多传感器组合导航系统的多尺度滤波算法

基于多尺度的思想,首先将在最细尺度上建立的状态方程、量测方程改写为以数据块形式描述的对应方程;然后利用小波变换技术将最细尺度上的块状态向量向粗尺度上分解,并将在最细尺度上建立的量测方程表达为粗尺度上状态向量的函数;最后结合常规Kalman滤波技术,建立了一种动态系统的多尺度单模型滤波方法.将上述算法应用于多传感器组合导航系统,仿真结果验证了该算法在不增加计算量量级的情况下,具有较好的融合精度.     

梯度算子对反向合成梯度算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法。与传统的反向合成图像对齐算法相比,该算法可有效地克服光照变化对匹配结果的影响[1]。由于局部指向性的计算在本质上是梯度的计算,而图像梯度的计算可以采用不同的梯度算子,因此采用4种不同的梯度算子（一阶差分算子,Roberts算子,Sobel算子和Prewitt算子）来计算局部指向性,并通过实验比较分析了4种梯度算子对反向合成梯度算法的影响。     

基于局部指向性的反向合成图像对齐算法

传统的反向合成图像对齐算法比较的是模板图像与输入图像之间的像素值。该方法容易受到图像中光照变化的影响，从而导致收敛性变差甚至发散。根据局部指向性对光照变化不敏感的特性，提出了一种新的反向合成图像对齐算法——反向合成梯度算法。由于局部指向性的计算在本质上是图像梯度的计算，因此采用几种不同的梯度算子来计算局部指向性。通过实验，验证了反向合成梯度算法能够有效克服图像中光照变化的影响，同时比较了不同算子在不同光照下对反向合成梯度算法的影响。     

一种文档图像多尺度分割算法

1.研究背景随着数字图书馆和电子办公应用的日益普及,面对大量纸质原始文件及资料的数字化,直接扫描、存储和传输文档的需求越来越多,为了解决扫描文档图像庞大信息量和存储容量、传输带宽之间的矛盾,迫切需要专门针对文档图像研究新的高性能压缩算法。根据扫描文挡页面的内容特征,提高压缩比最有挖掘潜力的方法是对文档图像进行图文分割后再分别     

基于改进外部力的多尺度蛇算法

通过融入方向信息修改了仅基于梯度幅值的蛇模型定义，从而产生了新的动态轮廓线模型．新模型可以明显地削弱虚假强边缘的影响；基于动态规划方法，给出了基于小波分解的多分辨率能量极小化算法．由于结合了Mallat的小波边缘检测理论，该算法可以明显地降低时间消耗，在选择滤波器方面更具有柔性，而且降低了初始位置和参数敏感性，从而扩大了目标捕获区域并使得参数的调整得以简化．     

图像的多尺度边缘抑噪算法的实现

本文提出了新的基于小波变换,根据多尺度信息提取去噪边缘的方法。并提出了用模糊数学形态学方法进行图像处理,最后本文展示了实验结果。     

连续全场数字图像相关的反向组合高斯－牛顿算法

反向组合高斯-牛顿算法提高了数字图像相关的计算效率,但是此算法的应用局限于两幅图像之间的配准.在不牺牲配准精度的前提下,提出了一种基于双立方插值系数缓存表和海森矩阵缓存表的反向组合高斯-牛顿算法算法,从而加速了连续全场数字图像相关计算效率.实验结果表明,使用3种不同尺寸子区域的人工模拟散斑图像配准时,本算法的计算效率提高了11.35％、14.95％和18.93％.当使用CCD采集的真实散斑图像时,计算效率提高了18.20％.所提出的算法对人工散斑和真实散斑图像显示出良好的效率性能.     

基于多尺度边缘表示的图像增强快速算法

低对比度结构广泛存在于各种数字图像之中，研究如何通过后期处理增强数字图像的对比度是很有意义的。灰度图像对比度的高低总是与图像灰度梯度幅值的大小相联系，受这种思想的启发，提出了一种基于图像多尺度边缘表示的，利用对信号小波变换模极大值的拉伸和Hermite插值多项式实现的图像增强快速算法。此算法可以实现对噪声的抑制和对图像中不同尺度特征的增强。数值实验结果表明，该算法增强效果明显，运算速度快，是一种实用性较强的图像对比度增强算法。     

有效的SAR图像多尺度分类算法

为提高分类精度,提出一种基于最大期望(EM)与遗传(GA)算法的多尺度SAR图像无监督分类方法.利用多尺度自回归(MAR)模型描述SAR图像中不同尺度之间的统计相依性,提取多尺度特征.应用混合模型描述多尺度特征,并将GA算法与EM算法相结合给出混合模型的参数估计算法,利用最小描述长度(MDL)准则选择模型的分量教.最后使用Bayes分类器实现了图像的分类与分割.该方法集EM算法和GA算法结合后的优点,对设定初值有较少的敏感性,因而避免了局部最优解.应用于SAP图像的实验表明,在分割精度上GA-EM方法优于MAR模型的算法.     

