公共文化服务平台

金海燕: 作品数：29 被引量：120H指数：6; 供职机构：西安理工大学计算机科学与工程学院更多>>; 发文基金：国家自然科学基金陕西省自然科学基金国家重点基础研究发展计划更多>>; 相关领域：自动化与计算机技术文化科学电子电信机械工程更多>>

合作作者

基于非采样Contourlet特征的水印算法被引量：5: 2009年; 提出一种利用非采样Contourlet边缘方向信息实现对RST攻击校正的水印方案。该方案利用非采样Contourlet变换提取载体图像多尺度多方向上的变换系数,对显著方向子带系数进行二值并细化,获得载体图像轮廓方向信息。水印检测时,利用轮廓方向的特征点集估计测试图像受到RST攻击的参数,从而使测试图像恢复到原来的大小和位置,即恢复已丢失的同步信息。实验结果表明,该方法对RST攻击具有较好的鲁棒性。; 刘晶刘刚李爱民金海燕; 关键词：非采样CONTOURLET变换数字水印二值化

基于Contourlet域HMT模型的图像融合被引量：4: 2008年; 针对小波域隐马尔可夫树融合速度较慢、方向信息少的缺点,提出了一种图像融合新算法.首先将待融合图像进行Contourlet分解得到低频系数和高频方向系数,低频系数采用模极小值的规则融合,高频方向系数经过Contourlet域隐马尔可夫树训练后求得边缘概率密度函数,与原系数相乘得到新的方向系数,然后采用局部内积的规则对高频系数融合.对融合后的系数进行逆Contourlet变换,从而得到融合后的图像.由于Contourlet域隐马尔可夫树模型在细尺度方面能够跨越几个相邻的方向子带,方向子带间具有与尺度相似的统计模式,因此该算法不仅能提高建模精度,而且能降低运算的复杂度(减少了参数数目).仿真实验表明,相比Contourlet和小波域同类算法,这种算法能够得到更加清晰光滑的融合图像;标准差、平均梯度、平均交叉熵等统计指标均比小波域隐马尔可夫树有显著改善,训练速度提高了17倍左右,且能够快速融合采用小波域隐马尔可夫树算法比较困难的图像.; 刘战文焦李成金海燕沙宇恒杨淑媛; 关键词：CONTOURLET域隐马尔可夫树模型图像融合

自适应字符切分及提取算法研究被引量：1: 2016年; 在字符识别技术日趋成熟的现状下,单个字符的正确切分及提取已经成为制约字符识别精确度的关键因素。本文针对二手车发票上印刷体的日期数字(阿拉伯数字),对图像二值化处理后,采用垂直方向投影和轮廓特征两种策略进行自适应字符切分及提取。实验结果表明,该方法提高了从图像中定位出来的字符串的切分率,并保证了字符切分和提取的正确率平均达到99%。; 金海燕夏婷王彬; 关键词：字符识别图像二值化

面向旷场实验视频分类的特征拼接矩阵学习方法被引量：1: 2022年; 目的旷场实验(open field test,OFT)是行为学与药理实验分析中常用的实验方法。为了对比测试组和参考组被测小鼠的行为特征差异,通常需要耗费大量精力对旷场实验数据进行处理和观测。由于旷场实验数据量大且较依赖观测人员的主观判断,导致对小鼠行为差异观测的精度较低且缺乏量化评价指标。为此,本文提出一种基于卷积神经网络(convolutional neural networks,CNN)的旷场实验视频分类方法,可基于量化特征对两组小鼠的行为差异自动分类。方法从视频空域和时域中提取22维的小鼠运动行为特征,经过量化后生成特征矩阵,进而以矩阵拼接方式构造可学习的行为特征矩阵样本,利用不同结构卷积神经网络对提取的行为特征矩阵样本进行训练和分类,并分析网络结构对分类结果的影响,在实现两组小鼠分类的基础上,对不同维度小鼠行为特征对分类精度的重要性进行评价。结果在真实旷场实验数据集上的实验分析表明,本文算法的分类准确率为99.25%。此外,由实验结果分析发现小鼠的大角度转向频次、停留区域与时间对小鼠分类的重要性高于其他维度特征。结论提出的特征拼接矩阵学习方法能够准确识别两组小鼠旷场实验视频的差异,本文方法的分类准确率明显优于现有人工分析及经典机器学习方法。; 肖照林杨志林刘欢金海燕; 关键词：视频分类

