图像噪声分析下的计算机生成图像检测算法

在生成图像的处理过程中,由于计算机生成图像与自然图像在物理生成机理方面存在着明显的差异性,因而也在一定程度上决定着其在图像噪声分布领域也存在着较为明显的差别.基于此,提出了图像噪声分析下关于计算机生成图像的检测算法,通过探索研究来进一步挖掘、提取计算机生成图像检测的新计算统计方法.     

一种改进的图像素描生成算法

本文给出一种改进的图像素描生成算法。首先对图像进行梯度和反相处理,再将图像灰度化,从而产生图像素描结果,实验证明该算法快速有效。     

一种自然纹理图像生成的新方法

提出了一种新的自然纹理图像生成方法 ,对传统的纹理图像统计模型和结构模型进行了改进 ,能够用来模拟和生成多种自然景物的纹理图像 .实验结果证明 ,该方法能有效地产生具有真实感的自然纹理图像     

实时计算机图像生成技术

计算机实时图像生成系统是各种模拟器视景系统的重要组成部分，本介绍一个低价格、高逼真度的计算机系统ＭＣＧＩ－９４１０Ｔ。系统采用照片纹理技术，使逼真度提高，并在硬件中采用ＦＰＧＡ集成，从而提高了灵活性和可靠性。     

计算机图象生成的一种新技术

本文提出的灰度／深度图像序列的维内插方法，摆脱了原实摄路径限制，可在空间内任意巡行，空用空间疏化采样，从而达到大量节省存储量和高度灵活地可控再现空间场景的目的。为解决三维内插中庞大的计算量，我们研究了快速而实用的散点算法和深度适应的Ｗａｒｐ算法，通过介绍三维内插的几种简单情形，导出了一些简单，实用的算法，计算机仿真结果显示了这一新方法是完全可行的。     

并行分布式Fractal图像生成算法的设计

本文以Ｍａｎｄｅｌｂｒｏｔ集图像生成为例提出一种并行Ｆｒａｃｔａｌ图像生成算法，在发布式环境下所实现的算法具有高可靠性，自然负载平衡等特性，实验数据表明所设计算法具有较高的加速比。     

一种增加图像数据量的算法

本文根据数据的相关（性）原理提出了一种增加图像数据量的算法,该算法一次可将m×n的数据量增加至(2m-1)×(2n-1)个,解决了图像的放大显示与数据量不足之间的矛盾。     

基于迭代函数的不规则图像快速生成算法

本文以迭代函数为基础,对不规则图形采用快速算法绘制分形图。     

基于傅里叶变换的图像素描效果生成算法

首先将真彩色图像转换为灰度图像,通过傅里叶正变换后将所有像素点的幅值设定为一常数,进行傅里叶逆变换,得到像素点的新灰度值;然后将每点灰度值倒置求反,再对图像进行锐化和平滑等处理来实现图像的素描效果。实验结果证明：该算法快速有效,生成的素描图像既能进行图像识别,提高图像质量,又可以达到美术和艺术效果,具有较高的理论和应用价值。     

基于LBC的计算机生成图像盲鉴别算法

针对现有的计算机生成图像盲鉴别算法选用的分类特征维度较高、通用性差等问题,提出了一种基于局部二进制计数模式的计算机生成图像盲鉴别算法.首先,将原始图像由RGB颜色空间转换为HSV颜色空间;然后,提取HSV颜色空间图像及其下采样图像的局部二进制计数模式矩阵,求取矩阵归一化直方图;最后,将上述直方图作为分类特征送入SVM分类器,实现计算机生成图像的盲鉴别.实验结果表明,该算法可以有效地鉴别自然图像和计算机生成图像,与现有算法相比具有更高的识别率和较低的特征维度.     

基于AdaBoost的计算机生成图像检测算法

提出了一种基于AdaBoost的计算机生成图像检测算法;该算法从空间域和变换域提取JPEG图像的特征值,利用特征组合技术来检测计算机生成图像.其中,小波域特征值是图像小波子带系数及其线性预测误差的高阶统计量,空间域特征是图像的梯度能量特征值.利用AdaBoost算法来构造分类器.相比于其它分类算法,AdaBoost算法是将弱学习算法通过一定规则上升为一种强学习算法,从而通过实际样本训练得到一个识别率较为理想的分类器.仿真实验表明,对计算机生成图像的检测率有了很大的提高.     

