基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

基于密集神经网络的灰度图像着色算法

针对在灰度图像着色领域中，传统算法信息提取率不高、着色效果不理想的问题，提出了基于密集神经网络的灰度图像着色算法，以实现改善着色效果，让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性，构建并训练了一个端到端的深度学习模型，对图像中的各类信息及特征进行提取。训练网络时与原图像进行对比，以逐渐减小网络输出结果的信息、分类等各类型的损失。训练完成后，只需向网络输入一张灰度图片，即可生成一张颜色饱满、鲜明逼真的彩色图片。实验结果表明，引入密集网络后，可有效改善着色过程中的漏色、细节信息损失、对比度低等问题，所提算法着色效果较基于VGG网络及U-Net、双流网络结构、残差网络（ResNet）等性能优异的先进着色算法而言取得了显著的改进。     

前磁曲线数据数字化预处理

本文结合前磁曲线的特点，提出了一种结合空间分布信息的大津阈值方法，克服了传统预处理过程中的缺陷，很好地解决了那些类似于照片纸张扫描的灰度图中背景与目标曲线的灰度非常接近的问题，并在实际应用中取得了良好的效果。     

编程拷贝EGA/VGA HI屏幕图形

本文分析了图形打印工具软件的指令序列,结合DOS中断,直接读屏的方法,实现了EGA/VGA HI屏幕图形的灰度拷贝,并给出了全部源程序.     

心电图信号的频域分析

提出了一种简便有效的、由心电图（ECG）曲线提取QRS-T复合波的新方法，从而获得P波（当房颤未发生时）或f波（当房颤时）；利用功率谱、自相关、互相关等信号处理技术，对它进行了处理和分析，特别是，比较了未房颤时和发生房颤时的相关信息的显著差别。     

灰度图像的子块压缩方法

从灰度图像的局部几何特性出发，把图像中像素灰度相近或相同的区域当作一个整体处理，从而达到图像压缩的目的。计算机仿真实验表明，该方法可以获得产高的压缩比和峰值信噪比，有效地消除方块效应，很好地保持目标细节，具有较高的实用价值。     

一种新的灰度图像识别方法

灰度是灰度图像最重要的视觉特征之一，由于声纳图像多是以灰度来表征图像，所以将灰度信息作为重要内容参与匹配和识别具有重要意义。针对声纳图像中起主要作用的是图像的主灰度这一问题，提出一种基于主灰度分析、提取和识别的方法，从而降低了特征维数，提高了声纳图像的识别效率。该方法应用于水下声纳图像的识别，实验结果表明它是有效的。