排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
针对传统的遥感图像道路提取算法存在错漏率较高的问题,提出一种基于时频特征提取和域自适应学习分类器的高分辨率航空遥感图像道路提取新算法。首先利用地统计学抽取道路的时域纹理特征和三维小波变换抽取道路的频域光谱特征,构成高分辨率航空图像中的道路特征。然后使用抽取的道路特征训练由迁移支持向量机模型构建的域自适应分类器,并对高分辨率航空遥感图像进行道路粗提取。最后,结合道路形态特征,用数学形态学方法处理粗分类后的道路,获得提取后的完整道路。仿真实验表明,所提方法能有效降低高分辨率航空遥感图像道路提取中非道路目标的干扰,提高道路提取的精确性。 相似文献
2.
医学CT图像在成像的过程中,不可避免地会引入噪声。图像噪声会降低图像质量,影响临床诊断。因此,医学CT图像降噪在诊疗中起着重要作用。本文首先介绍了经典的NL-Means(非局部均值算法)算法,然后在此基础上改变对降噪起关键作用的加权核函数。实验证明本文算法对医学图像降噪有一定的效果,并且能够更好保留原图像的细节信息。在图像降噪后的峰值信噪比(PSNR)方面,本文算法比NL-Means算法最大可提升2.59 dB。 相似文献
3.
薄云覆盖遥感图像使图像上的地物信息模糊。本文给出了一种融合引导滤波和迁移学习的薄云图像中地物信息恢复算法。首先利用多方向非抽样对偶树复小波变换对薄云目标图像和无云引导图像进行多分辨率分解,再对分解后的低频子带分别进行支持向量引导滤波和迁移学习,对分解后的高频子带利用修正的Laine增强函数进行增强,然后应用基于区域能量的选择和加权相结合的方法对引导滤波输出和迁移学习模型预测的低频子带进行融合,最后对增强后的高频子带和融合后的低频子带进行多方向非抽样对偶树复小波逆变换重构,获得地物信息恢复图像。Landsat-8 OLI多光谱图像的试验结果表明,支持向量引导滤波能够有效保留目标图像的地物细节信息,域自适应的迁移学习能有效扩展可利用的多源多时相遥感图像范围,通过融合引导滤波和迁移学习能有效去除遥感图像上的薄云,获得较好的地物信息恢复效果。 相似文献
4.
随着车载自组织网（Vehicular Ad-hoc Networks,VANETs）和云计算的发展,越来越多面向车联网用户的移动应用服务应运而生.这些应用服务往往由不同的服务器提供,车辆要从这些服务器获得服务,则必须向不同的服务器提供注册信息.为了实现车辆在多个服务器上的高效认证,本文提出一个车联网云环境下（Vehicular Cloud Computing,VCC）面向多服务器架构的匿名认证协议,协议实现了车辆与服务器的双向认证,并能够保护车辆隐私. 相似文献
1