改进的基于梯度幅值的自适应边缘检测算法

分析文献[1]给出的算法.针对其中存在的问题和不足,给出了一个改进算法.实验结果表明,改进算法弥补了原文算法中的缺陷,在获取连续边缘的同时也较好地抑制了噪声,在运算效率方面有了明显的提升,并节省了大量的内存空间.     

用Prewitt算子细化边缘

传统的边缘检测算予一般都只能得到比较宽的边缘，这为以后的图像处理带来了一定的困难。本文通过对图像边缘特征的分析，提出了一种新的边缘细化方法——Prewitt算子细化边缘。实验表明，这种方法能在保持原有信息的前提下，给出令人满意的细化结果。     

织物动感模拟的研究与实现

织物的动感模拟是虚拟现实、计算机动画以及3D游戏等领域中的一个热点问题。为了实现织物动感模拟的实时性和真实感,选用质点-弹簧模型进行物理建模。然而,质点-弹簧模型在应用中存在过度拉伸的问题,针对这个现象进行了处理,提出采用平滑过度的方法来解决此类问题。同时,提出了一种风力模拟算法,简化了运算,增强了织物在风中运动的显示效果。实验证明,这些方法使织物动感模拟达到了较强的实时性和真实感。     

改进的自适应中值滤波算法

中值滤波窗口大小影响滤波器性能,3×3滤波窗口可以很好地保持图像细节。提出一种新的自适应中值滤波方法。将3×3窗口中心的极值点作为候选噪声点,若候选噪声点仍然是7×7窗口的极值点,则该点即是噪声点。若以噪声点为中心的3×3滤波窗口的中值不是噪声,则噪声用中值替换。重复以上过程,直到没有噪声点被替换。如果图像中仍然存在大的噪声团块,则噪声用相邻的三个信号点的灰度均值替换。实验结果表明,该方法能够有效去除脉冲噪声,并在抑制噪声的同时很好地保护图像的细节。     

一种全局主色和局部主色相结合的图像检索方法

提出一种基于全局主色和局部主色相结合的图像检索方法。对图像进行扇形分割。提取各扇区的主色,对全局主色和局部主色同时进行相似度匹配。不仅利用图像的颜色特征,也考虑颜色特征的空间分布。对该方法的检索效果和性能进行详细分析。实验结果表明该方法反映图像颜色的空间分布及局部细节,具有更好的检索效果。     

一种融合整体和局部颜色特征的图像检索方法

针对传统颜色直方图无法反映像素的空间信息和图像的局部细节,提出一种整合整体和局部颜色特征的图像检索技术,先将图像分割为环形区域,获得图像的局部颜色特征.把赋以不同权值的整体颜色直方图和局部颜色之间的相对距离累加和定义为图像之间的相似度,以反映人们对图像的判定过程.实验表明,该方法反映了图像颜色的空间分布及局部细节,在查准率和查全率上都要优于基于传统的颜色直方图的检索方法.     

基于加强的前景图像纹理的图像检索方法

针对人们对前景图像比较敏感的特性,提出了一种加强前景信息并弱化背景信息的新方法.该方法首先通过图像的阈值得到前景图像与背景图像,利用某个值加强前景并弱化背景,结合原始图像提取纹理特征,从而进行图像检索.对真实图像数据库的检索实验表明,该方法与其他基于纹理的方法相比,具有较好的检索效果和性能.     

基于梯度幅值的自适应边缘检测算法

提出了一种新的边缘检测算法.根据所提出的梯度幅值计算方法求出整幅图像的梯度幅值均值和图像中所有像素点的梯度幅值相对与均值的方差.由图像的梯度幅值均值和方差计算出图像的最佳阈值.然后根据提出的噪声剔除方法对由最佳阈值判定的初始边缘中的噪声进行剔除.实验结果表明所提出的算法在精确定位边缘的同时也较好地抑制了噪声.     

基于模糊熵和BP神经网络的彩色图像边缘检测

在RGB颜色空间中,分别提取R、G、B三个分量并计算R、G、B三个分量的组合V,通过引入模糊熵,构造出4个基于模糊熵的信息测度分量来定量描述彩色图像的边缘特征,并将4个测度分量组成一个整体的特征向量,计算训练图像的特征向量作为样本对BP网络进行训练,然后将训练的BP网络直接用于边缘检测。该方法充分考虑了颜色空间中各颜色分量以及它们之间的相关性;BP网络的结构和训练都比较简单;实验表明,改进方法具有较强的细节保持能力,对弱边缘具有较强的检测能力。     

非均匀介质下基于区域重建的弥散光学层析成像

传统体素重建方法的弊端是用测量数据重建庞大的光学参量.庞大的数据量一方面加大重建过程中的计算量,另一方面由于测量数据易于受噪音的影响造成结果的不稳定性.因此,本文提出一种基于区域的重建方法,该方法通过找邻近节点确定目标区域.第一步进行体素重建,确定目标个数及其中心点.第二步重建中心点所在的区域.实验中,给出了重建模型吸收系数的重建结果,并引入四个数值指标进一步衡量重建图像质量.实验结果表明:该方法可以有效降低重建系统规模,克服重建病态性,提高重建图像的精确性和对比度.