您的位置: 专家智库 > >

朱亚平

作品数:6 被引量:27H指数:3
供职机构:北京理工大学信息科学技术学院电子工程系更多>>
发文基金:国家自然科学基金国家部委预研基金更多>>
相关领域:电子电信更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 6篇电子电信

主题

  • 5篇小波
  • 4篇图像
  • 3篇小波域
  • 2篇图像恢复
  • 1篇迭代
  • 1篇信号
  • 1篇信号检测
  • 1篇正则
  • 1篇正则化
  • 1篇图像恢复算法
  • 1篇图像盲复原
  • 1篇图像去噪
  • 1篇奇异值
  • 1篇奇异值分解
  • 1篇去噪
  • 1篇自适
  • 1篇自适应
  • 1篇最大后验概率
  • 1篇最大后验估计
  • 1篇小波包

机构

  • 6篇北京理工大学

作者

  • 6篇沈庭芝
  • 6篇朱亚平
  • 1篇王卫江
  • 1篇谢志宏
  • 1篇张颖
  • 1篇崔宇
  • 1篇白杨
  • 1篇王心一

传媒

  • 4篇北京理工大学...
  • 1篇影像技术
  • 1篇激光与红外

年份

  • 4篇2006
  • 2篇2005
6 条 记 录,以下是 1-6
排序方式:
基于小波域改进HMT模型的图像恢复算法被引量:1
2006年
针对图像恢复中的边缘模糊问题,提出了一种基于小波域改进隐马尔可夫树(IHMT)模型的图像恢复算法。IHMT模型更多描述了相邻尺度小波系数的互相关性,能准确刻画自然图像小波系数的统计特性。本文从图像恢复的贝叶斯框架出发,将简化的IHMT模型作为图像小波域的先验模型,构造正则化约束进行图像恢复。采用近似等价的方法,将含有混合密度的恢复方程简化为单一密度求解。实验结果表明,该算法能有效再现图像的边缘信息,提高峰值信噪比。
朱亚平沈庭芝
关键词:图像恢复小波最大后验概率
基于小波的迭代盲图像恢复新算法被引量:4
2006年
针对迭代盲反卷积算法中解的唯一性和收敛性不确定问题,提出了基于小波的迭代盲图像恢复新算法.该算法用基于奇异值分解和压缩滤波方法对降质图像进行预处理,在初始化估计后对图像进行小波变换,用局部高斯模型刻画图像小波系数的概率分布,并作为先验约束加入到迭代算法中.仿真结果表明,新算法在保持图像边缘特性的基础上,峰值信噪比改进量比原算法增加约3 dB,对解的唯一性和收敛性也有一定改善.
朱亚平沈庭芝白杨
关键词:小波变换奇异值分解
小波域联合概率分布模型与Bayesian图像去噪被引量:2
2005年
基于小波分解的图像小波系数在层内和层间解相关而相互依存的客观现实,提出了一个联合层内和层间两方向系数的非高斯联合概率分布模型.以此模型作为先验分布,在Bayesian估计理论的框架下,导出小波系数闭式的最大后验(MAP)估计公式,并用高斯噪声污染的典型图像进行了实验.结果显示,由该估计公式计算得到的去噪图像不仅有较少的均方误差(MSE),还具有保护和增强边缘的能力.
谢志宏沈庭芝韩月秋朱亚平
关键词:图像去噪概率分布
穿墙雷达系统中信号检测的新算法被引量:16
2005年
针对冲击体制穿墙雷达系统中回波信号结构复杂、信噪比低、信号检测困难等问题,提出一种小波-双谱联合检测新算法.在对穿墙雷达回波信号建模的基础上,用联合算法将非相干累积后的回波信号经过小波包变换提高信噪比,再用双谱算法进行信号检测.实验结果验证了新算法的有效性,能提供比单独使用其中任一算法更高的检测精度.该算法能反映墙壁后物体的距离-方位信息,为穿墙雷达系统成像提供了可能.
朱亚平沈庭芝王卫江张颖
关键词:超宽带信号检测小波包
基于小波域分类隐马尔可夫树模型的图像恢复被引量:3
2006年
针对自然图像的非平稳特性和图像恢复中计算困难的问题,提出了一种基于小波域分类隐马尔可夫树(CHMT)模型的图像恢复算法.从图像恢复的贝叶斯框架出发,将CHMT模型作为自然图像小波域的先验知识,构造正则化约束进行图像恢复.该模型具有空间适应性,使建模更加精确.对恢复方程的求解,采用了分类简化的共轭梯度算法.实验结果表明,该算法具有较低的计算复杂度,能提高图像恢复峰值信噪比(PSNR).
朱亚平沈庭芝王心一
关键词:图像恢复小波域最大后验估计
一种基于空间自适应的盲图像复原算法被引量:1
2006年
针对非负有限支持域约束递归逆滤波(NAS-RIF)图像盲复原算法〔1〕对噪声敏感问题,提出一种基于空间自适应的改进算法。利用最优阈值估计图像支持域,在代价函数中引入空间自适应加权因子和尺度因子,结合正则化技术对图像复原进行局部控制,并对不同信噪比和背景的图像进行了实验。结果表明,在较低信噪比情况下,改进的NAS-RIF算法仍具有较好的复原效果,有效地达到了保存图像细节并抑制噪声的目的。
崔宇沈庭芝朱亚平
关键词:图像盲复原正则化空间自适应
共1页<1>
聚类工具0