稀疏表示遥感图像超分辨重建

为获取地物信息更丰富、空间分辨率更高的遥感图像,提出了一种改进的稀疏表示遥感图像超分辨重建算法。对遥感图像预处理,得到所需训练样本图像;利用字典学习算法进行学习,得到遥感图像结构相似的高低分辨率字典对;对图像特征块进行稀疏表示时,采用改进的自适应滤波方法进行特征提取,同时引入均值滤波法改进超分辨重建迭代计算。实验结果表明,改进后的稀疏表示超分辨方法,有效地避免了重建图像边缘信息的丢失,获取了较好的超分辨重建效果。与当前最先进的稀疏表示超分辨算法相比,主观视觉上纹理细节信息更丰富,客观评价指标峰值信噪比提高约1 d B,结构相似性提高约0.02。     

医用B超检测评定技术要点分析

B超在影像学检查中一直有很重要的地位,在医疗中的诸多成就被医生和研究人员广泛应用,解决了很多医学方面的问题,成为解决医学难题的重要技术手段。本文主要介绍医疗B超的优越性,关于如何掌握B超的操作技术做着重研究和分析,希望对今后的医学检查有所帮助。     

基于B样条修匀公式的边缘检测的改进方法

边缘检测是图像分割中的一个重要部分．本文依据B样条修匀公式的图像边缘检测的基本思想，但又因为用B样条函数光滑后的图像对原始图像的逼近性并不十分精确，即它们的误差图像中残留着一些可能造成检测到的边缘线不连续或有用特征可能检测不到的边缘信息，为减少残量误差，本文对图像原型值采取盈亏修正，然后再对修正的图像使用B样条修匀公式做全息光滑曲面，重新得到的曲面改进了逼近性，同时还具有足够的光滑性和良好的保凸性．     

基于对象形状特征的图象检索

本文介绍了基于内容的图象检索技术,特别研究了基于对象形状的图象检索理论和方法,包括：形状特征描述,特征提取方法和基于对象形状的图象查询方法;并实现了形状特征的自动提取与图象检索。     

基于面向对象的CBERS-02B影像船舶提取

本文基于面向对象的思路,使用CBERS-02B高分影像,结合Sobel边缘检测分割图像,以鄱阳湖水域的船舶为提取目标,确定了水域内不同船舶的分割尺度,单体船为73以及并排船舶为85。在此分割基础上,对船舶进行特征提取,实验结果中船舶的边缘提取效果明显。     

量子系统的动力学行为（演化）

本文详细讨论了这量子系统的动力学行为的三种图象，即Schrodinger图象，Heisenberg图象和相互作用图象。     

凝聚法的一种数学表示

其中系数A、B、Q充分光滑. 朱起定教授利用能量正交法构造一个有限元空间,并得到了位移的超收敛估计.本文在此基础上利用校正法得到导数的超收敛估计。     

一幅新的宇宙图象：宇宙不能热寂

本文直观地描绘了一幅新的宇宙图象，从而指出宇宙热寂是不可能的．同时．对大爆炸宇宙图象、量子宇宙图象也作了扼要的介绍与比较．     

基于图象分割子集法的人工神经网络在两相流层析成象仿真中的应用研究

提出了基于图象分割子集的神经网络对管道内两相流进行电容层析成象的方法.解决了神经网络的输出单元数与重建图象精度之间的矛盾.研究了成象的分割网络模型及其实现步骤.给出了系统误差E和图象仿真结果.结果表明该方法能够更精确和快速地重建出两相流体的断层图象.     

被铁磁质包围的载流导线在外磁场中所受的力与感应电动势

本文计算指出:被铁磁质包围的载流导线在均匀外磁场中所受的力远小于B。Il,B。Il是作用在铁磁质上的有质动力与导线上的有质动力之矢量和。但是被铁磁质包围的导线在均匀磁场中运动所产生的感应电动势则不受影响,仍为B。vl。本文结果为分析电动机转子所受的力(力矩)、转子中导体产生的感应电动势提供清晰的物理图象。     

