您的位置: 专家智库 > >

陕西省自然科学基金(2010JM8038)

作品数:5 被引量:26H指数:2
相关作者:程英蕾刘健孙纪达杨凯陟徐强更多>>
相关机构:空军工程大学更多>>
发文基金:陕西省自然科学基金更多>>
相关领域:自动化与计算机技术电子电信更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 4篇自动化与计算...
  • 2篇电子电信

主题

  • 4篇SAR图像
  • 3篇图像
  • 2篇图像压缩
  • 2篇矩阵
  • 2篇灰度
  • 2篇灰度共生矩阵
  • 2篇共生矩阵
  • 1篇游程
  • 1篇游程编码
  • 1篇特征提取
  • 1篇统计特性
  • 1篇曲面
  • 1篇曲面模型
  • 1篇子群
  • 1篇阈值
  • 1篇维数
  • 1篇纹理
  • 1篇纹理特征
  • 1篇粒子群
  • 1篇粒子群优化

机构

  • 5篇空军工程大学

作者

  • 5篇程英蕾
  • 3篇刘健
  • 2篇孙纪达
  • 1篇蒋华
  • 1篇杨凯陟
  • 1篇徐强

传媒

  • 2篇计算机工程与...
  • 1篇电子科技
  • 1篇科学技术与工...
  • 1篇电脑知识与技...

年份

  • 3篇2012
  • 2篇2011
5 条 记 录,以下是 1-5
排序方式:
基于Contourlet变换的SAR图像压缩算法被引量:2
2012年
针对小波变换不能充分表示图像的方向性信息,以及Contourlet变换过采样的问题,提出小波与Contourlet相结合的变换对SAR图像进行稀疏表示。分析了Contourlet变换系数的特点。采用固定阈值对小系数进行了剔除。最后结合游程编码对SAR图像进行压缩。实验表明,此方法较小波变换和Contourlet变换的SAR图像压缩方法有更好的效果。
刘健程英蕾徐强
关键词:CONTOURLETSAR图像阈值游程编码图像压缩
SAR图像压缩技术研究综述被引量:1
2012年
星载,机载SAR成像系统的不断发展,促使SAR图像的数据量急剧膨胀。庞大的数据量给数据的存储与传输带来巨大压力,严重制约着SAR图像的后续应用。在分析SAR图像的统计特性及其特点的基础上,介绍了图像压缩方法的发展,并从“矢量量化”,“小波分解”,“图像内容”和“压缩感知”四方面,对不同的SAR图像压缩方法进行阐述和归纳,指出了不同压缩方法存在的主要问题。最后对SAR图像压缩未来研究的方向进行了展望。
刘健程英蕾
关键词:成像系统SAR图像统计特性图像压缩
基于灰度共生矩的SAR图像纹理特征提取方法被引量:12
2011年
为更有效地提取合成孔径雷达(SAR)图像中的有效信息,提出了一种基于灰度共生矩阵的纹理特征提取方法。该方法在分析图像灰度共生矩常用特征描述量基础上,研究了窗口尺寸和位移向量对纹理特征的影响,通过比较不同目标各种纹理特征的分布及平均值的相差程度,计算了灰度共生矩阵的最佳窗口尺寸和位移向量,确定参与分类的可用纹理特征组合,给出了特征选择和提取方法。实验结果显示,该方法提取的特征具有较好的目标描述效果。
杨凯陟程英蕾
关键词:SAR图像纹理特征灰度共生矩阵特征提取
基于布朗曲面模型的图像分形维计算方法被引量:1
2011年
针对差分盒维数DBC(differential box counting)算法中空盒子对计算图像分形维数的影响,分析了DBC算法和其一种改进算法最小盒维数计算方法MBC(minimum box counting)剔除所有空盒子的不足,提出了一种新算法——真实差分盒维数算法ADBC(actual differential box-counting),将差分盒方法中存在的空盒子分为真实空盒子和潜在盒子。在计算盒子数量时,引入图像分形布朗曲面模型,通过模拟图像差分盒子覆盖真实事物(极限分辨率的图像)的情况,结合DBC算法和MBC算法寻找空盒子为潜在盒子的期望,用期望的形式最大程度求出基于图像和分形布朗模型的精确盒子数。实验结果表明,该方法使分形维数计算精度得到了明显提高。
孙纪达程英蕾蒋华
关键词:分形维数
基于GLCM特征的改进FCM的SAR图像分割方法被引量:10
2012年
为了克服了较大窗口提取图像边缘处特征值的不足,提出一种基于GLCM特征矩阵的动态滑动窗口算法。针对模糊C均值算法中,聚类中心不容易确定,聚类容易陷入局部最优解的问题,将粒子群优化算法(PSO)引入到聚类算法中,实现全局搜索。应用改进的模糊C均值算法完成了基于SAR纹理特征的图像分割,克服了传统聚类算法仅依赖灰度值进行分割的局限性,也一定程度上克服了斑噪声对SAR图像分割的影响。实验结果表明,该方法应用于SAR图像分割时,取得了很好的分割效果。
刘健程英蕾孙纪达
关键词:灰度共生矩阵SAR图像模糊C均值粒子群优化
共1页<1>
聚类工具0