期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
两种新图像放大算法研究 被引量：13
1
作者 李天倩 吴援明 +2 位作者 杨健君 林祖伦 梁恩志 《信号处理》 CSCD 2003年第3期234-236,222,共4页
对两种新图像放大算法,增强系数小波放大方法和带中值滤波的邻域交换内插方法进行了研究。通过主观视觉评价和客观比较发现,增强系数小波放大方法在处理一般图像时效果较好,带中值滤波的邻域交换内插方法在处理文字时效果较好。分析了原... 对两种新图像放大算法,增强系数小波放大方法和带中值滤波的邻域交换内插方法进行了研究。通过主观视觉评价和客观比较发现,增强系数小波放大方法在处理一般图像时效果较好,带中值滤波的邻域交换内插方法在处理文字时效果较好。分析了原因,提出了根据图像特征选用放大方法的构想。 展开更多
关键词 图像放大算法 图像信息处理 图像灰度值 小波放大 中值滤波 图像特征
在线阅读 下载PDF
基于分裂Bregman算法的玉米种子品种识别(英文) 被引量：10
2
作者 江景涛 王延耀 +1 位作者 杨然兵 梅树立 《农业工程学报》 EI CAS CSCD 北大核心 2012年第S2期248-252,共5页
玉米品种的纯度和玉米产量密切相关,因此玉米品种的筛选对提高粮食产量具有非常重要的作用。基于机器视觉的自动品种筛选技术通常分为图像分割、特征获取和分类等三步。图像分割的精度直接决定了种子识别准确度。在众多的图像分割技术中... 玉米品种的纯度和玉米产量密切相关,因此玉米品种的筛选对提高粮食产量具有非常重要的作用。基于机器视觉的自动品种筛选技术通常分为图像分割、特征获取和分类等三步。图像分割的精度直接决定了种子识别准确度。在众多的图像分割技术中,本研究尝试将图像分割变分模型及其对应的数值求解方法-分裂Bregman算法应用于玉米种子自动识别中。该方法具有精度高,分割边界封闭连续等有利于玉米特征提取的优点。此外,本文还将自适应小波配置法用于求解分裂Bregman算法中的最优条件,得到一种更为精确高效的分裂Bregman算法。进而结合改进分裂Bregman算法得到的不同玉米品种特征和支持向量机技术得到了一种新的玉米品种分类器。采用该方法对玉米品种农大108和鲁丹981进行实验,识别精度分别达到97.3%和98%,相对于由其他分割方法得到的分类结果精度(95%)要高。 展开更多
关键词 图像识别 特征提取 模型 分裂Bregman算法 多层小波插值算子
在线阅读 下载PDF
自适应Kalman滤波反褶积的快速实现方法 被引量：15
3
作者 董恩清 刘贵忠 张宗平 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2001年第2期255-262,共8页
提出了以二进小波变换为基础的自适应Kalman滤波反褶积 (AKFD)新方法 ,针对该方法的计算复杂程度 ,提出了一种快速实现方法 .二进小波变换的AKFD抛弃了传统预测反褶积对信号平稳性的假设 ,克服了提高分辨率而信噪比明显降低的问题 ,具... 提出了以二进小波变换为基础的自适应Kalman滤波反褶积 (AKFD)新方法 ,针对该方法的计算复杂程度 ,提出了一种快速实现方法 .二进小波变换的AKFD抛弃了传统预测反褶积对信号平稳性的假设 ,克服了提高分辨率而信噪比明显降低的问题 ,具有很好的抗噪性能 .在小波域进行的AKFD在压制假反射以及提高分辨率方面比时间域的AKFD好 ,克服了在时域内进行AKFD抬升低频成分的缺陷 .利用二维地震数据的局部平稳性的假设提出了快速实现方法 ,通过分段求取自适应预测算子 ,分别于横向及纵向采用样条插值的方法进行插值 ,来减少求取自适应预测算子的计算量 ,达到快速实现的目的 .经过大量实验表明计算速度提高数百倍 ,仍能保持原来的计算效果 . 展开更多
关键词 二进小波变换 自适应滤波 KALMAN滤波 反褶积 非平稳信号 地震资料 地震数据处理
在线阅读 下载PDF
基于小波变换的发动机表面缺陷图像去噪方法的研究 被引量：10
4
作者 肖静 游世辉 《表面技术》 EI CAS CSCD 北大核心 2018年第12期328-333,共6页
