结合中值滤波的彩色自蛇模型在遥感图像放大的研究

研究了彩色自蛇模型的形成过程,对遥感TM图像进行了后处理放大处理,采用最邻近点插值、双线性插值、三次样条插值、双立方插值、双二次插值。针对插值放大后的图像的边缘出现锯齿化和模糊化问题,由于彩色自蛇模型本身不仅具有边缘锐化功能,它可以消除边缘锯齿化和边缘模糊化问题,而且具有去噪的能力。采用彩色自蛇模型进行后处理,并对处理后的残余斑点进行研究,结果采用了中值滤波的方式取得更好的效果,并对含噪的遥感图像也有较好的放大效果,实验结果证明该方法适于遥感图像的放大处理。     

基于小波融合的图像放大方法

提出一种基于小波融合技术与传统图像放大算法的结合的方法.该算法首先对源图像分别采用双三次插值和改进的双线性插值进行放大,然后对两幅放大后的图像进行小波分解,并对分解后得到的小波系数进行融合,增强图像轮廓,最后进行小波逆变换得到目标图像的重构.通过实验对比,采用所提算法放大的图像视觉效果明显,轮廓清晰,消除了传统放大算法的模糊和锯齿现象.     

热扩散和整体变分模型自适应调整的图像放大模型

近年来基于偏微分方程的图像处理因其具有更强的局部自适应特性和高度的灵活性而成为继小波图像处理之后新的研究热点。本文在对热扩散模型和TV（Total Variation）模型分析的基础上,针对二模型在图像平滑区域及边缘或纹理区域扩散所表现出的不同特性和优势,提出一种基于图像局部特性的自适应混合图像放大模型,该模型以双线性插值后的放大图像为初始值,根据像素点梯度特性在平滑区域和边缘或纹理区域自适应的调整扩散模型,使得在平滑区域进行热传导的同性扩散,而在边缘和纹理区域处则进行沿与梯度方向相垂直的方向扩散。该模型很好的抑制了图像插值放大后所带来的块状效应,以及放大后边缘或纹理区域的假边缘现象。理论上证明了所提出模型解的存在性,同时大量的仿真实验验证了所提出模型的有效性。     

图像双线性插值无级放大及其运算量分析

针对图像的无级放大问题,提出了3种双线性插值放大方案,分析了3种方案各自的运算量,找出最优的图像放大算法.     

基于小波变换的分形插值图像放大方法

分形插值和小波变换在数字图像处理中有着广泛的应用.结合分形插值和小波变换的特点,提出了一种新的图像放大方法.实验结果表明,通过选择合适的小波基,该方法与传统的图像放大方法相比,获得的放大图像的纹理特征和图像的边缘得到明显增强,并且具有更高的视觉分辨率.     

基于加权抛物线插值与小波变换的图像放大算法

图像放大问题的焦点是如何在图像放大过程中保持良好的视觉分辨率和清晰度。论文首先对加权抛物线插值算法进行了改进,在此基础上提出一种加权抛物线插值结合小波变换的图像放大算法,并对小波变换后的小波系数低频带作了幅值增强处理。实验结果表明,相对于传统的图像放大算法,该算法不仅较好地保留了原始图像的细节信息,而且还提高了放大后图像的亮度和清晰度。     

小波分解在图像放大缩小中的应用

首先介绍了几种常用的图像放大与缩小的内插算法,然后介绍了小波分析的性质,小波的 Ｍａｌｌａｔ算法在一维的分解和重构公式,并且在此基础上提出了利用小波分解进行图像的放大与缩小的方法,最后简单比较了内插算法与小波方法,指出了利用小波分解的优点。     

Newton-Thiele插值方法在图像放大中的应用研究

图像放大一般采用插值方法，而插值基函数的选择直接影响放大图像的效果和实时速度．在分析常见插值方法和图像特点的基础上，提出一种新的图像放大方法，利用Thiele连分式和Newton多项式建立有理插值函数和代数插值函数；并通过实验证明，该方法也是一种有效的图像放大方法．     

图像放大技术在矿山安全管理系统中的应用研究

图像放大是一种常见且重要的数字图像处理技术,矿山安全管理系统中远程采集的矿区图像需要放大后才能进行进一步的操作,放大后的图像由于像素个数不变,显示图像区域变大,造成像素变形,变形后的像素很容易被破坏,导致放大后的图像清晰度不高的问题。为了解决这一问题,文章提出一种基于滤波插值的放大图像处理算法,通过对变形像素进行插值计算,补偿由于显示区域变大导致的像素变形,完整像素数量不足的缺陷,克服由于放大造成的图像清晰度下降的弊端。实验结果表明,文中的方法能够大幅提高图像放大后的清晰度,取得了不错的效果。     

基于FPGA的数字图像实时放大设计

文章设计并实现了基于FPGA的双线性插值放大,设计中针对硬件实现,对算法的并行计算结构进行了优化。实验表明应用该方法插值计算结构简单,计算误差小,精度与软件实现相当,可实现变倍率的实时视频图像放大。     

