基于分级mean shift的图像分割算法

实验发现传统mean shift算法进行分割时常会产生连接通道问题,使得几个分类簇之间无法完全分开.针对该问题,提出一种改进的分级mean shift图像分割算法,在初次迭代获得的聚类中心基础上采用不同的带宽矩阵进行多次聚类,从而获得不同级的聚类中心集合,并建立一个归属树结构,最终通过叶节点与根节点的归属关系进行归类从而完成图像分割.实验证明改进算法可以更好地保留图像的局部信息,同时具有较好的适用性.     

改进的粒子群算法多模态生物医学图像配准

多模态生物医学图像配准在医疗诊断、治疗方案的制定,以及身体机能的研究等方面起到越来越大的作用。如何将这些多模态信息融合在一起是目前研究的重点,目前,该融合主要基于图像强度信息的配准方法。该类方法通过最大化化图像间的相似度函数达到配准的目的,但配准过程中使用往往会出现参数变化非凸且不光滑的现象,因而,传统的局部最优方法通常不能得到较好的结果。粒子群算法是一种全局寻优算法,但传统的方法中受初始值的选取以及当前全局最优点的影响,易陷入局部最优。本文对其进行改进,使得即使在初始值离准确值较远时也能得到全局最优,并将该方法用于多模态医学图像配准中,得到了较好的结果。     

一种烟标在线检测系统的设计与实现

针对烟标(烟品包装)印刷质量缺陷检测自动化的需要,设计了一种烟标在线检测系统,该系统可以高效地检测烟标的印刷缺陷,并对缺陷数据进行分析处理.系统的关键技术包括利用几何学方法实现图像的快速匹配,通过Soble边缘检测算法消除图像求差后的边缘效应,用区域膨胀、腐蚀方法消除纹理噪声等.实验表明,该系统在检测效率和精度方面能够满足实际应用需要.     

独立分量分析在多光谱遥感图像分类中的应用

多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础。但是在多光谱遥感波段图像中存在不同地物对应着相同的灰度,即异物同谱的问题。独立分量分析算法对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的。但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用。文章对独立分量分析的一种快速算法FastICA进行改进,减少了计算量,提高了算法的有效性。在性能相当的情况下,改进FastICA算法能有效地减少算法的计算量。由于FastICA算法是线性ICA算法,对于非线性混合的光谱信号的估计存在一定误差,因此应用BP神经网络的非线性特性对其进行自动分类。在同原始遥感图像的BP神经网络分类结果进行比较,结果表明独立分量分析算法能提高多光谱遥感图像的分类的正确率。     

基于广义典型相关分析的仿射不变特征提取方法

该文结合广义典型相关分析(GCCA)理论,提出了一种新的图像仿射不变特征提取方法。首先,基于多尺度自卷积变换(MSA)构造了一组新的变换量多尺度自卷积熵(MSAE)。然后证明了该熵具有仿射不变性;再利用GCCA将MSA和MSAE变换值作为两种特征进行融合,得到具有更丰富图像信息的组合特征。最后利用MSA,MSAE和组合特征,结合最近距离分类器分别对视点变换图像以及加噪声、加部分遮挡视点变换图像进行分类识别实验。结果表明,组合特征得到了最高的正确识别率,MSAE次之,MSA最低。     

在HP—4激光打印机上制作汉字报表

本文介绍在ＨＰ－４激光打印机上制作汉字报表的新方法，在软件组织上灵活、方便。     

基于梯度域融合的图像视觉效果改善

针对同一场景不同图像之间可存在互补优缺点的特点,提出了采用梯度域融合的方法改善图像视觉效果的增强方法。首先将待融合各图像的结构张量按一定比例进行融合,在权重的设计中考虑了各通道图像的局部对比度。之后求出目标梯度场,其结构张量在Frobenius范数意义下逼近前述融合后得到的结构张量。最后采用最小二乘拟合从目标梯度场重建出增强后的图像。方法可应用于同一图像不同增强方法结果之间、相同场景采用不同对焦距离或不同曝光时间所拍摄照片之间等的融合。实验结果表明,融合后的图像能保持各输入通道图像中显著的有意义细节和结构信息,有效改善增强图像的视觉效果。     

基于PCA分解的图像融合框架

提出一种基于主成分分析(PCA)分解的图像融合框架。对源图像进行主成分分析,依据前几个主成分重建图像,经过下采样过程得到近似图像,对近似图像进行上采样,得到上层图像的差异图像(即细节图像),将最底层近似图像与各层细节图像进行累加完成图像的重构。实验结果表明,该方法能保持图像细节,具有较好的融合效果。     

航空图像中水面纹理的自动提取

针对可见光航空遥感监测中,耀斑和云阴影等强噪音的干扰使水中目标很难直接发现这一问题,提出了一种基于Gabor滤波器和BP神经网络的尾迹纹理自动提取算法,通过提取它们运动产生的尾迹实现对它们的准确识别。该方法分为两步:第1步是选取等大小的含尾迹纹理的水面子图像和不含尾迹纹理的水面子图像,通过一组Gabor滤波器得到它们的特征图像,计算每个子图像特征图的均值和方差,将它们作为神经网络的训练样本对BP网络进行训练得到用于识别的网络;第2步是将待提取的整幅图像分成很多与第1步中子图像等大小的子图像,分别计算它们的Gabor特征图像,并得到它们的均值和方差,把它们作为神经网络的输入,得到它们是否是纹理区域,由整幅子图像的识别结果得到一幅二值图像,用Hough变换检测图像中的直线,根据直线的长度判断尾迹是否存在。大量的实验结果表明,该方法能够准确地提取运动目标产生的尾迹纹理。