一种时序电路的测试生成算法

本文提出了一种高效的时序电路测试生成算法,该算法是建立在自适应算法的基础上,并使用了十七值逻辑模型。文章详细介绍了该测试算法的内容及其实现过程,并举例说明了该算法的测试效率。     

一种基于交互式的图像生成插值算法

在对隔行扫描、四叉树和Baptista算法分析的基础上,提出了一种基于交互式的图像生成插值算法。该算法首先对图像进行均匀取样,然后基于待插像素点的邻域像素值分布的几何特征,对像素点进行评估以决定像素点的值。经过上述4种算法的对比实验,结果表明,采用插值算法,仅由较少的数据量,即可生成较清晰的图像。     

一种快速人体图像检测算法

给出一种实时的从场景的图像中自动检测和识别出人体并进行跟踪快速检测算法，以区别于以前的研究者提出的一些复杂的识别与跟踪方法。该方法从二值化的差异图中给出水平方向与垂直方向的投影，将二维图像转化为一维信号，由投影可以进一步得到宽度的频率图，结合投影与频率图的特征，即能判断场景中是否存在人体。     

一种改进的综合图像插值算法

插值是一个利用离散样本估计连续事件中间值的过程,被广泛地用丁对数宁图像的放大、缩小等处理.每一种插值技术都有其自己的特点.提出一种基于混合插值算法的综合插值技术,并进行图像放大的试验验证.试验表明:混合了线性插值技术和三次多项式算法的综合图像插值方法:加权二次算法,适应性强,件能超过了原二三次算法.     

一种改进的灰度图像角点检测算法

针对SUSAN 角点算法在检测某些“X”型角点时会失败的局限, 提出了一种有效的提取灰度图像中的角点的算法。新算法在分析SUSAN 算法仅仅考虑USAN 区域的面积这一局限性的基础上, 通过增加一个考察USAN 区域之形状的步骤实现了对所有“X”型角点的有效提取。实验结果表明, 改进的算法在计算量相当的情况下提高了角点检测的准确性。     

基于混合生成对抗网络的多视角图像生成算法

多视角图像生成即基于某个视角图像生成其他多个视角图像, 是多视角展示和虚拟现实目标建模等领域的基本问题, 已引起研究人员的广泛关注. 近年来, 生成对抗网络(Generative adversarial network, GAN)在多视角图像生成任务上取得了不错的成绩, 但目前的主流方法局限于固定领域, 很难迁移至其他场景, 且生成的图像存在模糊、失真等弊病. 为此本文提出了一种基于混合对抗生成网络的多视角图像生成模型ViewGAN, 它包括多个生成器和一个多类别判别器, 可灵活迁移至多视角生成的多个场景. 在ViewGAN中, 多个生成器被同时训练, 旨在生成不同视角的图像. 此外, 本文提出了一种基于蒙特卡洛搜索的惩罚机制来促使每个生成器生成高质量的图像, 使得每个生成器更专注于指定视角图像的生成. 在DeepFashion, Dayton, ICG Lab6数据集上的大量实验证明: 我们的模型在Inception score和Top-k accuracy上的性能优于目前的主流模型, 并且在结构相似性(Structural similarity, SSIM)上的分数提升了32.29%, 峰值信噪比(Peak signal-to-noise ratio, PSNR)分数提升了14.32%, SD (Sharpness difference)分数提升了10.18%.     

一种改进的图像模板细化算法

针对现有图像模板细化算法中存在的诸如迭代次数较多、细化速度较慢、图像某些部位细化不完全等问题，提出了一组改进的细化模板。针对指纹图像应用新算法进行的细化实验结果表明，采用改进的细化模板，新算法在保证对图像完全细化的同时，能显著减少细化所需的迭代次数，从而加快了细化处理速度。     

一种新的BMP图像无损压缩编码算法

本文从实际应用角度出发,以16色BMP图像为例,系统阐述了BMP图像文件的存储结构,全面剖析了BI－RLE8无损图像压缩编码算法的基本工作原理及其不足,提出了一种新的高效16色BMP图像无损压缩编码算法（即改进的BI－RLE8无损图像压缩编码算法）,并给出了部分参考性源程序,算法分析和实验结果都表明,与BI－RLE8算法相比,本文提出新的BMP图像压缩编码算法能够将压缩比提高大约三分之一。