保边缘自蛇模型毫米波图像去噪

由于毫米波图像分辨率低并伴随有大量噪声,其图像边缘常被噪声污染或丢失,为此提出保边缘自蛇模型并应用于毫米波图像去噪。引入只在图像的边缘处具有最大值,且对噪声不敏感的非局部梯度,以此构造边缘停止函数,使其在图像边缘处接近0,而在平坦同质区域接近1;给出保边缘的自蛇模型迎风差分数字解法;提出毫米波图像去噪的定量评价算法性能指标。实验结果表明,该算法在等效视数和边缘清晰度性能指标上明显优于标准自蛇模型和保特征的各向异性扩散模型,具有较好的去噪效果和保边缘能力。     

一种新的图像力在Snake模型中的应用

针对Snake模型应用于图像边缘检测时对于噪音过于敏感的不足,提出了一种新的图像力。在新的图像力的作用下,Snake模型可以很好的减小噪音的干扰,使模型的分割性能更好。最后用遗传算法对分割结果进行优化,以得到最好的分割结果。     

基于FPGA的视频叠加融合系统设计与实现

针对两通道视频图像叠加融合,设计并实现了一种实时性好、灵活性强的FPGA硬件系统。该系统可以根据实际需求进行任意比例和任意位置的视频图像叠加融合。方案经仿真验证后,运用双线性插值缩放算法、DDR2存储以及叠加融合等技术在FPGA硬件平台上实现。结果表明,该系统能达到预期效果,叠加融合画面效果良好,能够满足工程应用的需求。     

一种基于二维GARCH模型的图像去噪方法

提出了一种基于小波系数统计模型的图像去噪方法。该方法利用二维广义自回归条件异方差(2D-GARCH)模型对小波系数进行建模,这种小波系数模型能够更好地利用小波系数"尖峰厚尾"的分布特性和系数间的相关性等重要特性。利用基于果蝇优化算法的极大似然估计(ML Estimation based on FOA)代替传统的线性规划方法求解模型参数,提高了建模的准确性。在此基础上再采用最小均方误差估计(MMSE Estimation)对未受噪声污染的原始图像的小波系数进行估计。实验结果表明,与当前主流的去噪方法相比,该算法能更有效地去除图像中的噪声,获得更高的峰值信噪比(PSNR)和较好的视觉效果。     

基于支持向量机的三维鼻子建模方法研究

提出了一种基于支持向量机的三维鼻子建模新方法,该方法采用两张正交的人脸照片,首先运用高提升滤波对整个面部照片进行处理,使鼻子边缘轮廓更加清晰,然后在鼻子区域中提取鼻子的三维坐标信息,接着用支持向量机（SVM）对鼻子进行拟合建模,最后对拟合得到的鼻子模型进行纹理贴图,得到具有真实感的三维鼻子模型。该方法已在MATLAB平台上进行了模拟,成功获得了较逼真的三维鼻子模型,并可以推广应用到三维人脸建模。     

Linear mixture model applied to Amazonian vegetation classification

Many research projects require accurate delineation of different secondary succession (SS) stages over large regions/subregions of the Amazon basin. However, the complexity of vegetation stand structure, abundant vegetation species, and the smooth transition between different SS stages make vegetation classification difficult when using traditional approaches such as the maximum likelihood classifier (MLC). Most of the time, classification distinguishes only between forest/non-forest. It has been difficult to accurately distinguish stages of SS. In this paper, a linear mixture model (LMM) approach is applied to classify successional and mature forests using Thematic Mapper (TM) imagery in the Rondônia region of the Brazilian Amazon. Three endmembers (i.e., shade, soil, and green vegetation or GV) were identified based on the image itself and a constrained least-squares solution was used to unmix the image. This study indicates that the LMM approach is a promising method for distinguishing successional and mature forests in the Amazon basin using TM data. It improved vegetation classification accuracy over that of the MLC. Initial, intermediate, and advanced successional and mature forests were classified with overall accuracy of 78.2% using a threshold method on the ratio of shade to GV fractions, a 7.4% increase over the MLC. The GV and shade fractions are sensitive to the change of vegetation stand structures and better capture biophysical structure information.     

基于改进暗原色先验模型的快速图像去雾方法

为了解决雾天图像质量退化问题,结合改进的暗原色原理与容差机制提出一种快速图像去雾算法。该算法首先基于暗原色先验估计大气参数,然后利用插值算法和最大最小估计法改进暗原色先验模型进而准确计算出不同场景深度的透射率,最后结合容差机制基于大气散射模型恢复无雾图像。实验结果表明,相比于原有的暗原色先验算法,该算法的计算速度可提高至少30倍,并且能够同时实现明亮与暗色区域的有效去雾,去雾图像清晰自然。基于插值算法与最大最小估计法改进的暗原色先验去雾模型可同时保证去雾处理的鲁棒性和实时性。     

基于径向基点插值的Chan-Vese模型图像分割算法

基于水平集方法的Chan-Vese模型是一种典型的几何活动轮廓模型,已成功应用于众多领域中的图像分割问题。为了提高该模型的演化速度和分割效果,提出了一种基于径向基点插值求解Chan-Vese模型的高效数值算法。通过用径向基点插值法逼近水平集函数,Chan-Vese模型被离散为常微分方程组初值问题并可用向前Euler法求解。该算法不需要网格单元,对水平集初始轮廓不敏感,不涉及复杂费时的重新初始化过程,并且有明确的演化终止条件,无需事先设置演化次数。实验表明该算法在没有初始轮廓时也能正确分割图像,具有很快的演化速度。