一种非线性逆有序抖动的方法

针对有序抖动半调图,提出一种以非线性滤波技术为基础的快速、非迭代逆半调方法。它采用低通和非线性滤波的层叠,有效平滑了灰度变化平缓区域的半调噪声。通过分离边缘信息补偿非线性滤波损失的细节,以改善逆半调图像的质量。算法具有存储容量要求低,峰值信噪比高等特点。     

基于Laplacian金字塔和小波变换的医学CT图像增强算法

对医学图像进行增强可提高信息的利用率。传统的图像增强方法应用于医学图像时处理效果一般,存在诸多问题,如在增强图像的同时使图像的细节丢失,减弱了图像中目标的边缘信息,降低了图像的对比度。针对上述问题,提出一种基于小波变换和Laplacian金字塔分解的图像增强算法。首先,对原医学图像进行小波变换分解,得到处理结果;然后,对原医学图像进行Laplacian金字塔分解,得到医学图像的高频信息;最后,利用小波变换的结果和Laplacian金字塔分解的结果进行重构,得到增强后的图像。实验结果表明,该方法的增强效果明显优于传统的图像增强算法,对医学图像具有较好的增强效果,同时能更好地抵抗噪声。     

基于图像金字塔的分维融合算法

数据融合是进行目标检测和识别的重要技术之一,但是在融合过程中不可避免地会产生信息损失。如何保留尽可能多的有用信息,关键在于融合算法的选取。由于图像金字塔中不同级的图像之间具有自相似性,而自相似性又是分形分维的基础。于是,根据图像金字塔的特点,提出了一种新的图像融合方法——基于图像金字塔的分维融合算法,将不同源图像分别分解成不同尺度的金字塔图像序列,在相应的尺度上以分形分维作为权系数进行融合,并采用中波红外和长波红外图像作为源图像进行融合实验,实验结果表明该方法是可行的。     

有序抖动半调图像压缩算法

结合有序抖动半调图像特性,针对原有矢量量化初始码书算法存在非典型码字、运算量大和空间分布不均匀等欠缺,提出一种能在训练集中均匀分布的初始码书生成方法,应用到LBG算法中,并结合无损压缩方法,进行二次压缩。实验表明,本方法压缩比高、实现简单,且解码后图像视觉效果得到明显改善。     

基于矩形编码的抖动半调图像无损压缩算法

结合有序抖动图像具有周期性块状纹理的特性,提出一种基于矩形编码的抖动半调图像无损压缩算法.针对半调图像黑自像素交替频繁的现象,根据抖动模板的大小等间隔抽取对应图像块上的像素进行下采样,使采样后的子图具有成片的黑白区域.对黑白子图进行行异或运算,通过矩形划分的编码方法实现无损压缩.实验结果表明,该算法的压缩效率较高.     

基于半调法的误差扩散算法研究

介绍了半调法中的误差扩散算法,分析了算法的优缺点.     

查找表与神经网络相结合的图像逆半调算法

为提高查找表逆半调算法中“未出现半调模式逆半调值”的估计精度,本文提出了基于IRN神经网络的逆半调逼近模型,通过分析、训练和优化确定了合适的IRN网络结构、隐层数、隐层节点数。实验结果表明,应用该算法训练、拟合出的查找表数据在逆半调重建图像的视觉效果及PSNR指标上表现良好,而且算法执行速度快、空间复杂度低。     

LUT与Elman网络相结合的图像逆半调算法

为改进查找表逆半调算法中"未出现半调模式逆半调值"的估计精度,提出了一种查找表与Elman回归网络相结合的图像逆半调算法。该算法首先通过样本图集生成初步逆半调查找表,然后以Elman型回归网络为工具,构造、训练逆半调逼近模型,最后达到拟合"未出现半调模式逆半调值"的目的,产生完整查找表,支持逆半调处理。实验结果及性能分析表明,应用本文算法生成的逆半调重建图像在视觉效果及PSNR指标上表现良好,具有运行速度快、空间复杂度低的特点。     

基于可调滤波器金字塔算法的人脸特征提取

特征提取是人脸识别中最重要的一个环节,我们在HMAX模型的基础上,提出了一种改进的视觉信息处理模型,它利用可调滤波器金字塔算法对图像进行多尺度、多方向分析,并结合一系列分层处理,得到了具有尺度、平移、旋转不变性的特征向量,解决了人脸识别中的一个重要难题。在ORL人脸数据库中的实验结果证明了该算法的有效性。     

