崔宁宁
- 作品数：3 被引量：13H指数：2
- 供职机构：内蒙古科技大学信息工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种分层显著点的炉内火焰图像特征提取方法被引量：6
- 2015年
- 显著点检测不但对图像特征提取、图像识别、图像压缩等是非常有用的,同时它还可以用于表示基于CBIR(contentbased image retrieval)的图像局部属性.针对炉内火焰图像特点,在小波变换思想的基础上,提出一种基于分层显著点的炉内火焰图像特征提取方法.首先利用Haar小波变换计算二维图像的显著值,然后按照四叉树的层次结构,该算法自顶向下根据四叉树每个象限的显著值占双亲节点显著值的比例提取图像最显著的点集.实验表明,该方法克服了传统小波变换提取图像显著点数目过多以及容易出现图像局部显著点聚集的缺点,同时算法还表现出了鲁棒性以及根据显著点特征进行图像检索的高效性.
- 张晓琳崔宁宁杨涛李洁
- 关键词：小波变换特征提取
- 分层自适应的炉内火焰图像显著点提取方法
- 2015年
- 针对锅炉和工业生产中产生的大量炉内火焰图像的特征提取问题,提出一种分层自适应显著点提取方法。首先利用块逆概率差模型将原图像转换为块逆概率差(BDIP)图像。在此基础上,将得到的BDIP图像进行Haar小波变换,利用改进的加权方法计算出二维图像的显著值,然后通过提出的自适应的方法构建一棵非平衡四叉树,树的根节点代表整幅图像的显著值,根据每棵子树的显著值占父节点显著值的比例确定子树的显著点数目。该算法与基于BDIP的和基于Haar小波变换的显著点提取算法对比,实验结果表明,边缘准确率和综合特征检索精度都至少提高了10%和3.5%。结果说明,该算法不仅克服了传统显著点提取时数目过多以及提取点不显著的缺点,同时还避免了显著点的局部聚集。
- 张晓琳崔宁宁杨涛李洁
- 关键词：小波变换火焰图像特征提取
- 一种分层自适应快速K-means算法被引量：7
- 2016年
- 提出一种分层自适应快速K-means(hierarchical adaptive fast K-means,HAFKM)算法对图像数据库分类聚簇。HAFKM根据提出的分层策略构建一棵非平衡聚类树,通过自适应的方法 CEC(cluster evaluation criterion)确定了除根节点外的每棵子树的分支数目,而在聚类树的每一层聚类中使用一种提出的判别函数(cost-function)在颜色直方图上根据颜色等级直接聚类,从而可以在整棵树上快速聚类。实验表明,HAFKM算法通过在非平衡树上逐层聚类,并且通过CEC准确判断聚类数目,可以快速、高效地实现数据库的分类聚簇。
- 张晓琳崔宁宁杨涛李洁
- 关键词：分层聚类自适应聚类树
