图像清晰度评价方法研究

数字图像的清晰度评价一直是各类数字成像系统的一个关键问题，而在已有的一些的评价参数中，由于评价方法不同，均存在一些局限性，为此，针对图像的清晰程度提出一种新的评价方法，目的在于能够快速、准确地评价数字图像的清晰度。该评价方法评价参数可通过改进边缘锐度算法(EAV)得到，然后与机测MTF值的变化趋势一起做曲线回归分析，以便和其他传统清晰度评价参数做对比。通过上百幅各类数字图像的测试，结果表明，该评价参数与数字成像系统的MTF值变化有着很好的正相关关系，其不仅能够更准确地反应数字图像清晰度变化的趋势，而且便于简捷、快速地应用于各类数字图像的清晰度评价。     

片相似性各项异性扩散图像去噪

提出了一种基于片相似性的各项异性扩散图像去噪方法.传统的各项异性图像去噪方法都是基于单个像素点的灰度相似性(或梯度信息),不能很好地保持弱梯度边缘和纹理等细节信息.基于片相似性的非局部图像去噪方法由于利用了邻域像素的灰度相似性,而能够很好地保持纹理等细节信息.将片相似性思想引入到各项异性扩散中,利用片相似性构造扩散函数,同时将片相似性各项异性扩散模型扩展到彩色图像的去噪.实验结果表明,提出的改进方法能很好地保持纹理等细节信息,不存在各项异性扩散普遍存在的明显的阶梯效应,同时比非局部图像去噪方法速度快.医学图像去噪实例也表明所提出方法具有很好的应用前景.     

基于方向极傅里叶频谱2DPCA 的尾迹检测

针对航空图像中的水面尾迹, 提出了一种基于方向极傅里叶频谱二维主成分分析(Two-dimensional principal component analysis, 2DPCA)的尾迹自动检测算法. 该方法根据子图像的纹理方向, 对傅里叶频谱进行极坐标变换, 使得到的方向极傅里叶频谱具有平移和旋转不变性. 相对于文献中对极频谱的直接划分作为纹理特征, 本文对它进行一次列二维主成分分析, 一次行二维主成分分析和两次二维主成分分析, 实验结果表明本文方法具有更高的分类识别率, 其中两次二维主成分分析的分类识别率最高. 对40幅图像的测试结果表明, 本文的方法能够有效地自动检测航空图像中的水面尾迹纹理.     

基于双水平集的图像分割模型

针对水平集模型对于具有细长拓扑部分的目标和弱边界目标进行分割时存在的问题,提出了双水平集方法.在新的方法中通过两条水平集之间的相互吸引来加速解的收敛,同时提出了一种快速有符号距离函数生成方法,提高了计算效率.传统的水平集通常利用图像边界信息来构造速度函数进行求解,但在待分割目标具有很强噪音或具有弱边界时往往得不到真实解,对此,提出了一种新的基于区域信息的速度构造方法.将双水平集模型应用到合成图像与左心室MR图像的分割实验,结果表明该方法具有较好的分割效果和较高的分割效率.     

基于总变差的图像放大和增强方法

利用小波的多分辨分析和总变差极小原理,提出了一种实现图像放大和增强的新方法。该方法把原图像作为放大图像的小波子带,对放大图像强加了一种小波系数型的限制。放大图像利用图像总变差极小模型进行正则化。经求变分产生带限制的非线性扩散方程作为总变差极小的必要条件,求解偏微分方程得到增强的放大图像。对人工合成图像、医学MRI心脏切片和人物图像进行了实验。实验结果说明该方法同时实现图像放大和增强的有效性。     

Min/Max曲率流实现图像去噪和增强分析

分析Min/Max曲率流在图像去噪和增强方面的机理。针对Min/Max曲率流结合水平集方法通过曲线(曲面)演化对图像去噪和增强的特点,给出了Min/Max曲率流模型新的数值计算方法。新的方法主要是关于边缘保护和除噪的自适应算法,较好地解决了Min/Max曲率流在去噪和增强时对图像边缘尖点的扩散模糊问题。通过数值实验证明该方法能去除图像噪声,使图像的可视性得到显著提高。     

一种基于新特征的有效指纹图像分割算法

指纹图像分割在自动指纹识别系统中发挥了非常重要的作用,有效的分割不但可以减少后续处理的时间,而且可以大大增强特征提取的可靠性,提高系统识别的准确性.主要做了两个方面的工作:提出了一种称之为有效点聚集度的新的指纹图像分割特征;依据有效点聚集度及文献[1]中提出的块聚集度特征,提出了一种有效的指纹图像分割方法,该方法首先采用有效点聚集度对指纹图像做粗分割.然后对粗分割结果采用基于迭代的方法进行后处理,接着运用块聚集度在第一次后处理结果的基础上做细分割,最后采用形态学方法对细分割后的结果做第二次后处理.大量实验证明:相对于已有常用的指纹图像分割特征,有效点聚集度具有鉴别能力强、鲁棒性好、分割出的前景、背景区域较为集中的特点;基于有效点聚集度及块聚集度提出的指纹图像分割算法具有较高的准确性及较强的适应性.     

基于马尔可夫随机场的快速图象分割

根据卫星遥感图象的特点,讨论了基于马可夫随机场的图象分割方法,建立了相应的基于马可夫随机场的图象分割模型,以实现复杂遥感图象的快速分割,并由此将图象分割问题转化成图象标记问题,进而转化成求解图象的最大后验概率估计的问题。虽然传统的模拟退火算法（SA）能达到后验概率的全局最大,但是时间复杂度太高,实际分割中经常采用次优算法,文中还引进了一种基于博弈理论的决定性退火算法（GSA）和一种基于竞争理论的算法（CA）,取得了快速分割图象的效果。试验证明,该两种算法完全可应用于复杂遥感图象的快速分割。     

一种快速的指纹参照点对选取方法研究

快速准确地确定匹配参照点对是实现基于点模式指纹识别的一个关键问题,针对该问题本文提出了一种基于脊线校准的确定匹配参照点对的新方法。该方法首先利用细节点间的距离、类型以及细节点与脊线样点之间构成的网状结构来构建新的局部特征向量,然后在这些结构特征向量空间中搜索最为相似特征向量,确定出最优匹配参照点对。实验结果表明,本文提出的算法不仅速度快,而且准确性也有了较大提高。     

基于直方图的快速Mumford-Shah模型MRI分割

Mum ford-Shah(MS)模型因为其具有良好的图像分割能力,目前已被广泛应用于图像分割、目标跟踪等领域。但是由于其迭代过程需要对所有图像数据反复进行计算,因而其时间效率很低,难以实时应用。针对这个缺点,根据医学核磁共振图像(MR I)的特点,对M-S模型进行了改进,提出了一种基于直方图的快速求解方法,其求解时,首先构造符号表,以区分曲线内外区域;然后利用直方图法来进行目标的快速粗分割,再通过遍历优化边界,来获得较精确的分割。对MR图像进行的分割实验表明,其分割效果更好,同时,时间效率也有大幅提高,这就方便了实时应用。