郑云飞
- 作品数：5 被引量：11H指数：2
- 供职机构：解放军理工大学更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金中国博士后科学基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 基于颜色和运动空间分布的时空显著性区域检测算法被引量：1
- 2017年
- 针对复杂背景和运动条件下视频显著性区域检测准确度不高的问题,提出了一个新的时空一致性优化模型,并基于颜色空间分布和运动空间分布特征,结合时空一致性优化方法构建一个新的时空显著性区域检测模型,改进复杂运动和运动条件下视频显著性区域检测的效果。首先对视频帧进行超像素分割,然后提取三种具有互补性质的超像素级颜色空间分布特征和两种运动空间分布特征,再利用时空一致性分别融合优化空间显著特征和时间显著特征得到空间显著图和时间显著图。在时空融合阶段,利用时空一致性模型融合空间显著度和时间显著度得到超像素级的时空显著图。为进一步提高检测的准确度和完整度,构建一个能量最小化模型得到更精确的像素级时空显著图。通过与最新的视频显著性模型进行比较,算法有更好的检测效果,对复杂背景和运动条件有更强的鲁棒性。
- 郑云飞张雄伟曹铁勇杨吉斌
- 贝叶斯非负矩阵分解语音增强的优化算法被引量：2
- 2015年
- 为改进传统贝叶斯非负矩阵分解(BNMF)语音增强算法的性能,提出基于高斯混合模型的贝叶斯非负矩阵分解语音增强算法。该算法分为训练和增强两个阶段,训练阶段,对纯净语音与噪声分别进行训练,得到纯净语音字典、噪声字典与联合字典;增强阶段,采用最小均方误差法(MMSE)从带噪语音中重构原始干净的语音,达到语音增强的目的。实验表明,该算法在提高语音质量和抑制背景噪声等方面,均优于非负矩阵语音分解(NMF)算法与BNMF算法。
- 胡永刚张雄伟邹霞张立伟郑云飞
- 关键词：语音增强高斯混合模型
- 改进的非负矩阵分解语音增强算法被引量：7
- 2015年
- 本文提出了一种改进的非负矩阵分解语音增强算法,该算法可分为训练和增强两部分。首先,为了降低训练复杂度,采用卷积非负矩阵分解只提取噪声字典。增强时,考虑语音信号稀疏性比噪声信号稀疏性强,通过稀疏非负矩阵分解重构出语音幅度谱,采用交替方向乘子法进行优化迭代,克服了经典乘性迭代易陷入局部最优、分母只能收敛到零极限等问题。最后,基于算法融合的思想,将重构的语音幅度谱与谱减法、最小均方误差幅度谱估计得到的幅度谱进行加权融合。仿真实验中,在10种不同噪声环境中,通过多种评价标准证明所提算法能取得较好的增强效果。
- 胡永刚张雄伟邹霞闵刚郑云飞李莉石佳佳
- 基于剪切波融合的时空显著性检测
- 2016年
- 针对时空显著性框架的融合问题,提出了一种基于剪切波融合的时空显著性检测算法。先获取视频帧的空间和时间显著图,再分别对空间和时间显著图进行剪切波分解,获取系数。采用一定的机制融合对应的剪切波系数和尺度系数,通过剪切波逆变换,得到综合显著图,实现了视频的时空显著性检测。结果表明,该算法能够较好地利用空间和时间显著图提供的信息,对显著对象内部区域的标注能力更强,同时对空间和时间显著图携带的噪声具有更好的鲁棒性。
- 鲍蕾苗壮李阳郑云飞
- 关键词：剪切波变换图像融合多尺度分析
