基于小波多尺度和熵在图像字符特征提取方法的改进.docx
书生****aa
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于小波多尺度和熵在图像字符特征提取方法的改进.docx
基于小波多尺度和熵在图像字符特征提取方法的改进摘要:提出了一种基于小波和熵提取图像字符特征的方法。该方法利用小波变换对图像字符进行多尺度分解,用marr零交叉边缘检测算子提取边缘;用基于判别熵最小化提取每一尺度图像的边界特征,小波的“数字显微镜”的优点与熵能确切地表达各类的交叠状况且能直接表达错误率的特征相结合。与其它方法相比,该方法提取的特征向量稳定、识别率高、算法快,非常有利于分类,且特征提取的方法有人类视觉的特点。关键词:多尺度分析Marr边缘检测算子判别熵特征提取在线签名验证是通过计算机采集和验证
基于小波多尺度和熵在图像字符特征提取方法的改进.docx
基于小波多尺度和熵在图像字符特征提取方法的改进摘要:提出了一种基于小波和熵提取图像字符特征的方法。该方法利用小波变换对图像字符进行多尺度分解用marr零交叉边缘检测算子提取边缘;用基于判别熵最小化提取每一尺度图像的边界特征小波的“数字显微镜”的优点与熵能确切地表达各类的交叠状况且能直接表达错误率的特征相结合。与其它方法相比该方法提取的特征向量稳定、识别率高、算法快非常有利于分类且特征提取的方法有人类视觉的特点。关键词:多尺度分析Marr边缘检测算子判别熵特征提取
基于小波多尺度和熵在图像字符特征提取方法的改进.docx
基于小波多尺度和熵在图像字符特征提取方法的改进摘要:提出了一种基于小波和熵提取图像字符特征的方法。该方法利用小波变换对图像字符进行多尺度分解用marr零交叉边缘检测算子提取边缘;用基于判别熵最小化提取每一尺度图像的边界特征小波的“数字显微镜”的优点与熵能确切地表达各类的交叠状况且能直接表达错误率的特征相结合。与其它方法相比该方法提取的特征向量稳定、识别率高、算法快非常有利于分类且特征提取的方法有人类视觉的特点。关键词:多尺度分析Marr边缘检测算子判别熵特征提取
基于经验小波变换和多尺度熵的水质数据清洗方法.pdf
本发明涉及一种基于经验小波变换和多尺度熵的水质数据清洗方法。本发明通过快速傅里叶变换对原始数据的频谱进行自适应分段之后,经验小波变换将带有噪声的原始数据分解为不同的内在模式函数IMF。根据整个IMF的不同特性,将基于多尺度熵的自适应可调参数引入阈值函数中,以提高噪声去除的性能。最后,过滤整个IMF上的点的高频噪声,本发明包含更多有效数据幅度和更少噪声保留。更加适用于时序数据清洗并在合成模拟数据和现场水质数据的去除噪声的精度上取得了较好的效果。
基于CNN多尺度特征提取和分层融合的图像篡改检测方法.pdf
本发明公开了一种基于CNN多尺度特征提取和分层融合的图像篡改检测方法,包括以下步骤:将待测的图像输入到噪声预处理模块进行噪声特征的分析,经过SRM和约束卷积层的处理后输出得到特征映射,将得到的特征映射与原始输入图像结合后输入到基本块来获得一个统一的特征表示,将统一特征表示输入到多尺度特征提取模块进行特征提取,多尺度特征提取模块的解码器对特征进行像素细化得到掩码4,对多尺度特征提取模块的解码器中注意力模块得到的特征映射进行上采样分层特征输出,得到掩码1,掩码2,掩码3,将分层特征融合得到的掩码1,掩码2,掩