不规则分区分形压缩算法

本文提出了一种基于不规则Ｒａｎｇｅ分区的分形压缩算法。该方法采用四连通扩充的方式，在给定误差范围内，尽可能地合并初始规则Ｒａｎｇｅ分区，从而减少了所需迭代变换的数目。在存储压缩映射时，根据Ｒａｎｇｅ分区多边形的边数调整存储顺序，对于那些复杂的Ｒａｎｇｅ分区，只需记录其外接矩形框。通过对Ｌｅｎｎａ图象的实验表明，在恢复图象的信噪比为２９．８４ｄＢ时，可以达到４１倍的压缩倍数     

双Beta样条曲面造型系统的研究

该文介绍了双参数控制的双Ｂｅｔａ样条曲面的算法原理、边界条件处理、投影变换，以此为基础设计了自由曲面造型系统（ＦＳＭＳ），并用ＦＳＭＳ开发的实例做了验证分析。     

图象相关噪声的模拟产生方法

一种模拟产生图象相关噪声的新方法，通过对白噪声滤波，产生相关噪声。从理论上推导出了相关噪声的自相关函数的解析表达以及滤波器参数与相关噪声的相关长度之间的关系。实验证明采用本方法可以成功地模拟产生图象相关噪声。     

小波域自适应图像水印算法研究

该文提出一种在小波域内自适应于图像内容的数字水印方案，算法利用图像系数的零树结构，自适应地确定被嵌水印序列的长度，并根据小波域的量化噪声自适应地确定水印的嵌入强度，保证了水印序列的能量小于图像可容纳的噪声上限，使水印图像同时具有良好的视觉效果和鲁棒性，在检测端可根据水印图像的统计特性确定水印的检测阈值，不需要参考原图就能判断水印是否存在，对水印图象的攻击实验表明该算法对噪声干扰及常见的图像处理技术具有较好的鲁棒性。     

基于小波系数零树结构的分形预测图象编码

提出了一种基于小波系数零树结构的分形预测图象编码方法,首先按照零树结构在同方向不同分辨率的各个子带图象上确定要预测的图象块（Ｒａｎｇｅ Ｂｌｏｃｋ）,也就是将这些图象块串起来构成一棵与零树相类似的图象树（Ｒａｎｇｅ Ｔｒｅｅ）;然后,对每一图象块,在同方向低一级分辩率的子带图象上寻找与其最佳分形匹配的相似块（Ｄｏｍｉａｎ Ｂｌｏｃｋ）,而这些相似块也按照零树结构上下延伸,以产生多棵相似树（Ｄｏｍａｉｎ Ｔｒｅｅ）,其中与图象树最接近的相似树就是图象树的预测树,理论分析和实验结果表明,该方法在峰值信噪比稍微下降的情况下,能够获得较高的压缩比。     

带噪声统计估计器的犝狀狊犮犲狀狋犲犱卡尔曼滤波器设计

针对传统Ｕｎｓｃｅｎｔｅｄ卡尔曼滤波器（ＵＫＦ）在噪声先验统计未知或不准确时滤波精度下降甚至发散的问题,基于极大后验（ＭＡＰ）估计原理,设计了一种带噪声统计估计器的ＵＫＦ．该ＵＫＦ 滤波算法在进行状态估计的同时,能实时估计和修正噪声均值和协方差．相比于传统ＵＫＦ,所提出的ＵＫＦ具有应对噪声统计变化的自适应能力．仿真结果表明了该ＵＫＦ滤波算法的有效性．     

一种基于模糊聚类的图象分割方法

模糊Ｃ－均值（ＦＣＭ）算法用于图象分割，是一种非监督模糊聚类后标定的过程，但是，ＦＣＭ算法存在着一些不足，进而限制了它在某些方面的应用，本文提出了一种基于模糊聚类的图象分割方法，较好解决了ＦＣＭ算法所遇到的问题，且本文从数学上和实验上证明了这种方法的有效性。     

一种基于高阶统计量的图象平滑去噪法

为了消除或衰减存在于图象上的噪声，同时尽可能地保留图象细节，提出了一种基于高阶统计量的图象平滑去噪法，该方法是根据高阶统计量对高斯噪声不敏感的特性，对一个像素点采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值，以便可以在对噪声进行平滑滤波的同时，最大限度地保留图象的细节信息，仿真结果表明，该方法较好地实现了这一要求，与常用的中值滤波法相比，该方法处理后的图象，其PSNR可提高约1dB以上。     

随机离散图象的统计模型研究

本文根据高斯-马尔可夫过程的自相关特性和图象样本自相关序列的变化规律,提出了 一个二维相关函数模型.用此模型对一些实际图象的统计特性所作的研究,证实了本文研究 结果的正确性.文中还研究了图象相关长度的意义和确定方法.     