基于Graph Cuts多特征选择的双目图像分割方法被引量：3: 2021年; 双目图像分割对后续立体目标合成与三维重建等应用至关重要。由于双目图像中包含场景深度信息,因此直接将单目图像分割方法应用于双目图像尚不能得到理想的分割结果。目前,大多数双目图像分割方法将双目图像的深度特征作为颜色特征的额外通道来使用,仅对颜色特征与深度特征做简单整合,未能充分利用图像的深度特征。文中基于多分类Graph Cuts框架,提出了一种交互式双目图像分割方法。该方法将颜色、深度和纹理等特征融合到一个图模型中,以更充分地利用不同特征信息。同时,在Graph Cuts框架中引入了特征空间邻域系统,增强了图像前景区域与背景区域内部像素点之间的关系,提高了分割目标的完整性。实验结果表明,所提方法有效提升了双目图像分割结果的精确度。; 金海燕彭晶周挺肖照林; 关键词：双目立体视觉双目图像图像分割

基于第二代Bandelet变换的SAR图像去噪压缩被引量：2: 2010年; 从SAR图像的统计特性出发,构造了对比度塔(CP),对SAR图像进行相干斑抑制和对比度调整,并将第二代Bandelet变换用于SAR图像压缩.在bpp值较高的情况下,该方法提高了SAR图像的压缩性能,适用于方向信息比较丰富、背景复杂的SAR图像的压缩处理.; 金海燕王彬; 关键词：图像压缩 BANDELET变换 SAR图像相干斑抑制

基于方向变换和方向波的图像去噪: 2013年; 针对小波变换处理二维信号时存在方向缺失、不能达到最优逼近的缺点,借鉴方向波中处理边界问题的思想,利用方向滤波器组中的采样矩阵实现图像旋转。将具有一定夹角的2个方向利用采样矩阵表示,使这2个方向分别旋转投影成为水平方向和垂直方向。考虑到小波分析擅长处理纹理特征的优点,结合方向变换与小波变换,将对角线信息进行优化表示。仿真实验验证该方法可显著改善图像的视觉效果。; 金海燕李帅黑新宏; 关键词：小波变换各向异性方向滤波器组图像去噪

油画相似度的表面光场特征点分布鉴别: 2023年; 目的油画区别于其他绘画形式的重要特征之一是其颜料图层存在厚度变化。因此,油画相似度鉴别不仅关注油画的纹理色彩细节,也需考虑其表面颜料厚度的差异。针对颜料厚度的细微变化,提出一种油画相似度的表面光场特征点分布鉴别方法。采用光场成像技术观测由于油画表面厚度起伏导致的不同角度成像的差异,以量化计算油画表面光场的相似性。方法该方法采用一块微透镜阵列板对油画表面的角度域变化进行光场编码,利用光场相机采集编码后的油画表面光场。在此基础上,选取油画表面光场中角度域差异大的特征点集合,采用K-Means方法对该特征点集合的二维分布进行多边形向量化描述。进而提出计算关键点连接线的欧氏距离与线段夹角,以度量表面光场特征点分布多边形的相似性。结果采用Illum光场相机拍摄了多组真实油画的表面光场实验数据,实验结果表明本文方法可对存在细微颜料厚度差别的油画相似度进行鉴别。在对油画表面光场的识别区分度以及检测精度方面,本文方法显著优于现有图像特征匹配鉴别方法。结论实验分析表明,相比于经典交并比及相似度系数,所提出油画相似性度量具有更优的相似性度量精度。通过调整编码板与测试油画表面距离的反复实验,验证所提方法能够有效检测0.5 mm以上厚度变化的表面光场差异。; 肖照林孙彤鑫张晶瑞金海燕; 关键词：相似度计算特征点提取