改进的逆向组合算法在图像配准中的应用

逆向组合算法在进行图像配准时精度很高,但对模板图像在待配准图像中的初始位置敏感。针对该问题,提出一种改进的逆向组合算法,通过计算巴氏系数进行模板匹配,实现输入图像的粗定位后,应用逆向组合算法进行精确定位。实验结果证明,改进的算法对图像发生形变的情况具有较好的鲁棒性,相比原算法,配准能力更强。     

噪声对基于不同梯度算子的ICG算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法,能有效克服光照变化对匹配结果准确性的影响。局部指向性的计算在本质上是梯度的计算,可以用不同的梯度算子求解。该文采用4种梯度算子计算局部指向性,通过给输入图像和模板图像中加入噪声模拟实际图像,研究了噪声对基于4种梯度算子的反向合成梯度算法的影响。     

CSA--一种加速的图像逆映射算法

采用方程求解代替逐像素搜索,提出一种加速的图像逆映射CSA算法．首先根据深度信息标记出参考域中的边界像素,并在映射时保存在像素链表中;然后将链表中的像素逐个映射到其他参考域建立线段方程,并与对应的极线方程联立求解,若有解则求出匹配的参考像素,否则标记为空洞;最后利用插值或其他参考信息填补空洞．由于仅处理边界像素,降低了计算复杂度,经实验证实,该算法有较好的加速作用．     

AAM反向合成匹配算法及其性能分析

介绍了一种基于反向合成图像对齐算法的AAM匹配算法。首先对反向合成算法的内容及其在AAM匹配过程中需要注意的问题进行了阐述,然后通过实验,分别应用反向合成算法和原始AAM匹配算法对一定数量的图像进行匹配,验证了反向合成算法的有效性。     

LQ逆问题解的一种有效算法

本文研究了LQ最优控制逆问题解的参数化表示结果和基于这一参数化表示结果的矩阵变换解法。研究的对象是线性时不变离散时间系统。此外,文中还给出了不求解代数矩阵Riccati方程确定系统的最优状态反馈系数矩阵K的方法。     

Montgomery逆算法的改进和应用

本文通过对Montgomery逆算法核心部分的改进，得到两种分别以4为基和8为基的优化算法。其中以4为基的算法，在基本不增加算法实现复杂度的情况下，使迭代次数的平均上限从2n降到7/6n，平均迭代次数也从3n/2降到了7/8n。而8基算法则相应分别下降到25/24和25/32n，但算法内部的比较和跳转稍有增多。由于新算法只要求两个关键操作数中有一个变成1，就可以结束操作（原算法要求两个都变为1），因此实际迭代次数可能还要少。本文提出的算法也可以运用在文[1，2，7]中求基本模逆的算法中。本文算法主要适用于软件实现，在RSA和ECC等公钥体制实现中有广泛的应用。     

边缘特征点的多分辨率图像拼接

提出一种映速有效的边缘特征点提取方法,实现多分辨率图像融合从而完成拼接.构建边缘图像的Gauss金字塔,从中提取稳定的特征点完成图像配准.复用金字塔信息实现图像融合,缩短整体拼接的时间.对方法进行仿真,实验结果表明误匹配特征点个数极大减少,配准精度提高到亚像素水平,同时配准和拼接的时间也大幅减少.最后从实验上分析精度提高的原因.     

改进多尺度卷积神经网络的单幅图像去雾方法

针对当前已有的去雾方法容易造成天空区域存在光晕以及色彩失真的现象，提出了一种多尺度卷积结合大气散射模型的单幅图像去雾算法。将原始有雾图像与三个不同尺度的卷积核进行卷积，经过一系列特征学习后得到粗略的传播图，然后使用引导滤波器对其进行优化，得到精细化后的传播图。利用粗传播图和有雾图像计算出全局大气光。根据大气散射模型反推出无雾清晰图像。实验结果表明，该方法对天空区域的处理更加自然，在图像的纹理细节以及颜色失真上有较好的效果。     

基于多尺度的Marching Cube改进算法

在医学图像三维重建中,经典的等值面重建算法Marching Cube是一种比较常用的算法。该算法具有可以在给定阈值的情况下提取任意三维数据场的等值面的优点,但因需计算大量的数据和三角面片而使得该算法速度较慢。提出了使用不同尺度的等值面重建理论,实现了一个多尺度的Marching Cube算法,经过实验对比,该算法比原Marching Cube算法具有效率高、速度快的优点。     

基于多尺度滤波器的空域图像隐写增强算法

隐写是一种利用图像、视频、音频等多媒体载体实现隐蔽传输的技术.如何在尽可能减少对载体影响的情况下嵌入尽可能多的信息一直是隐写算法的研究重点.随着双层校验格码(syndrome tellis codes, STC)的引入,隐写算法的嵌入效率能够达到理论上界.因此,隐写算法的设计重心变为了设计用于衡量图像像素嵌入安全性的失真函数.失真函数是自适应隐写算法的核心.对于空域图像隐写而言,失真函数通常是基于图像的复杂性原则,即载体图像中的纹理区域通常具有较低的失真代价,而平坦区域通常具有更高的失真代价.然而,基于图像内容的多样性,这种准则并不能适用于一幅图像中的所有像素点.提出了一种适用于空域隐写算法的隐写增强算法,通过多尺度滤波器对载体图像进行增强,使得在增强不同尺度的纹理区域的同时减少对图像平坦区域的增强.增强后的失真代价遵循了复杂性原则,并解决了失真代价分配不当的问题.实验结果表明：所提出的算法能够适用于现有的空域隐写算法,并且能够提升它们的抗隐写分析检测能力.