分式布朗运动（FBM）分维模型对生物大分子构象机理的描述

利用ＦＢＭ分形模型以白内障为样本，进行了构象机理的研究．首先认为生物大分子—蛋白质凝聚运动的最好描述是ＦＢＭ；其次，对由于蛋白质构象运动而产生的白内障的宏观性质进行了图象纹理分析；把白内障图象按不同的窗口大小和展开方式由二维数据展成一维数据，用极大似然估计ＭＬＥ方法估算Ｈ值，进行白内障图象的区域分割和特征抽取．最后给出最佳窗口大小和展开方式为６×６和圆形方式，Ｈｕｒｓｔ指数是描述白内障的定量参数     

GPU实现的抑制椒盐噪声的排序滤波算法

文中提出了一种简单有效的排序滤波算法,并在GPU上实现了该算法。算法首先检测图像中的信号,如果检测的像素是信号则保留不变,否则取其邻域并对邻域内的非噪声像素排序并取中值,若中值为信号,则用它代替噪声像素灰度值;否则扩大邻域窗口,重复算法。随着图像规模的增大,在CPU上执行的时间显著增加。文中在CUDA平台上对其进行了实现。实验结果表明该算法不仅能有效地移除椒盐噪声,而且执行效率高,图像的规模越大,加速比越高,最多可提高3个数量级。     

基于FPGA的实时双目图像采集与预处理系统设计

针对目前智能交通监控系统中动态目标数据量大、噪声干扰多、实时性要求高等问题,设计了基于FPGA的实时双目图像采集与预处理系统。利用FPGA的并行特性和流水线技术,实时采集双通道图像数据,且通过DDR3 SDRAM缓存,再将其用拼接方式输出显示;采用像素排序流水线操作,实现了基于FPGA的并行中值滤波算法,提高了算法处理速度。试验结果表明,所设计的双目图像采集与预处理系统能够实现图像的实时采集与显示,并能快速地进行图像降噪处理。     

一种去椒盐噪声中值滤波的改进算法

根据椒盐噪声所具有的两个特征,提出一种中值滤波的改进算法:将每个像素区分为信号像素或可能的噪声像素;只对可能的噪声像素进行中值滤波处理,而对信号像素不作处理。实验结果表明该算法具有良好的去噪和图像细节保持的能力。     

基于最大目标函数的医学图像边缘检测

鉴于医学图像特点和传统算法的缺点,提出一种新的医学图像边缘检测算法,该算法通过考察3×3模板的理想边缘结构特征,将模板像素沿边缘方向分为两个集合,通过距离度量函数构造适当的目标函数,计算四个方向的目标函数值,从而获得最大目标函数值,并与给定的阈值比较,应用非极大抑制方法,判别该象素是否为边缘点,最后进行双阈值连接,可得到单像素边缘图像。仿真结果表明,该算法能够有效检测医学图像边缘,所检测出的图像边缘细节丰富,单像素宽,定位准确。     

基于噪声检测的遥感图像模糊滤波

提出了一种基于噪声检测的遥感图像模糊滤波方法。该方法首先用一个噪声检测标准将输入图像的像元分为为噪声像元和信号像元,然后,利用模糊数学的相关理论对噪声像元进行处理,并把处理结果赋给输出图像的对应像元;而对于信号像元,则不进行处理,直接把它的值赋给输出图像的对立像元。另外,在图像处理过程中,把输入图像的噪声像元用其处理结果代替,以更好地改善图像滤波处理结果。实验结果表明本文的方法能有效地去除图像中的椒盐噪声。     

