一种多视极化SAR广义K-分布的研究

本文提出一种极化合成孔径雷达(SAR)广义K-分布模型用于描述经多视处理的、高分辨率的全极化SAR成像数据的统计特性,其特点是各极化通道的纹理为部分相关的gamma分布.利用纹理与相干斑乘性模型,首先导出了部分相关纹理的联合概率密度函数和多视广义极化SARK-分布概率密度函数;然后给出了基于联合矩的分布参数估计方法;最后利用真实SAR数据进行了模型的试验.     

基于兰氏距离的H.264/AVC帧内快速算法

提出了一种帧内模式快速选择算法。利用宏块内部相邻像素值的差异判定宏块的类型,再进行Intra_4×4和Intra_16×16两种模式的快速选择。对于Intra_4×4模式,利用兰氏距离提取4×4块的纹理方向,根据纹理方向进行Intra_4×4模式的快速选择。实验结果表明,所提算法在峰值信噪比(PSNR)和码率变化不大的情况下,显著地提高了编码速度。     

基于Gabor滤波器医学图像的纹理分割

基于Gabor滤波器纹理分割的研究。Gabor滤波器的改进,对Gabor滤波器在方向上做了改进,把Gabor滤波器在4个方向上提取纹理特征,拓展成在6个方向上提取纹理特征,基本满足了多通道多分辨率的要求。     

利用灰度和纹理特征的SAR图像分类研究

多类别多特征量情况下的合成孔径雷达(SAR)图像的目标分类是一个难以解决的问题.从灰度和纹理模型出发,提出了综合利用灰度和纹理特征的目标分类方法.均值和方差是灰度模型中重要的特征统计量,而能量、熵、对比度、局部相似性和相关性是纹理模型中重要的特征统计量.灰度和纹理特征能确切地描述SAR图像中的目标.通过构造特征向量,定义向量之间的距离,并按照最小距离方法进行目标分类.以一定大小的窗口读入样本,提高了算法的运行速度和抗噪能力.理论上,窗口越大,特征向量值越接近真实值.窗口越小,边缘的分类精度越高.实验表明该方法较好地处理了多类别多特征量情况下的SAR图像分类问题,分类结果是有效的,这为SAR图像目标分类提供了一条简单可行的途径.     

参数自适应的耦合卡通-纹理分解及边缘检测方法

在耦合卡通-纹理分解及边缘检测模型的基础上,提出了根据原图像在不同位置的图像特征自适应选取参数的算法,即根据对原图像预分析的结果,分别在边缘、纹理、分片光滑区域选取不同的参数值,从而达到充分提取纹理、保证卡通图像光滑性同时保护边缘的目的。数值实验结果表明,本文方法提高了图像分解的质量及边缘检测的准确性,减少了边缘提取的奇异点。     

分数阶微分在图像纹理增强中的应用

为了实现对模糊图像边缘及纹理的增强,使图像的细节信息更加清晰,需要对图像进行锐化增强。现有的增强方法一般是整数阶微分锐化及高通滤波,由于这些方法的处理效果仍不理想,文中引入了分数阶微分算子。分数阶微分不仅可以很好地增强图像的边缘和纹理信息,还可以保留平滑区域信息,抑制较大噪声。研究并分析了Tiansi分数阶微分算子的原理及特点,并对其进行了改进,提出了一种新的分数阶微分算子,可以更好地增强图像的边缘和纹理信息,同时保证图像的亮度不产生大幅度变化,而且可以抑制较小噪声的影响。从定量的角度分析,改进的分数阶微分算子的平均梯度最大可比原图像提高3.8倍。从而验证了改进的分数阶微分算子比整数阶微分算子如Laplace算子及Tiansi分数阶微分算子具有优越性,且算法简单易于实现,可应用于工程中的实时图像处理系统中。     

表面纹理对反射面天线电性能的影响

反射面天线面板的加工质量包括加工精度和表面质量,两者都会影响天线的电性能。论文针对研究较少的表面加工质量,利用分形函数建立表面纹理的数学模型,并通过相位差将微观表面纹理引入天线的远场方向图计算公式,利用三角形单元的Gauss积分公式数值求解。通过仿真,分析了不同的表面纹理幅度、密度和粗糙程度对天线远场方向图的影响。研究发现：表面纹理的幅度越大,对方向图的影响越大;密度越大、越粗糙,影响越小。而且,幅度的影响最大,密度其次,粗糙程度影响最小。仿真的结果与模型定性分析的结论符合。所提出的模型和方法为研究面板表面加工质量对反射面天线电性能的影响提供了新的思路,得出的结论也可供工程实践参考。     

基于纹理覆盖的静止图像数据恢复

块编码图像传统中因噪声干扰会引起缺损,对此本文提出一种修复缺损数据的方法。对含有数据缺损的局部域图像。以纹理覆盖方式在缺损区生成新数据,较好地解决了边界连续和纹理一致的问题,模拟实验显示出该方法的有效性。     

基于分块局部二值模式的图像检索研究

提出一种分块局部二值模式的图像检索方法,首先利用3×3像素邻域的局部灰度均值代替其中心像素作为阈值计算LBP值,以改善传统LBP算子的缺陷;然后对图像采用分块处理,以便更好地提取图像的局部特征.实验表明,与传统的基于局部二值模式的图像检索方法相比,此方法具有更高的检索准确率.     

基于GAN网络的三维人脸纹理重建技术

在计算机视觉领域,三维人脸重建起着重要的作用,特别是在动画制作、虚拟人脸、人脸识别等领域正被广泛应用。基于单张图片的三维人脸重建,通过使用拟合的模型对图像进行采样,可以创建出面部的UV纹理图。然而通过相机采集到的是单视角的二维图像,存在人脸自遮挡的情况,这导致生成的UV纹理图的信息是不完整的。因此,提出一种针对三维人脸纹理补全问题的条件生成对抗网络,将Unet和部分卷积结合起来作为生成器,从而在纹理修复时可以保留更多的图像信息;判别器中引入SMPatchGAN提高图像判别的真实准确度。实验结果表明,相较于其他算法,所提出的算法取得了较为显著的改进效果,特别是在处于大视角下存在人脸自遮挡问题时,也能重建出精细的三维人脸模型。