利用残差密集网络的运动模糊复原方法

针对图像生成过程中由于物体运动或相机抖动产生的运动模糊问题,提出了利用残差密集网络的运动模糊图像复原方法。设计对抗网络结构,以残差密集网络为生成器,通过长短连接实现不同层次特征的融合,生成复原图像,以深度卷积网络为判别器,判断图像真伪,在生成器和判别器的对抗中提高网络性能;采用对抗损失和内容损失结合的损失函数,提高网络的复原效果;以端到端的方式,省略模糊核的估计过程,输入模糊图像直接获取复原图像。实验结果表明,该方法能够取得较好的复原效果。     

三种典型模板匹配算法性能比较

为了在图像识别、配准和拼接等具体问题中能够针对不同条件来合理选取适当的匹配算法,详细介绍三种典型模板匹配算法,即基于索引表的图像匹配算法、基于图像相关性的图像匹配算法和序贯相似性检测算法(Sequential Similarity Detection Algorithm,SSDA),并从实时性、鲁棒性和精确性等角度出发,对其匹配性能进行差异分析。采用分组实验的方法对匹配算法的各项性能指标进行测试和比较,结果表明,三种算法都具有良好的精确性,其中基于索引表的算法和序贯相似性检测算法具有较好的实时性,而基于图像相关性的算法在噪声环境下具有良好的鲁棒性。     

结合类内和类间距离的可能聚类分割算法

目的 为了进一步提高噪声图像分割的抗噪性和准确性,提出一种结合类内距离和类间距离的改进可能聚类算法并将其应用于图像分割。方法 该算法避免了传统可能性聚类分割算法中仅仅考虑以样本点到聚类中心的距离作为算法的测度,将类内距离与类间距离相结合作为算法的新测度,即考虑了类内紧密程度又考虑了类间离散程度,以便对不同的聚类结构有较强的稳定性和更好的抗噪能力,并且将直方图融入可能模糊聚类分割算法中提出快速可能模糊聚类分割算法,使其对各种较复杂图像的分割具有即时性。结果 通过人工合成图像和实际遥感图像分割测试结果表明,本文改进可能聚类算法是有效的,其分割轮廓清晰,分类准确且噪声较小,其误分率相比其他算法至少降低了2个百分点,同时能获得更满意的分割效果。结论 针对模糊C-均值聚类分割算法和可能性聚类分割算法对于背景和目标颜色相近的图像分类不准确的缺陷,将类内距离与类间距离相结合作为算法的测度有效的解决了图像分割归类问题,并且结合直方图提出快速可能模糊聚类分割算法使其对于大篇幅复杂图像也具有适用性。     

基于DSP的靶场远程视频监控系统的设计与实现

针对航天靶场的实际情况,设计了一种基于DSP的靶场远程视频监控系统;介绍了系统的总体硬软件结构,详细设计了系统的DSP视频处理模块、网络通信模块、视频接口模块,阐述了视频压缩包的格式和视频数据流的RTP封装方法,提出了一种对视频图像中运动目标的检测和提取算法;通过多次卫星发射任务检验,结果表明,该系统对运动目标的背景噪声具有明显的抑制作用,能够在复杂的图像背景下准确识别运动目标,并对其进行平稳跟踪;该系统对其它远程视频监控系统的设计具有一定的参考价值.     

利用偏置校正的分数阶正则化水平集分割算法

针对待分割图像中含有强度不均匀性和噪声情况,传统水平集分割方法不能得到理想的分割结果且效率低、抗干扰能力弱等不足。为此,提出一种利用偏置校正的分数阶正则化水平集分割算法。该方法利用分数阶距离正则项惩罚水平集函数（level set function,LSF）与带符号符号距离函数之间的偏差,抑制LSF在平坦区域的急剧反向扩散,保证LSF平稳演化。采用（Grünwald-Letnikov,G-L）分数阶导数,设计了新的分数阶导数及其共轭覆盖模板并采用改进的边缘停止函数和偏置校正,用于驱动LSF演化曲线快速地接近目标边缘。将偏置校正和分数阶距离正则化相结合用水平集函数来定义得到了能量泛函最小化的数值解。实验结果表明,所提方法对图像分割效率和鲁棒性有明显的提升。     

模糊F统计量及其应用

将数理统计学中的F统计量进行模糊化修改,得到新的模糊聚类有效性函数。实验结果表明,该函数是可行的。     

基于APBUT3的彩色图像编码与压缩研究

为实现彩色图像的有效压缩,采用一种基于全相位双正交三次U变换(All Phase Bi-orthogonal U TransformBased on 3-Degree U System,APBUT3)的新算法。该算法将原始彩色图像由RGB空间转换到YUV空间,利用APBUT3矩阵作为变换矩阵代替(Discrete Cosine Transform,DCT)对彩色图像的YUV三个分量分别进行压缩编码,编码时对变换系数采用均匀量化,可降低编码算法的时间复杂度。实验结果表明,较低压缩比时,该算法编码后的主观效果与DCT基本接近;较高压缩比时,采用16×16APBUT3编码的方块效应没有DCT明显。     

利用DCT变换进行图像置乱及其效果评价

提出了基于DCT变换的图像置乱效果评价新方法,以便真实地评价图像置乱效果的好坏。首先将置乱前后两图像分成大小相同的子块并对其进行DCT变换,其次利用置乱前后相同位置子块图像所对应频域系数来构造偏差矩阵并定义其离散概率分布,最后通过计算离散概率分布的信息能量作为图像置乱程度的评价。提出的评价方法能够很好地度量图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。     

核空间隐马尔可夫随机场图像模糊聚类

针对模糊C均值算法未考虑图像邻域信息,导致其分割效果不好的不足,结合隐马尔可夫随机场和高斯核函数,提出核空间隐马尔可夫随机场模糊C均值聚类算法。引入隐马尔可夫随机场,在目标函数中引入像素的空间邻域信息,使得分割算法对噪声鲁棒性增强;引入核函数,将样本点非线性变换映射到高维特征空间,增强图像分割的抗干扰能力,保持图像的细节信息。对标准灰度图像添加噪声,用以验证算法的性能。视觉效果及分割图像的峰值信噪比均显示,改进算法具有更好的抗噪能力。     

核空间直觉模糊局部C-均值聚类分割算法研究

针对现有直觉模糊C-均值聚类仅适合呈团状数据的不足,采用非线性函数将数据样本从欧式空间映射至再生希尔伯特高维特征空间,得到核空间直觉模糊聚类算法;同时考虑相邻像素的相互影响,将邻域像素融入核空间直觉模糊聚类的最优化目标函数中,经数学推导便得到嵌入像素局部信息的核空间直觉模糊聚类分割算法。图像分割测试结果表明,核直觉模糊C-均值聚类分割法相比现有直觉模糊C-均值聚类分割法能获得更满意的分割效果;同时,嵌入局部信息的核直觉模糊C-均值聚类分割法表现出良好的抗噪鲁棒性。