一种基于小波域HMT模型的图像去噪方法研究

小波图像去噪已经成为图像去噪的主要方法之一。利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,但现有的去噪声方法忽略了小波系数之间的相关性。针对这一不足,在小波域隐Markov树模型(HMT) 的基础上提出了一种图像去噪新方法。实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。     

基于Tanh多层函数的量子神经网络算法及其应用的研究

该文提出一种新的改进激励函数的量子神经网络模型。首先为了提高学习速率,在网络权值训练过程中引入了动量项。然后为了有效实现相邻类之间具有覆盖和不确定边界的分类问题,新网络采用区分度更大的双曲正切函数的叠加作为其隐层激励函数。最后将该算法用于字符识别,将双曲正切激励函数的量子神经网络应用于数字、字母和汉字样本的多次实验,并且与原多层激励函数量子神经网络和BP网络的实验效果进行比较,发现改进后量子神经网络不仅具有较高的识别率,而且在样本训练次数上相对原多层激励函数量子神经网络有明显减少。仿真结果证明该方法的优越性。     

基于最优小波包的改进型SPIHT图像压缩算法

提出了一种基于最优小波包的SPIHT图像压缩新算法。分析了SPIHT算法和小波系数的特点。根据图像经过小波变换后．最高分解层的小波系数要比其它分解层的小波系数大得多这一数据特性，对多级树集合划分(SPIHT)算法进行了改进。并且．将所有的正交滤波器都分解成一系列的阶梯，从而实现了快速算法。实验结果表明：基于文中提出的SPIHT快速图像压缩算法是一种有效的压缩算法，其压缩速度、图像复原质量等关键技术指标均优于标准的SPIHT编码算法。     

基于HOS的雷达目标分类新算法

提出一种基于高阶谱（HOS）的雷达目标分类方法,将双谱概念从频域推广到时域和距离域,并给出了将双谱和双相干函数的“均值”及“重心”作为特征量的特征提取新算法,在目标散射信号中含有加性噪声和指数噪声的情况下,进行了模拟,同时对BSB(Brain State in Box)模型的人工神经网络进行了学习训练和分类仿真,结果证明本方法具有很好的性能和一定的实用价值。     

基于图像融合的可重构FPGA实现

文章研究了基于IHS变换与小波变换相结合的图像融合方法,采用VerilogHDL语言和同步设计方法对设计进行了完全可综合的RTL级描述,给出了一种基于CycloneⅡ系列EP2C50的硬件实现方案,并利用Altera公司的FPGA开发软件QuartusⅡ6．0对设计的各模块进行了仿真和实现,结果表明,给出的设计能很好地实现图像融合。     

微阵列样点定位与信息提取

提出了一种自动划格方法用于定位cDNA微阵列图像中的样点,这种方法对于解决大量微阵列图像数据处理优势明显。结合局部阈值和对数阈值的处理方法对图像进行样点提取,为信息提取提供更高的精度。将自动划格方法用于定位微阵列图像,有效地避免了人工参与带来的干扰,提高了微阵列图像处理速度。     

改进的无链表零树编码算法

通过对SPIHT算法和LZC算法的研究,提出一种改进的无链表零树编码算法。该算法改进了树编码过程,降低了编码复杂度,易于硬件实现,并且用小波系数的最高比特位来存储标志图,使得编码所需内存进一步减少。实验结果表明在相同的压缩比下,新算法重建图像的峰值信噪比明显优于LZC算法,而仅比SPIHT算法有略微的降低。     

基于LBP驱动的区域围道纹理分割模型

纹理分割是图像处理的难点之一。针对此问题,提出了一种基于局部二进制模式(localbinary pattern,LBP)驱动的区域围道分割模型。该模型首先将均匀模式的思想用于LBP/C算子,使纹理模式的数量减少了77%,明显降低了提取纹理特征所需的时间;其次对无边缘活动围道模型进行了改进,使其能用纹理特征来演化曲线或曲面分割纹理图像;然后用多级分层的策略对提出的模型进行了延拓,可用于分割多类目标的图像,避免了多相位模型初始围道难以选择的问题,提高了模型收敛的速度;最后运用AOS(additive operator splitting)算法以改善模型求解的效率,进一步提高了图像分割的速度。对合成纹理图像和遥感图像的实验结果说明,提出的分割方法具有分割速度快、精度高的优点。