抖动半调图像跳黑块无损压缩算法

提出了一种有序抖动半调图像跳黑块无损压缩方法。通过分析抖动半调图像特性,对半调图进行分块及块间异或预处理,使其转变为较大面积黑色区域中夹杂着零星白点的二值图像,接着运用跳黑块编码法对其无损压缩。在跳黑块编码中,对只有一个白像素的非黑块采用特定的短码字编码;对其余类型的非黑块采用直接编码。实验结果表明,改进的跳黑块编码能在一定程度上对非黑块进行有效压缩,且新算法不但具有较高的压缩效率,时间、空间复杂度也较低。     

基于拉普拉斯金字塔和CNN的医学图像融合算法

医学图像融合技术因其包含多模态的图像信息,在临床应用中起着越来越重要的作用。医学图像融合效果符合人类视觉感知,减少先验知识对融合效果的影响和增强细节表现力一直是努力的方向。提出基于拉普拉斯金字塔和卷积神经网络的医学图像融合方法,针对图像伪影的问题采用区域拉普拉斯金字塔,为保存更多的细节信息并使参数自适应,对卷积神经网络进行改进。将源图像分别输入区域拉普拉斯金字塔进行分解,采用改进的卷积神经网络生成最优权重图指导融合过程,通过逆过程生成融合图像。实验结果表明,提出的方法在主观视觉和客观评价指标上都取得了良好的融合效果。     

基于拉普拉斯金字塔变换的电力图像融合

提出了一种改进的拉普拉斯金字塔算法。为了防止目标信息丢失,该算法对顶层采用经过遗传算法优化的加权融合方法,对其它层采用加入相位信息的区域能量融合方法。实验结果表明该算法能保留较多的图像细节信息,增强图像清晰度,方便目标检测。     

基于量子力学和拉普拉斯金字塔的图像融合方法

针对数字图像的融合问题,研究一种基于量子力学理论的图像分解方法,并将其结合拉普拉斯金字塔变换,提出一种新的图像融合方法.先把2幅灰度图像表示成量子比特的形式,然后把每幅图像分解成4幅特征子图,根据分解后特征子图的不同含义,使用不同的融合策略分别对子图进行融合.其中一幅子图使用拉普拉斯金字塔变换进行融合,另外3幅子图使用区域梯度取大法进行融合,最后通过重构得到融合图像.仿真实验表明该方法融合效果较好,在主观视觉感受和客观评价指标上均优于传统的图像融合方法.     

基于纹理特征的拉普拉斯金字塔形微波遥感图像融合

提出基于图像纹理特征（条件信息）的拉普拉斯金字塔区域式融合方法,充分利用拉普拉斯金字塔形融合法多分辨率分析的优势以及微波遥感图像乘性相干斑噪声完全发育的特点,并将其应用于复杂城区不同极化方式的微波遥感图像的融合处理,将融合结果与基于图像方差、熵值和边缘特征的融合结果进行对比,显示了较低的平均误差、较小的交叉熵、较高的峰值信噪比和较大的相关系数,验证了其可行性和有效性。     

基于拉普拉斯金字塔的图像细节增强

拉普拉斯金字塔被广泛地运用于到多尺度的图像分解和图像分析中,但由于拉普拉斯金字塔的构成是在高斯金字塔的基础上演变而来的,它被认为是不适合于应用到边缘保持平滑的感知操作中。为了解决这些问题,许多方法已被提出。虽然这些方法被证明是成功的,但他们常伴有较高的计算成本或是需要后期处理。我们算法是运用边缘像素值来区分大型边缘上的小规模细节。在这个结果的基础上,我们提出了一套图像过滤器,以实现图像的细节增强,我们做法的优势是算法的简单性和灵活性,并且不会降低边或引进光晕。     

基于易操纵金字塔的多传感器图像融合

针对目前传统方法在图像未完全配准时融合效果差的问题,提出了一种基于易操纵金字塔的多传感器图像融合方法。首先,对多光谱图像进行易操纵金字塔分解;然后,恰当地合并分解得到子带图像系列来构造融合图像对应的易操纵金字塔,并通过逆变换重构融合后图像。最后利用熵和空间频率对该方法的融合性能进行了评估分析,并与基于拉普拉斯变换和小波变换的图像融合方法进行了比较。实验结果表明,该方法综合性能优于基于拉普拉斯变换和基于小波变换等传统图像融合方法,图像未完全配准情况下也能获得好的融合效果。     

基于人眼视觉特征的图像逆半调算法

本文针对灰度图像逆半调算法复杂度高的特点,提出了一种基于人眼视觉特征的逆半调算法。算法根据人类视觉系统具有的对比敏感度特性、多通道特性,将其引入图像逆半调系统中,并根据人眼视觉系统分辨细节的能力和误差分散数字半调方法中半调误差的分散比例,设计了逆半调滤波器。为了验证算法的有效性,本算法与当前公开发表的三种逆半调方法的实验结果做了比较,实验结果表明本算法的逆半调图像质量较好,并且算法的时间复杂度、空间复杂度较低。