基于边缘分离的去振铃复原

针对模糊图像复原后常常存在的振铃现象,提出了一种基于边缘分离的去振铃复原方法。该方法首先使用基于图像质量评价的降晰函数辨识方法估计模糊图像的降晰函数尺寸,提取模糊图像中的强边缘并平滑边缘区域得到去边缘模糊图像。然后,利用估计降晰函数对去边缘模糊图像进行迭代盲复原。最后,提取边缘增强后加入到复原的去边缘图像中得到完整的复原图像,并对复原图像进行增强。复原过程中为了抑制噪声放大使用了Wiener和离散小波变换(DWT)联合去噪算法对图像的低频区域进行去噪。实验结果表明:与传统的迭代复原算法相比,本算法复原图像的振铃测度降低了34%以上,比基于Fuzzy滤波器的去振铃算法低12.5%以上;同时,本算法复原的图像质量也得到了明显提升。     

GABA生产菌株（乳酸菌）的筛选

本试验以自然发酵泡菜为原料，用平板划线分离得到10株菌株，通过对菌株个体特征观察和部分生理生化特征的鉴定以及纸层析法进行定性分析、改良纸层析法与HPLC法结合的定量分析，得到产γ-氨基丁酸的优势乳酸菌B2，产量为1．18mg／ml。     

基于动态减背景图像处理算法的可变形线性物体识别

围绕可变形线性物体（deformable linear objects,DLO）的检测、目标特征提取和动态操作时的故障诊断3个方面进行研究．首先,应用静态背景下常用的动态减背景方法实现了可变形线性物体的动态目标检测;进而对检测出来的目标物体进行插补,并加以标记,从而提取得到目标特征．最后,通过对提取出的特征点进行监控,获得目标物体在不同状态下的信息,并提供故障诊断的依据．结合以上图像处理算法,在带视觉系统的三菱PAIO机械臂平台上操作可变形线性物体,进行了实验研究．结果证明,该方法可以较好地监控可变形线性物体在运动过程中状态,并及时诊断故障的发生．     

典型人工神经网络在图像复原中的应用

大多数图像复原的实际问题是点扩展函数和原始图像均未知的盲复原问题,相对于传统图像复原算法,人工神经网络为这类问题的求解提供了另外一条全新的途径。人工神经网络具有非线性、自组织、自学习和自适应的特性,适于解决无法建立精确数学模型的问题。通过对BP神经网络、Hopfield神经网络这两种典型的神经网络应用于图像复原问题的总结和分析,归纳出神经网络在处理图像复原问题方面具有的特点,以及两类不同的神经网络复原方法适合解决的问题。