基于分类回归树和AdaBoost的眼底图像视网膜血管分割

提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.960 7,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.     

虚拟全景在建筑教学中的应用研究与实现

虚拟全景是一种基于图象的虚拟现实技术,与目前广泛采用的建模方法不同,虚拟全景成本低,制作简单,且数据量少,可以实现逼真流畅的全景漫游。本文通过建筑网站中的设计实例,说明了虚拟全景的详细制作流程,并介绍了采用PTViewerjavaapplet技术将全景发布到互联网的简单方法。通过实际应用表明了虚拟全景技术在建筑教学、设计等领域有广泛的应用前景。     

基于直方图映射和分层的图像迁移算法研究

本文提出了一种基于直方图映射和分层迁移的灰度图像上色HisT算法.对于给定的颜色图像和需要迁移的灰度形状图像,先从RGB色彩空间转换到一个正交空间lαβ,消除空间各分量之间的强相关性.然后分别统计两幅图像的灰度直方图,对于灰度图像中的象素点,保留其灰度值,而利用颜色图像中与之对应或相邻灰度等级的颜色信息为灰度图像进行粗糙上色,得到一幅过渡图像.参照灰度直方图,将颜色图像和过渡图像进行分层处理,并利用统计学方法对图像各层和整体统计量进行分析,提取颜色图像的颜色信息和过渡图像的形状信息,最终实现颜色图像到灰度形状图像的上色过程.实验证明,该算法能快速准确地实现灰度图像的上色,具有广泛的应用前景.     

彩色和等色图像的非监督反射分量分离

反射分量分离是计算机视觉和数字图像处理中的一个重要问题。尽管已有很多基于单张图像的反射分量分离方法,但这些方法只能分离图像中彩色区域的反射分量并会在等色区域产生严重的噪声。本文提出一种能够分离图像彩色和等色区域反射分量的方法。彩色和等色区域高光的共同特征是亮度在局部区域中逐渐变化,因此本文算法首先将亮度信息融入传统的无高光图像,提出能够区分不同亮度等色区域的改进的无高光图像;然后提取局部位置空间亮度差异特征和局部颜色空间亮度差异特征,并用K-Means方法检测图像中的镜面反射像素;最后用颜色传递方法估计出漫反射分量,实现漫反射和镜面反射分量的分离。实验结果表明本文算法能够同时有效地分离彩色和等色区域的反射分量。本文算法扩展了反射分量分离方法的应用范围。      

运用Java编程扩展Matlab虚拟现实的交互功能研究与实现

结合应用Matlab中的虚拟现实工具箱，讨论用Matlab创建虚拟现实并与其交互的方法。针时Matlab虚拟现实的交互局限性，提出采用Java编程扩展Matlab虚拟现实可视化交互功能的解决方案，给出一个扩展虚拟现实工具箱交互功能的应用实例。     

一种精确匹配的全景图自动拼接算法

本文提出一种全景图像自动拼接算法,能够实现特征点对的精确筛选和匹配,以及输入图像的自动排序和拼接。首先提取输入图像的尺度不变特征变换SIFT特征点,并采用k-d树搜索得到图像之间所有初始特征匹配对;利用欧氏距离比值和中值滤波器对初始特征点对进行筛选后,再应用随机抽样一致算法RANSAC得到图像间精确匹配的特征点对;计算出图像之间的单应性矩阵,在此基础上完成对输入图像的自动排序和配准,最终拼接合成全景图像。实验结果表明,该算法能获得比结合欧氏距离比值的RANSAC算法更高的配准精度,全景图拼接效果较好,具有良好的鲁棒性。     

实时双向群组搜索及其在蚁群觅食动画中的应用

基于双向搜索和群组协作的研究,提出一种新颖的搜索算法--实时双向群组搜索(real-time bidirectional crowd search,简称RBCS).基于这个搜索算法所提出的蚁群觅食模型包含了有限状态机和一系列表示蚂蚁和环境交互的规则,具有在复杂动态环境下找到食物和巢穴之间最短路径的能力.2D/3D实验结果表明,算法的搜索能力具有可信性,将其扩展到人群在固定点之间的来回往复运动也获得了满意的效果;和传统基于信息素的蚁群觅食模型的仿真实验对比表明了算法的优越性.     

基于图像分解的含噪破损图像修复

对Meyer图像分解模型进行改进,所得到的新模型SID(Simplified image decomposition)无需Banach空间的范数计算,降低了计算复杂度.使用SID首先分离出图像中的大部分噪声,然后将剩余部分分解成结构部分和纹理部分.对结构部分使用简化的整体变分修复算法,对噪声部分和纹理部分使用基于样本的纹理合成,再将结果融合.实验结果表明,该方法克服了单独使用整体变分修复算法纹理合成的局限性,对噪声具有较好的鲁棒性.     

基于高斯混合模型的区域颜色迁移

针对具有多种颜色区域图像以及灰度图像的颜色迁移合成问题，提出了一种基于高斯混合模型的区域颜色迁移算法，以用于将一幅源图像的颜色迁移到一幅目标图像中。该算法首先在lαβ颜色空间中，采用高斯混合模型对源图像的颜色样本空间进行聚类拟合来得到具有源图像颜色信息的参考色彩模型；然后利用该参考色彩模型对目标图像的颜色样本集进行分类决策，以确定目标图像与源图像各区域的色彩匹配关系；最后，提出了一组新的基于区域的颜色迁移公式，用于完成对目标图像的颜色迁移。实验结果表明，该算法不仅能实现两幅彩色图像之间的颜色迁移．而且能实现对灰度图像的上色处理，并均取得了较好的迁移效果。