目的滤除发动机表面缺陷图像上的噪声,使发动机表面缺陷信息得以更好地呈现。方法首先利用小波变换将发动机表面缺陷含噪图像进行系数分解,获取不同的小波系数;接着利用支持向量机对小波分解系数进行分类,以达到将噪声信号与非噪声信号... 目的滤除发动机表面缺陷图像上的噪声,使发动机表面缺陷信息得以更好地呈现。方法首先利用小波变换将发动机表面缺陷含噪图像进行系数分解,获取不同的小波系数;接着利用支持向量机对小波分解系数进行分类,以达到将噪声信号与非噪声信号进行分离的效果;最后利用插值运算对硬阀值函数进行优化,以克服函数不连续性引起的振铃效应等弊端,使得去噪后图像能够保持更多的细节信息。通过实验仿真将所提方法以及中值滤波、双边滤波方法的去噪效果进行对比。结果所提方法去噪后图像与中值滤波以及双边滤波方法去噪后图像相比,具有更高的PSNR值以及SSIM值。测试图像噪声强度为25%时,所提方法去噪后图像的PSNR值以及SSIM值较中值滤波方法去噪分别提高了20.66%以及11.89%,较双边滤波方法去噪分别提高了10.30%以及5.48%。结论所提方法比中值滤波、双边滤波方法具有更好的去噪效果,能够对发动机表面缺陷图像的噪声进行去除,并较好地保留图像的细节信息。 展开更多
关键词 发动机表面缺陷图像 图像去噪 小波变换 支持向量机 插值运算
在线阅读 下载PDF
求解非线性期权定价模型的自适应小波同伦摄动技术 被引量：1
5
作者 梅树立 索皎莉 《动力学与控制学报》 2012年第4期360-365,共6页
Leland 模型是在考虑交易费用的情况下,对 Black - Scholes 模型进行修改得到的非线性期权定价模型. 本文针对 Leland 模型,提出了一种求解非线性动力学模型的自适应多尺度小波同伦摄动法. 该方法首先利用插值小波理论构造了用于逼近连... Leland 模型是在考虑交易费用的情况下,对 Black - Scholes 模型进行修改得到的非线性期权定价模型. 本文针对 Leland 模型,提出了一种求解非线性动力学模型的自适应多尺度小波同伦摄动法. 该方法首先利用插值小波理论构造了用于逼近连续函数的多尺度小波插值算子,利用该算子可以将非线性期权定价模型方程自适应离散为非线性常微分方程组; 然后将用于求解非线性常微分方程组的同伦摄动技术和小波变换的动态过程相结合,构造了求解 Leland 模型的自适应数值求解方法. 数值模拟结果验证了该方法在数值精度和计算效率方面的优越性. 展开更多
关键词 Leland模型 插值小波算子 同伦摄动技术
在线阅读 下载PDF
求解非线性Black-Scholes模型的自适应小波精细积分法 被引量：2
6
作者 梅树立 《经济数学》 2012年第4期8-14,共7页
针对非线性Black-Scholes方程,基于quasi-Shannon小波函数给出了一种求解非线性偏微分方程的自适应多尺度小波精细积分法.该方法首先利用插值小波理论构造了用于逼近连续函数的多尺度小波插值算子,利用该算子可以将非线性Black-Scholes... 针对非线性Black-Scholes方程,基于quasi-Shannon小波函数给出了一种求解非线性偏微分方程的自适应多尺度小波精细积分法.该方法首先利用插值小波理论构造了用于逼近连续函数的多尺度小波插值算子,利用该算子可以将非线性Black-Scholes方程自适应离散为非线性常微分方程组;然后将用于求解常微分方程组的精细积分法和小波变换的动态过程相结合,并利用非线性处理技术(如同伦分析技术)可有效求解非线性Black-Scholes方程.数值结果表明了该方法在数值精度和计算效率方面的优越性. 展开更多
关键词 非线性Black—Scholes方程 插值小波算子 精细积分法
在线阅读 下载PDF
Besov空间上的算子插值定理(英文)
7
作者 杨占英 《数学杂志》 CSCD 北大核心 2009年第4期441-444,共4页
本文研究了算子的插值问题.利用Riesz-Thorin定理的证明方法,并运用Daubechies小波得到了Besov空间上的线性算子的插值定理.
关键词 算子插值定理 BESOV空间 小波
在线阅读 下载PDF
基于多尺度分析的多重网格法 被引量：4
8
作者 孙洁 《宁波大学学报（理工版）》 CAS 2008年第4期538-541,共4页
简单介绍了多重网格法和小波,并指出两者的相似之处,拓展了Briggs的思想.利用小波的多尺度分析与多重网格法的相似处,及小波基的特点构造多重网格法中从粗网格到细网格的插值以及从细网格到粗网格的限制算子,并用构造出的2个算子在多重... 简单介绍了多重网格法和小波,并指出两者的相似之处,拓展了Briggs的思想.利用小波的多尺度分析与多重网格法的相似处,及小波基的特点构造多重网格法中从粗网格到细网格的插值以及从细网格到粗网格的限制算子,并用构造出的2个算子在多重网格系统中解决特定的椭圆方程,能得到与用传统的插值和限制算子相近的结果. 展开更多
关键词 多重网格法 多尺度分析 小波 插值算子 限制算子
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部