基于低秩稀疏分解的湍流退化图像序列的盲去卷积算法

针对湍流退化图像序列存在像偏移、像抖动和像 模糊的问题,提出一种基于低秩稀疏分解和多帧去 卷积的图像复原算法。首先分析大气湍流下图像序列的退化特征,然后在低秩稀疏分解的思 想下,采用非增广拉格朗日乘子(IALM)法优化由低秩 矩阵的核范数和稀疏 矩阵的Frobenius范数之和构成的目标函数,将湍流退化序列分解为低秩稳像和稀疏湍流两 部分;最后利用 多帧去卷积算法复原对齐的稳像。实验结果表明,本文算法能够有效校 正湍流像素偏移,在提高复原质量和速度方面取得了明显的效果。     

湍流退化红外图像校正算法

针对高速湍流场引起的红外图像模糊问题,提出了一种基于改进增量Wiener滤波的复原校正算法.首先,基于先验知识对湍流退化图像的降晰函数进行辨识并得到复原图像的起始估计;其次,提取起始复原图像中的强边缘并平滑边缘区域;最后,利用改进的增量维纳滤波算法迭代复原图像.实验结果表明:该算法与传统的迭代盲复原算法及基于Fuzzy滤波器的后期去振铃算法相比,复原图像的振铃测度有较大下降,同时提高了复原图像的质量,降低了算法的时间复杂度.     

碎石桩加固软弱土路基的实践

论文根据复合地基理论,结合某高速公路碎石桩加固互层路基的工程实践,分析了影响承载力的主要因素,探讨了砂土和粘性土互层地基的设计方法以及在检测中应注意的问题,得到了一些具有一定工程意义的结论。     

SVR在异源图像误匹配点对剔除中的应用

针对红外和可见光图像匹配算法中普遍存在正确匹配率低的问题,提出了一种基于支持向量回归(support vector regression,SVR)的误匹配点剔除算法.算法在已知特征匹配点对的基础上,将点坐标作为SVR的训练样本;通过SVR建立回归模型,拟合匹配点对的坐标映射函数;最后根据映射函数判定匹配点对的正确性,实现误匹配点对的剔除.实验表明,本文算法对于误匹配点的判定与剔除具有明显的效果.与随机抽样一致性算法相比,能够在不损失正确匹配的前提下有效减少误匹配对,具有较高的正确率.     

异步多特征红外与可见光图像匹配算法

针对红外与可见光图像特征点匹配的难题,提出了一种基于异步多特征的红外与可见光图像匹配算法。首先采用多尺度FAST －9角点检测算法进行特征点提取;而后,对提取的特征点构造主方向;再统计特征点邻域的梯度方向,构造一种类SIFT的特征点描述子;采用阈值宽松的最近邻匹配算法进行粗匹配;然后,提取特征点邻域边缘信息构造基于边缘的形状上下文描述子;最后采用相应的相似性度量算法对粗匹配结果进行提纯。实验结果表明,提出的算法对旋转、尺度、视角变换具有鲁棒性,且能够实现不同天候条件下的图像匹配,正确匹配率较SURF算法有明显提高。     

Retinex理论下的自适应红外图像增强

本文对Retinex的图像对比度增强方法进行修正,引入了非线性变换函数修正红外图像的照射分量和反射分量以及全局对比度增强函数拉伸图像照射分量,改善了全局图像视觉效果.同时使用非线性自适应S型函数进行局部灰度拉伸,从而更好地改善了图像对比度.提出的算法在增强红外图像细节,提高图像对比度方面优于已有的Retinex算法.该算法处理后的图像能够更有效地增强图像的对比度,突出图像的边缘与细节信息.     

彩色多普勒检测子宫内膜癌阻力指数(RI)与术后检测微血管密度(MVD)关系的临床研究

目的 探讨彩色多普勒检测子宫内膜癌血流阻力指数(RI)与术后CD105标记的微血管密度(MVD)的关系,以积累经验,指导临床工作。方法 收集130例子宫内膜癌患者,术前应用经阴道彩色多普勒超声检查,计算阻力指数,术后采用免疫组织化学技术,检测CD105标记的微血管密度,探讨RI与MVD在不同临床特征中的意义及RI与MVD表达的关系。结果 子宫内膜癌中RI与MVD的表达与肌层浸润深度及淋巴结转移密切相关,而且RI与MVD的表达在子宫内膜癌中呈负相关。结论 应用彩色多普勒检测RI可以反应子宫内膜癌的血管形成情况,且术前检测RI可能对于判断肿瘤的预后具有一定价值。     

类模糊C均值聚类的关键帧提取算法

对比现有典型关键帧提取算法存在的缺陷,提出了一种类模糊C均值聚类的关键帧提取算法.该算法预先设定一个最初聚类中心,从而有效地减少了聚类算法的迭代次数;并使用视频帧序列的时序特征来对FCM算法进行限定,提高了聚类效率.实验结果表明,使用该算法提取的关键帧不仅可以充分表达出视频的主要内容,而且还可以根据内容的变化提取出适当数量的关键帧.     

基于神经网络的几何模型区域分割算法

三维模型简化是近年来计算机图形学中的一个研究热点,现有的简化算法多从全局出发,对几何模型的各个部位统一进行简化,因此模型简化后大量的细节特征丢失.针对三维模型简化中保留细节特征的需要,提出了一种基于自组织特征映射神经网络的三维模型区域分割算法.首先计算三维几何模型中每一顶点的特征向量,然后利用该向量作为自组织特征映射神经网络的输入模式实现对三维模型的聚类分割,最后采取提出的相关性最大准则对过分割区域进行合并,得到最终分割结果.实验表明,该方法能有效地分割出模型的细节区域,满足三维模型简化中保留细节特征的需要.