数字图像边缘检测方法的对比分析及优化

由于数字图像本身的复杂特性和各种噪声源的影响,使得图像边缘检测技术成为图像处理的一个难点.通过对几种常用边缘检测算法的介绍、归纳总结及仿真实验,对比分析了各自的优缺点,并在此基础上结合目前先进的小波理论和传统的微分法提出了一种新的图像边缘检测方法.新方法把用不同方法处理得到的边缘图像融合生成一幅新的边缘图像,先取适当阈值,过滤多余的信息.经Matlab仿真验证,在突出图像的边缘和局域细节信息方面具有良好效果,是一种有效的图像边缘检测方法.     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

基于引导滤波和NSST的工业CT图像边缘检测

针对传统边缘检测算法不能准确检测有噪工业CT图像边缘的问题,提出一种鲁棒性好、能有效保持细小边缘的边缘检测算法.用引导滤波取代高斯滤波作为边缘检测的预处理,避免Canny算法对边缘的损坏,得到初步检测结果.在此基础上采用非下采样Shearlet变换分解图像,提取包含图像边缘细节信息的各尺度不同方向的高频系数.对每个方向的系数进行模极大值检测,并结合不同分解程度下边缘像素处的系数关系进一步调整模极大值,低频置零并通过反变换得到高频边缘检测结果.将初步检测结果与高频检测结果进行融合,经数学形态学处理得到最终边缘检测图像.实验对比了Canny算子以及近年来提出的同类边缘检测算法的结果,所提算法表现出更好的边缘保持特性,检测的完整性和准确性更高,品质因数比实验中的其他算法平均高出12%,边缘检测效果优越,为工业CT无损检测系统提供了更好的边缘检测方案.     

应用启发式边缘生长的遥感影像分割

基于边缘的遥感影像分割方法有两个难点：边缘点检测和边缘线连接. 文中提出一种基于启发式边缘生长的分割方法. 首先对Canny 算子进行三方面的改进以准确提取边缘点：自适应小波去噪、最优双阈值计算、基于邻域全变分的边缘决策. 定义一个新的边缘连接异质性指标,包括空间异质性和光谱异质性. 在此基础上提出启发式的全局交互最优决策技术以正确连接断裂边缘线. 文中用快鸟影像和航空影像进行分割实验,并与eCognition 的分割结果进行定性和定量比较. 实验表明启发式边缘生长分割方法能正确地连接绝大多数边缘线,并提供准确的分割结果.     

基于简化Mumford-Shah模型的活动轮廓边缘检测模型

在Chan-Vese活动轮廓模型(C-V法)的基础上,提出了一种新的边缘检测模型.在该模型中,图像被定义为两个同质区域的组合,图像边缘检测问题转化为基于Mumford-Shah泛函的能量函数最小化问题.本文在分片常数优化逼近中,添加了图像梯度信息,通过调节该项的权重因子,可以得到基于不同灰度强度的图像边缘图.该方法采用了水平集数值技术,因此活动轮廓具备了拓扑变化的能力,并能克服C-V模型检测不出离灰度均值较远的边缘的问题,实验表明了其有效性.     

粒子群优化的深海图像暗边缘检测优化算法

为解决深海资源探测图像识别难题,提出一种基于粒子群优化的图像暗边缘检测优化算法。该算法通过指数型线性单元和高斯误差线性单元改进激活函数,根据Marr-Hildreth算子检测结果并结合改进激活函数构建暗边缘检测算法,利用粒子群对改进暗边缘检测算法进行训练和优化。最后,采用不同算法对水下11个数据集进行比较的结果表明：改进算法的峰值信噪比、结构相似度和边缘保持指数最高,分别达到18.769 6 dB、0.660 7和0.834 5;图像均方误差最低,为3 750.225 3;平均检测时间为0.667 4 s,比其他对比实验中性能最好的算法缩短了14%。     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

表面波和Retinex结合的水声图像增强方法

水下复杂信道环境以及各种干扰的存在使得声呐图像分辨率偏低,边缘细节不便于识别处理,传统增强算法大多直接进行增强处理而较少考虑去噪过程. 针对这一问题,该文分析了表面波分解和视网膜皮层图像增强原理,阐述了两者结合的可能性,并在此基础上提出了一种先采用表面波结合自适应阈值去噪处理,再进行多尺度Retinex增强的图像处理方法. 在仿真实验中将该方法与其他图像去噪增强算法分别进行比较,结果表明该方法在边缘细节保持及颜色保真方面具有优势,能够在获得更好的视觉结果的同时控制算法复杂度,有利于后续图像处理.