在HP—4激光打印机上制作地图的新方法

本文介绍了一种在ＨＰ－４激光打印机上进行地图绘制的新方法，使绘出的地图具有较高的质量，并附有程序供参考。     

结合局部特征和全局信息的自适应活动轮廓模型

提出一种新的基于全局图像信息和局部图像特征的活动轮廓分割模型。模型的总能量函数主要包括3项:全局能量项、局部能量项和自适应调节项。其中,全局能量项整合了图像的全局信息,局部能量项则考虑了图像的局部特征,而二者的权重会根据上下文内容自适应调整。由于在模型中充分利用了图像全局信息和局部特征,因而有效地提高了分割的精度。此外,加入了凸优化技术,以获取模型的全局最优解。最后,采用Split-Bregman方法进行快速求解,使得模型的分割效率大大提高。实验结果表明,该模型对初始化具有较好的鲁棒性,在分割精度上有了较大的提升,特别是分割速度比C-V模型快1.5倍到2倍。     

基于MultiLayer水平集的脑MRI图像分割框架

提出了一种新的自动初始化水平集的方法和基于MultiLayer水平集的活动轮廓模型。该模型同时进行偏移场去除和图像分割,因此可以有效地克服灰度不均匀性的影响。最后利用了大脑皮层的距离信息,在框架中增加了厚度约束项。实验结果显示,相比著名的LBF模型,该框架不但可以获得更高的分割精度,而且分割时间也大大减少。     

利用频谱特性鉴别运动模糊方向

点扩展函数(PSF)的精确估计是运动模糊图像恢复的关键。匀速直线运动模糊的PSF参数主要由模糊角度（方向）和模糊尺度两个参数组成,然而模糊角度的估计又是重中之重。针对R Lokhande等人提出的霍夫变换的运动模糊方向估计法进行改进,通过增加边缘检测等预处理步骤,利用霍夫变换检测直线,并利用改进的霍夫变换峰值提取方法来估计角度值。实验表明,该方法能够得到比原方法更精确的角度值,并且具有抗噪能力强、鉴别精度高的优点。     

基于空间分布描述符的SIFT误匹配校正方法

针对SIFT（scale invariant feature transform）特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配;然后对于匹配结果中的特征点,再利用图像轮廓像素点对该点的空间分布信息进行重新描述,以形成一种独特性更高的空间分布描述符;最后运用此种描述符,对匹配结果中存在的“一对多”和“一对一”的错误匹配形式,分别采取两种不同的匹配策略进行校正。以真实图像进行的实验结果表明,该方法与RANSAC（随机抽样一致性)算法相比,其在不损失正确匹配的前提下,能够真正提高正确匹配率。     

相关扩散方程在图像修补中的应用

图像修复是图像复原研究中的一个重要内容,可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。目前有很多图像修补算法对于灰度图像的修补已经取得了很好的修补效果,但存在着时间消耗大和应用到彩色图像修补中时修补效果不理想的缺点。将相关扩散方程引入到图像修补中,并进行改进,使得图像的修补效率和修补效果都得到了有效提高,而且可以很自然地应用到彩色图像修补中。大量的实验证明了该方法的有效性。     

倒易晶胞和小波相结合的图像复原方法

为了去除混迭、噪声和模糊对图像的影响,从遥感器成像的光学及几何特性出发,运用倒易晶胞的复原方法对晶胞形状进行限制;将错误的频谱覆盖放到正确的位置以减少混迭;并结合小波复原方法对退化的图像进行去模糊、去噪,得到一幅更清晰的图像．实验结果表明,结合倒易晶胞的小波复原方法比常用基于频域的方法复原效果更好．     

基于特征点的多光谱遥感图像配准

提出一种基于特征点的多光谱遥感图像配准算法。首先在图像上建立二级规则网格,根据信息嫡值及特征分布均匀性准则选取特征网格;然后利用Forstner算子在特征网格中提取特征点,针对多光谱图像的特点,利用基于相关性原理的粗匹配和改进的基于空间距离约束的精匹配确立特征点的对应关系;最后通过仿射变换得到配准后的图像,并用均方根误差评价配准效果。实验结果表明,该方法计算速度快,且能够达到亚像素级配准精度。     

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．     

基于自适应最小距离分割算法和神经网络的腹水脱落癌细胞识别

本文针对腹水脱落细胞显微图像的多样性、短灰度级范围、杂乱和非随机噪声等复杂特征，提出了自适应最小距离分割算法，把可疑细胞和可疑细胞核从复杂背景中分割出来。根据癌细胞的形态特征，给出了其15个特征及其计算公式，利用这些特征构造BP神经网络分类器对腹水脱落癌细胞进行分类识别。通过对临床病例的检验分析，表明本算法能获得较高的诊断正确率。