期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于稠密局部-全局特征融合的超高清多曝光图像融合方法
1
作者 贾修一 林乔万尼 +1 位作者 郑卓然 石争浩 《电子学报》 北大核心 2025年第1期238-247,共10页
随着超高清(Ultra-High-Definition,UHD)成像技术的应用,生成高质量的UHD图像通常需要融合多幅曝光水平不同的UHD图像.然而,目前基于深度学习的多曝光图像融合方法直接融合从不同曝光水平的图像中提取的特征图,未能充分利用不同曝光级... 随着超高清(Ultra-High-Definition,UHD)成像技术的应用,生成高质量的UHD图像通常需要融合多幅曝光水平不同的UHD图像.然而,目前基于深度学习的多曝光图像融合方法直接融合从不同曝光水平的图像中提取的特征图,未能充分利用不同曝光级别图像中的特征信息,而这些特征信息对于获得良好的多曝光融合结果至关重要.为解决这一问题,我们提出了一种新颖的UHD多曝光图像融合方法,该方法结合了图像的局部和长距离依赖特征,旨在挖掘不同曝光级别图像之间的依赖关系,提取出更高阶的语义和特征.进而,利用不同级别的短连接来聚合不同粒度的特征.最后,为了过滤带噪声的特征,我们还提出了带有门控机制的多层感知器来生成高质量的超高清图像.为了更好地展示实验结果,我们还针对多曝光融合任务建立了一个UHD图像数据集.实验结果表明,在单个显存24G的GPU上执行UHD多曝光图像融合任务时,我们的方法明显优于现有方法. 展开更多
关键词 超高清图像 多曝光图像融合 稠密特征融合 双分支 实时处理
在线阅读 下载PDF
基于Matlab7.0的大豆苗期土壤背景与杂草分割算法 被引量:1
2
作者 李爱平 郭庆丰 +2 位作者 汪春 王福成 冯金龙 《黑龙江八一农垦大学学报》 2008年第3期82-84,共3页
解决大豆苗期图像中的土壤背景分割是大豆田间杂草识别的前提和基础。为了解决大豆苗期田间杂草识别中受光照影响及环境适应性差等问题,通过对400幅不同环境下苗期大豆图像的植被颜色和背景颜色分量的统计分析,得出用3基色红(R)绿(G)蓝... 解决大豆苗期图像中的土壤背景分割是大豆田间杂草识别的前提和基础。为了解决大豆苗期田间杂草识别中受光照影响及环境适应性差等问题,通过对400幅不同环境下苗期大豆图像的植被颜色和背景颜色分量的统计分析,得出用3基色红(R)绿(G)蓝(B)合成的同一像素点,绿色植被图像的颜色分量G值都大于R和B值,而背景则恰恰相反。研究表明,采用G-R和G-B双阈值颜色特征分割进行土壤背景分离取得了很好的效果,此方法较2G-R-B颜色特征分割法对绿色植物和土壤背景的分离更为有效,可广泛应用于处于各种农作物田间杂草识别及其它绿色植被分割中受光照变化影响较大的领域。 展开更多
关键词 大豆图像 颜色特征 双阈值 图像分割
在线阅读 下载PDF
基于判别性区域提取的视频人体动作识别方法 被引量:9
3
作者 段立娟 郭亚楠 +1 位作者 乔元华 李凯 《北京工业大学学报》 CAS CSCD 北大核心 2017年第10期1480-1487,共8页
针对全局特征描述过分依赖精确定位、背景减除和跟踪技术等问题,同时也为了解决视角变化、噪声和遮挡等干扰带来的影响,对基于局部特征描述的视频人体动作识别方法进行了研究,提出了一种基于判别性区域提取的视频人体动作识别方法.首先... 针对全局特征描述过分依赖精确定位、背景减除和跟踪技术等问题,同时也为了解决视角变化、噪声和遮挡等干扰带来的影响,对基于局部特征描述的视频人体动作识别方法进行了研究,提出了一种基于判别性区域提取的视频人体动作识别方法.首先通过迭代训练和筛选过程对视频的内容进行分析和学习,自动提取视频中有代表性和区分性的判别性区域,然后使用词袋模型对提取到的判别性区域进行统计和描述,最后采用支持向量机方法确定人体运动的类型.在KTH和Youtube数据集上分别对提出的方法进行了论证,结果表明:该方法具有较高的识别准确率,同时对复杂背景等干扰不敏感. 展开更多
关键词 人体动作识别 判别性区域 显著图 词袋模型 支持向量机
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部