一种双线性快速模糊增强图像边界检测最新算法*

在广义模糊集理论的基础上,给出了全新的用于模糊增强图像区域对比度的线性广义模糊算子,从而提出了一种双线性快速模糊增强图像边界检测最新算法。利用线性左半梯形模糊分布将灰度图像的普通空间集合变换为广义模糊空间集合,再利用LGFO对广义模糊集合进行区域对比度增强,把增强后的广义模糊集合变换为普通集合,最后对处理后的普通集合进行边界提取。实例表明该算法提取图像边界速度快、效果好。     

一种基于三维医学图像的对比度模糊增强算法

由CT、MRI断层切片重建出的三维医学图像可以划分为目标区和背景区两部分,进行医疗诊断的信息主要集中在目标区,因此在图像进行处理时应合理区分两部分并采用不同的方法进行处理。文章针对这一问题,提出了一种三维医学图像的对比度模糊增强算法;该算法能够将三维图像目标区与背景区分开,并单独对目标区进行模糊增强处理。实验表明了该算法的有效性和可行性。     

关于图的局部调和着色

通过引入图的局部调和着色的概念,给出了任意图的局部调和着色的不可改进的上、下界;同时讨论了图的局部调和着色的一些性质,以及一些特殊图的局部调和着色数.     

具有照片真实感的三维特定人脸的生成

目前人脸建模的方法都不是很令人满意：成本高昂，算法复杂。针对这一困难提出了一种简单有效的由正、侧面照片重建特定人脸三维模型的新方法。先用多分辨率技术构造纹理无缝拼接图，然后把三维网格模型投影到圆柱面上并展开，根据二维图像变形技术中特征指定算法的数学思想，将匹配公式进行一定的改进后应用于模型网格点的适配，在作了一定假设后推导逆向圆柱映射的计算公式，将适配后的柱面网格映射回去，最后进行纹理映射生成真实感的特定人脸三维模型。实验证明，该方法可实现不同人脸的真实再现，而且无需昂贵的设备，算法简单，可以廉价的生成具有照片真实感的三维特定人脸。     

基于GFS的双线性快速模糊增强图像边界检测新算法

根据广义模糊集(GFS)理论，给出了用于模糊增强图像区域对比度的线性广义模糊算子(LGFO)，从而给出了基于GFS的双线性快速模糊增强图像边界检测新算法。首先利用线性左半梯形隶属函数将灰度图像的普通集合变换为GFS，其次利用LGFO对GFS进行区域对比度增强，同时把GFS变换为模糊集合，然后再把模糊集合变换成普通集合，最后在普通集合中进行边界提取。通过大量实例证明，使用该算法提取图像边界速度快、效果好，而且多项指标均超过了献[2]～[5]。     

基于灰色关联分析的图像保真度准则

针对图像保真度评价问题，利用灰色系统理论中的灰色关联分析(Grey Relational Analysis，GRA)的整体比较机制和小波变换的多尺度分辨率匹配于人类视觉系统(Human Visual System，HVS)的多信道模型性质，通过小波域系数之间的灰色关联度，给出了一种图像质量评价算法——小波系数灰关联法．实验表明：该算法可以从概貌质量和细节质量分别对图像进行评判，评价结果能够与人眼主观评价保持较好的一致性，优于传统的PSNR评价方法．     

DICOM数据的动态边界检测

根据广义模糊集理论,提出了用于DICOM数据的动态边界检测算法。该算法可以动态提取DICOM数据的多种边界。既可以忽略细节提取DICOM数据的粗略边界,也可以增强细节提取DICOM数据的细节边界。文献[5]和[8]是该算法的特例。最后给出彩色图像的动态边界检测方法。     

分水岭分割中的粘性形态学梯度修正

分水岭变换是一种有效的图像分割方法，但存在过分割现象，尽管应用预平滑处理可以减轻或消除过分割，但却容易使分割后的区域轮廓发生位置偏移，为此，文中首先对图像进行形态学梯度变换，然后运用粘性形态学运算对梯度图像进行地貌修正，在消除产生过分割的非规则局部极小值的同时，保持区域轮廓的位置不变，最后在梯度修正图像的基础上，运用标准分水岭变换实现图像分割。仿真实验表明，该方法不仅能有效地消除过分割，而且具有较强的区域轮廓定位能力。     

关于图的局部调和着色

通过引入图的局部调和着色的概念，给出了任意图的局部调和着色的不可改进的上，下界，同时讨论了图的局部调和着色的一些性质，以及一些特殊图的局部调和着色数。