结合语义分割与模型匹配的室内场景重建方法: 2023年; 目的由于室内点云场景中物体的密集性、复杂性以及多遮挡等带来的数据不完整和多噪声问题,极大地限制了室内点云场景的重建工作,无法保证场景重建的准确度。为了更好地从无序点云中恢复出完整的场景,提出了一种基于语义分割的室内场景重建方法。方法通过体素滤波对原始数据进行下采样,计算场景三维尺度不变特征变换(3D scale-invariant feature transform,3D SIFT)特征点,融合下采样结果与场景特征点从而获得优化的场景下采样结果;利用随机抽样一致算法(random sample consensus,RANSAC)对融合采样后的场景提取平面特征,将该特征输入PointNet网络中进行训练,确保共面的点具有相同的局部特征,从而得到每个点在数据集中各个类别的置信度,在此基础上,提出了一种基于投影的区域生长优化方法,聚合语义分割结果中同一物体的点,获得更精细的分割结果;将场景物体的分割结果划分为内环境元素或外环境元素,分别采用模型匹配的方法、平面拟合的方法从而实现场景的重建。结果在S3DIS(Stanford large-scale 3D indoor space dataset)数据集上进行实验,本文融合采样算法对后续方法的效率和效果有着不同程度的提高,采样后平面提取算法的运行时间仅为采样前的15%;而语义分割方法在全局准确率(overall accuracy,OA)和平均交并比(mean intersection over union,mIoU)两个方面比PointNet网络分别提高了2.3%和4.2%。结论本文方法能够在保留关键点的同时提高计算效率,在分割准确率方面也有着明显提升,同时可以得到高质量的重建结果。; 宁小娟巩亮韩怡马婷石争浩石争浩王映辉; 关键词：点云三维重建

基于控制点特征学习的前列腺组织轮廓线提取方法: 2023年; 前列腺疾病检测和诊断的重要手段之一是分析核磁共振加权成像(T2 Weighted Imaging,T2WI)与弥散加权成像(Diffusion Weighted Imaging,DWI)的结果。对前列腺组织图像识别和标注的工作依赖医生经验且效率较低,大量就诊数据的高效高精度处理成为该领域一大挑战。目前,在T2WI图像上提取轮廓的深度学习图像分割算法已有报道,但在DWI图像上提取前列腺组织轮廓,仍存在边缘模糊导致的轮廓线提取难题。针对该问题,提出一种前列腺轮廓控制点的深度学习检测方法。与直接检测轮廓线不同,该文提出一种U型卷积神经网络对轮廓线控制点进行特征学习,以降低由不同患者前列腺轮廓差异导致的特征歧义性问题。在大量已标注数据集上,采用监督学习方式,提出一种结合控制点概率与空间分布的加权损失函数以优化神经网络收敛速度与检测性能。在控制点高精度检测的基础上,采用曲线保凸拟合得到最终的前列腺组织轮廓线。在实验部分,采用前列腺就诊临床数据测试了所提方法的性能,并与直接检测轮廓线方法、多种经典图像分割方法进行了对比。在实验数据的测试结果表明,该方法在相似性系数指标及豪斯多夫距离指标等方面优于现有其他医学网络分割方法。此外,该方法由于仅学习轮廓控制点,因此其在小样本数据集上的学习能力显著优于直接检测轮廓线的深度学习方法。; 金海燕张锦王海鹏肖照林肖照林陈晶王刚陈晶; 关键词：前列腺组织弥散加权成像

金海燕

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

金海燕

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