您的位置: 专家智库 > >

谢瑞

作品数:4 被引量:8H指数:2
供职机构:合肥工业大学计算机与信息学院更多>>
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>>

文献类型

  • 4篇中文期刊文章

领域

  • 4篇自动化与计算...

主题

  • 2篇液晶屏
  • 2篇图像
  • 2篇MAPRED...
  • 1篇液晶
  • 1篇液晶显示
  • 1篇液晶显示器
  • 1篇特征提取
  • 1篇图像质量
  • 1篇图像质量评价
  • 1篇图像质量评价...
  • 1篇奇异值
  • 1篇奇异值分解
  • 1篇最大熵
  • 1篇网络
  • 1篇显示器
  • 1篇分辨率
  • 1篇分布式
  • 1篇分布式检测
  • 1篇分类器
  • 1篇高分辨率

机构

  • 4篇合肥工业大学

作者

  • 4篇谢瑞
  • 3篇张仁斌
  • 2篇王聪
  • 2篇夏晓云
  • 1篇李钢
  • 1篇霍星

传媒

  • 1篇计算机工程
  • 1篇计算机应用
  • 1篇计算机应用研...
  • 1篇计算机工程与...

年份

  • 1篇2020
  • 1篇2017
  • 2篇2016
4 条 记 录,以下是 1-4
排序方式:
基于MapReduce的液晶屏缺陷检测方法被引量:3
2017年
5^(th)液晶屏在生产过程中会产生多种类型的缺陷,通过单一节点进行缺陷检测存在存储资源和计算时间的瓶颈。利用Hadoop集群的分布式计算、存储能力处理海量的高分辨率液晶屏图像是一个新的思路。针对高分辨液晶屏图像缺陷局部性特点,设计基于MapReduce的分布式缺陷检测方法,对高分辨率图像分块,并行完成每块图像的缺陷检测,再将检测结果归并,从而解决高分辨率图像缺陷检测效率低下问题。通过运行在Hadoop平台上的实验表明,该方法在完成缺陷检测的同时具有良好的效率提升。
夏晓云张仁斌谢瑞王聪
关键词:HADOOP高分辨率图像MAPREDUCE
液晶显示器斑痕缺陷高质量背景建模被引量:2
2016年
针对目前液晶显示器斑痕(LCD-Mura)缺陷背景抑制检测中重建的背景存在引入性噪声干扰和目标缺损的问题,提出一种基于奇异值分解(SVD)和最大熵的缺陷图像背景建模方法:通过SVD图像像素矩阵,求得奇异值序列;借助矩阵范式推导出图像分量与奇异值的对应关系,进而以图像各分量奇异值所占比率计算各分量的熵值,以此利用最大熵确定重建背景的有效奇异值;再由矩阵重构得到背景,并进一步提出关于背景重建效果评价的一般方法。相比双三次B样条曲线拟合方法,该方法将区域Mura的对比度最少提升0.59倍,提升线Mura对比度最多达到7.71倍;相比离散余弦变换(DCT)方法,该方法将点Mura的噪声最少降低33.8%,将线Mura噪声降低76.76%。仿真结果表明,该模型具有低噪、低损和高亮的优点,能够更为准确地构建出缺陷图像的背景信息。
谢瑞李钢张仁斌
关键词:奇异值分解最大熵
一种改进的DIQaM_FR/NR图像质量评价模型被引量:2
2020年
图像质量评价模型通过提取并分析与人类视觉系统相一致的图像特征来达到评价图像质量的目的。随着深度学习技术的发展,很多基于深度学习的图像质量评价模型相继出现,但是多数模型在小数据量环境下容易出现过拟合问题。为此,通过对DIQaM_FR/NR模型进行改进,建立一种Res-DIQaM_FR/NR图像质量评价模型。采用迁移学习方法,利用预训练的ResNet50网络替代DIQaM_FR/NR的特征提取层以进行图像特征提取,使用全局平均池化层取代DIQaM_FR/NR中的全连接层FC-512从而对提取的特征进行回归学习。实验结果表明,该模型在降低DIQaM_FR/NR模型复杂度的同时能够深化其网络结构,在小数据量环境下也能较好地模拟人类视觉系统并准确评价图像质量。
谢瑞邵堃霍星MITHUN Md Masud Parvej
关键词:图像质量评价特征提取
液晶屏模糊边缘缺陷分布式检测方法被引量:1
2016年
第六代液晶屏在生产过程中会产生多种类型的缺陷,通过单机进行缺陷检测存在存储资源和计算时间的瓶颈。利用Hadoop集群优势处理海量的高分辨率液晶屏图像是一个新的思路。针对线阵CCD(charge-coupled device)相机采集特点,提出一种基于MapReduce的分布式缺陷检测方法,使用改进的C-V图像分割模型,完成液晶屏模糊边缘的缺陷分割,对处于子图边缘的缺陷进行二次缺陷提取,提高缺陷检测的准确率,并采用SVM(support vector machine)分类器完成缺陷的分类。实验表明,该方法提高检测效率的同时降低了缺陷的误判率,为分布式存储分块图像、缺陷测量等相关研究奠定了基础。
夏晓云张仁斌谢瑞王聪
关键词:MAPREDUCEC-V模型SVM分类器
共1页<1>
聚类工具0