滤除椒盐噪声的开关核回归拟合算法

针对椒盐噪声的去噪和细节保护问题,提出一种基于核回归拟合的开关去噪算法。首先,通过高效脉冲检测器对图像中的椒盐噪声像素点进行精确检测;其次,将所检测到的噪声像素点当作缺失数据,应用核回归方法对以噪声像素点为中心的邻域内的非噪声像素点进行拟合,得到符合图像局部结构特征的核回归拟合曲面;最后,以噪声像素点的空间坐标对核回归拟合曲面进行重采样,获得噪声像素点恢复后的灰度值,从而实现椒盐噪声的滤除。与经典的中值滤波器（SMF）、自适应中值滤波器（AMF）、改进型的方向加权中值滤波器（MDWMF）、快速开关中均值滤波器（FSMMF）、图像修补（Ⅱ）等算法进行不同噪声密度的实验对比,所提算法的去噪结果图像的主观视觉质量均为最优;在低密度、中等密度以及高密度噪声场景下,所提算法对不同测试图像去噪结果的峰值信噪比（PSNR）分别平均提高了6.02dB、6.33dB和5.58dB,且平均绝对误差（MAE）分别平均降低了0.90、5.84和25.29。实验结果表明,所提算法不仅能够有效去除各种密度的椒盐噪声,同时具备良好的图像细节保护性能。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法。利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类。然后将可能的噪声点进一步细分为边缘点、噪声点和信号点：利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波。经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

一种基于小波变换图像去噪的方法

提出了一种基于图像软阈值小波变换的高斯白噪声消除法。该算法根据含噪声图的特点,把信号分成信号象素与可能噪声象素两类,对于可能是噪声的象素,采用图像的小波软阈值去噪方法进行滤波,而对信号象素不产生影响,且能保留更多的图像细节。文中也给出了标准中值滤波,自适应维纳滤波算法和小波软阈值去噪的算法进行比较实验,结果表明用小波软阈值去噪的算法处理高度污染高斯白噪声的图像能力明显强于标准中值滤波,稍微优于自适应维纳滤波算法,且能够比较好保留图像的细节部分。     

单幅人脸图像的全景纹理图生成方法

目的 针对从单幅人脸图像中恢复面部纹理图时获得的信息不完整、纹理细节不够真实等问题,提出一种基于生成对抗网络的人脸全景纹理图生成方法。方法 将2维人脸图像与3维人脸模型之间的特征关系转换为编码器中的条件参数,从图像数据与人脸条件参数的多元高斯分布中得到隐层数据的概率分布,用于在生成器中学习人物的头面部纹理特征。在新创建的人脸纹理图数据集上训练一个全景纹理图生成模型,利用不同属性的鉴别器对输出结果进行评估反馈,提升生成纹理图的完整性和真实性。结果 实验与当前最新方法进行了比较,在CelebA-HQ和LFW （labled faces in the wild）数据集中随机选取单幅正面人脸测试图像,经生成结果的可视化对比及3维映射显示效果对比,纹理图的完整度和显示效果均优于其他方法。通过全局和面部区域的像素量化指标进行数据比较,相比于UVGAN,全局峰值信噪比（peak signal to noise ratio,PSNR）和全局结构相似性（structural similarity index,SSIM）分别提高了7.9 dB和0.088,局部PSNR和局部SSIM分别提高了2.8 dB和0.053;相比于OSTeC,全局PSNR和全局SSIM分别提高了5.45 dB和0.043,局部PSNR和局部SSIM分别提高了0.4 dB和0.044;相比于MVF-Net （multi-view 3D face network）,局部PSNR和局部SSIM分别提高了0.6和0.119。实验结果证明,提出的人脸全景纹理图生成方法解决了从单幅人脸图像中重建面部纹理不完整的问题,改善了生成纹理图的显示细节。结论 本文提出的人脸全景纹理图生成方法,利用人脸参数和网络模型的特性,使生成的人脸纹理图更完整,尤其是对原图不可见区域,像素恢复自然连贯,纹理细节更真实。     

基于机器视觉的桩护壁裂缝检测方法

针对桩护壁表面图像纹理复杂、裂缝对比度低，图像拍摄角度及距离不固定导致绝对阈值无法适用等问题，提出一种基于机器视觉的桩护壁裂缝检测方法。利用像素点互补算法增强图像裂缝的对比度，利用相位角及灰度分布改进Canny算子来抑制图像背景中干扰物的边缘点，并根据裂缝特性设置多个相对阈值过滤噪声，通过预测裂缝发展趋势对裂缝进行补全。实验结果表明，该方法能够较好地检测和标识桩护壁裂缝区域，并且对传统建筑表面的裂缝检测同样适用。