基于小波变换的图像和视频压缩编码

小波变换以其良好的空间-频率局部化特性以及优良的非平稳信号的表示性能等特性而备受信号压缩领域的重视.本文概述了基于小波变换的图像和视频压缩的原理和方法,阐述了近年来小波变换在图像和视频压缩编码中的研究进展,并对今后的发展方向进行了探讨.     

基于Kinect的旋转刚体三维重建方法

针对在非匀速非定轴旋转条件下利用Kinect进行刚体三维重建问题,提出一种改进的基于Kinect传感器的旋转刚体三维重建方法。首先利用Kinect采集深度图像,然后用改进的加权ICP(Iterative Closest Point)算法在非匀速非定轴旋转条件下进行配准,再将各点云变换到同一坐标系下,最后根据所得点云生成三维模型表面,通过GPU(Graphic Processing Unit)编程技术来提高计算速度以满足实际需求。实验结果表明:该方法具有重建效果良好的特点。     

基于KL距离和双密度小波变换的纹理图像检索

为了进一步提纹理图像的检索性能，提出了一种基于双密度小波的算法。该算法根据双密度小波分解的特点。从系数角度出发首先进行子带组合，然后提取子带小波系数直方图分布特性作为纹理特征。利用最大似然估计规则将特征提取和相似计算结合起来．采用KL距离进行度量．与单小波和双密度小波方法比较．该算法具有时移不变性、特证数少等特点。理论分析和纹理图像检索的对比实验数据说明了组合双密度小波在纹理特征提取方面的性能优于单小波和双密度小波。检索率分别提高了。     

基于二进小波统计特征的纹理图像检索

二进小波变换利用模局部极大值来提取图像的多尺度边缘信息。该文研究了二进小波系数的统计特性，提出并验证了二进小波系数直方图服从于指数分布。分析了二进小波系数的一阶、二阶统计矩(共生矩阵)特性并将其应用于纹理特征提取。理论分析和实验说明，采用Manjunath方法和二阶统计矩方法的二进小波在纹理图像检索方面优于单小波。     

基于映射复支持度变换的多聚焦图像融合

针对支持度变换在多聚焦图像融合技术方面存在的不足,提出了基于软空间映射的复支持度变换的图像融合方法,该方法将图像信息(实数域)映射到其软空间的象(复数域),在此基础上进行支持度变换,既保留支持度变换已有的优点,又增加了图像的分解信息量,进一步提高了图像融合质量.实验结果表明在主观融合效果与客观评价指标方面与支持度变换相比均有一定提高.     

基于多方向复支持度变换的多聚焦图像融合

针对支持度变换应用于多聚焦图像融合存在的不足,提出复方向滤波器组与支持度变换相结合的图像融合方法.采用支持度变换对图像进行多尺度分解以提取高频和低频分量,运用复方向滤波器组对各级高频分量进行分解,提取各方向图像信息,对源图像各对应频带的分解信息按照规则融合,并重构得到融合图像.实验结果表明,该方法不仅可取得较好的主观融合效果,而且客观融合指标也优于支持度变换方法.     

基于网格的快速搜寻密度峰值的聚类算法优化研究

CFSFDP是基于密度的新型聚类算法,可聚类非球形数据集,具有聚类速度快、实现简单等优点。然而该算法在指定全局密度阈值dc时未考虑数据空间分布特性,导致聚类质量下降,且无法对多密度峰值的数据集准确聚类。针对以上缺点,提出基于网格分区的CFSFDP(简称GbCFSFDP)聚类算法。该算法利用网格分区方法将数据集进行分区,并对各分区进行局部聚类,避免使用全局dc,然后进行子类合并,实现对数据密度与类间距分布不均匀及多密度峰值的数据集准确聚类。两个典型数据集的仿真实验表明,GbCFSFDP算法比CFSFDP算法具有更加精确的聚类效果。     

快速搜索与发现密度峰值聚类算法的优化研究

CFSFDP是基于密度的新聚类算法,可聚类非球形数据集,具有聚类速度快实现简单等优点。CFSFDP需人工尝试确定密度阈值dc且对一个类中存在多密度峰值的数据无法进行准确聚类,为解决该缺点,本文提出基于近邻距离曲线和类合并优化CFSFDP（简称 NM-CFSFDP）的聚类算法。首先,算法用近邻距离曲线变化情况自动确定密度阈值dc;然后,用本文提出自动确定dc的CFSFDP对数据聚类;最后用本文计算dc值的方法指导类的合并,引入内聚程度衡量参数解决了类合并后不能撤销的难题,从而实现对多密度峰值数据的正确聚类。通过实验对比,NM-CFSFDP算法确实比CFSFDP算法具有更加精确的聚类效果。     

基于复小波系数局部方差无偏估计量的图像去噪

为了更有效地去噪,在考虑了图像局部具有不独立性特点的基础上,利用双树复小波变换,提出了一种新的空间适应算法,该算法对于每个系数利用中心方形窗来估计局部方差,克服了以前的去噪方法不能有效地去除图像边缘噪声的弱点,和目前好的实验结果进行的对比结果表明,该方法有效地改善了去噪效果。     

基于局部结构分割的维吾尔文笔迹鉴别方法

针对基于纹理分析的全局特征提取受文本组合或字符连接影响较大,导致特征提取不稳定的现象,以及现有局部特征提取方法存在的不足,提出一种基于局部结构分割构建Codebook的维吾尔文文本无关笔迹鉴别方法。该方法根据笔迹图像的像素值提取维吾尔文笔迹样本中具有代表性的轮廓,生成描述书写者书写风格的Codebook并进行相似性度量,从而达到笔迹鉴别的目的。实验结果表明,该方法对于维吾尔文笔迹是一种简单、可行,具有较高识别率的笔迹鉴别方法。