技术队伍的建设被引量：1
- 2011年
- 以高校实验教学示范中心的特点为基础,阐述了加强实验教学示范中心技术队伍建设的必要性,提出了提高自身业务水平、加强日常教学管理和考核、加强师德师风建设的建议和方法。
- 孙曼利殷颖
- 关键词：高校
- 基于Pearson关联度BP神经网络的时间序列预测被引量：13
- 2018年
- 针对BP神经网络存在的过拟合问题,提出了基于Pearson关联度的神经网络预测模型。将传统的基于误差反向传播的BP神经网络中的误差函数替换为Pearson关联度函数,利用梯度上升法对训练过程中神经网络的连接权重和阈值的调整量进行了推导,并为调整量添加了动量项用于提高神经网络收敛速度,然后建立了关联度反向传播预测模型,并对其权重进行了阈值限制以及增加学习率来防止过拟合。对通用数据集进行时间序列预测实验,通过与改进的RBF和BP神经网络对比,表明对于多因素时间序列的预测Pearson关联度BP神经网络的预测误差精度RMSE降低了4.02,收敛次数减少1 690代。实现了将关联分析与BP神经网络的结合,能够在保证效率的同时,解决过拟合问题,提高预测精度。
- 王可王慧琴殷颖毛力张毅
- 关键词：BP神经网络时间序列预测
