基于曲波变换的图像非线性对比度增强

考虑到人的视觉特性,提出一种新的基于曲波域的图像非线性对比度增强方法.该方法首先利用曲波变换对循环平移过的图像进行分解,然后根据非线性算子对各子带曲波系数进行调整,最后经逆变换和反平移后得到对比度增强图像.实验表明,本文算法是一种简单而有效的图像对比度增强方法,不仅图像视觉效果改善明显,层次感更强,而且避免了传统图像增强方法的噪声过增强.     

基于结构特征的视网膜血管形态识别

针对视网膜眼底图像获取过程中眼球转动的问题,提出一种基于节点最近邻结构的具有旋转和平移不变性的视网膜血管形态识别方法.该方法利用节点的周边结构稳定性的特点来进行节点结构特征提取,进行图像相关结构匹配的判定.实验结果表明了该识别算法的有效性和可靠性,且不需要进行方位对准处理,具有较好地识别灵活性和实用性,正确识别率达到98.57％.     

基于新的空胞腔策略的矢量量化码书设计方法

为了克服传统LBG算法中的空胞腔现象,提出了一种基于码字间距最大化的新的空胞腔策略。利用离码书距离最大的输入矢量来修改胞腔中的码字,旨在形成码字的合理分布,减小矢量量化的平均失真。实验结果表明：提出的策略能有效地消除空胞腔现象,获得性能较好的码书,其峰值信噪比比传统的LBG算法提高了3 dB。     

采用快速算法和高速无线传输的轮胎内置制动信号收发系统

针对汽车制动安全性预警试验系统存在的数据传输实时性不足的问题,提出一种基于快速算法和高速无线传输模式的轮胎内置制动信号收发新系统,它无须扩展微处理器内存,即可以实现采样信号的高效平滑去噪、制动拐点自动识别和制动时段采样数据的实时传送.试验结果表明,系统能满足轮胎在高达120km/h的转速下制动性能动态监测的实时性要求.     

视网膜血管图像特征点自动提取和分类

由动静脉血管组成的眼底视网膜血管结构的特征点是预测心血管疾病、图像分析和生物学应用的重要特征。把角点检测引入到视网膜血管分叉点和交叉点提取中,利用边缘检测算子得到二值边缘图像,采用基于累加点到弦的距离（CPDA）的角点检测方法得到候选特征点,再根据视网膜血管图像的拓扑结构设计自适应矩形探测器对候选特征点进行删减和分类。实验结果表明,基于CPDA的角点检测和自适应矩形探测器的方法有效地实现了节点的提取和分类。     

应用协同进化的图像矢量量化码书设计方法

为了减小LBG算法对初始码书的依赖性,提高跳出局部最优的能力,提出了一种基于协同进化的矢量量化码书设计方法（Coevolution Based LBG,CLBG）。该算法根据码书在同其他码书竞争中的表现来衡量码书的适应度。实验结果表明：CLBG有效地减小了算法对初始码书的依赖性,所得码书性能超过了其他典型的改进码书设计方法。     

数学形态学的边缘检测算法研究

边缘检测是图像处理与模式识别的一个重要图像预处理过程。传统的边缘提取方法如Sobel、Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图像以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图像边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图像的边缘。     

基于系数关系共生矩阵和SVM的纹理分析

纹理是图像中非常重要的特征.提出了一种新的纹理特征提取算法,即对纹理图像进行离散小渡框架变换后,利用同一变换尺度下的小波高频系数与低频系数之间的依存关系信息,构造系数共生矩阵,在此基础上进行纹理特征提取,而不是独立地提取各子带系数特征.考虑支撑向量机(SVM)在小样本数据库和泛化能力方面的优势,在分类实验中采用支撑向量机分类器,实验结果表明,基于这种共生矩阵特征提取分类算法能得到很好的分类结果.     

视网膜血管网络的边界识别和寻优算法

本文以视网膜血管灰度图象经二值化变换后形成的二值化网络为基础，提出两种助算法：线化无级扩大法和管径增量符号比较法。用以解决血管网络边界识别的确切性关系以及管径自动寻优问题，为消除随机量化误差提供依据。     

基于人体手指指节折痕的身份识别方法

基于人体生物特征的认证是鉴别个人身份的有效方法.鉴于人体的手指折痕具有稳定性且对于不同的人具有不相同的特点,本文提出了一种基于手指折痕的身份识别的新方法.该算法系统由三部分组成:图像预处理、特征提取和特征匹配.在预处理阶段,提出了基于中心坐标轴的图像定位和归一化方法,并在手指内侧分割出了用于识别的长方形窗口形状的手指子图(ROI),ROI包含了手指的第一和第二折痕线;在第二阶段,提出了基于Radon变换和奇异值分解的特征提取方法;最后利用基于欧氏距离的最近邻分类器在一个取自61人共488幅手指图像的数据库上进行了匹配试验,结果验证了该方法是可行和有效的(等错误率为2.51%).