图象灰度的处理方法及实现

在图象工程中，图象处理、图象分析、图象理解作为其研究的三个重要层次，图象处理是图象目前发展的主体技术。图象的灰度处理作为图象处理的最基础理论之一，本文探讨了通过读取数字图象基础数据，进行图象变换、增强、均衡化等过程，完成图象灰度处理的整个过程有其实现的方法。     

驾驶员疲劳状态监测中的彩色图像光照补偿技术

为增强图像质量,提出了一种具有鲁棒性的图像光照补偿算法。首先基于空间梯度的方法将原始图像分解为高频、低频图像,光照信息完全包含在低频图像中;然后对低频图像应用Retinex算法进行光照补偿,使得较暗区域变亮;接着将补偿后的低频图像和高频图像合成;最后将合成后的图像进行光照均衡得到新图像。实验证明,与传统算法相比,该算法具有较好效果,新图像受光照影响小。     

一种图象归一代新算法

介绍了一种综合利用图象力矩及图象边界提取等方法来实现对数字图象的大小归一化的算法．先对原始图象（待处理图象）和标准图象的灰度日进行边界提取,消除噪声及图象背景的影响．在此基础上,分别计算出原始图象和标准图象的力矩,即可求得大小变化因子．实验结果表明,此算法可获得较好的归一化效果．     

基于支持向量机和用户反馈的图像检索算法

针对当前图像检索算法存在精度低、 实时性差等不足, 为了获得更理想的图像检索结果, 提出一种基于支持向量机和用户反馈机制的图像检索算法. 首先采集大量图像, 提取图像检索的相关特征, 建立图像检索特征库; 然后采用支持向量机计算待检索图像特征与图像检索库特征之间的相似度, 确定图像类别, 实现图像的初步检索; 最后引入用户反馈机制对图像的初步检测结果进行精细比对, 并与经典图像检索算法进行对比实验. 实验结果表明, 该方法的图像检索精度超过90%, 图像检索误差远小于经典图像检索算法, 提高了图像检索效率.     

基于支持向量机和用户反馈的图像检索算法

针对当前图像检索算法存在精度低、 实时性差等不足, 为了获得更理想的图像检索结果, 提出一种基于支持向量机和用户反馈机制的图像检索算法. 首先采集大量图像, 提取图像检索的相关特征, 建立图像检索特征库； 然后采用支持向量机计算待检索图像特征与图像检索库特征之间的相似度, 确定图像类别, 实现图像的初步检索； 最后引入用户反馈机制对图像的初步检测结果进行精细比对, 并与经典图像检索算法进行对比实验. 实验结果表明, 该方法的图像检索精度超过90%, 图像检索误差远小于经典图像检索算法, 提高了图像检索效率.     

惠州城市形象设计探讨

以惠州市为例 ,研究探讨惠州城市形象 8个类型的定位与设计问题 认为惠州城市形象的总体定位应该是山水城市或生态城 ,在设计上则以追求“城在山水中 ,山水在城中”的视觉效果为核心 .最后就城市形象的视觉设计与推广策略 ,提出了 5点建议     

图像域阈值与维纳滤波组合的图像去噪方法

用小波变换方法获得与带噪图像具有相同尺寸的各尺度与方向的图像域子图,并对各细节子图进行阈值化处理;然后,将去噪的各图像域细节子图与低频子图相加得到初级去噪图像;最后,对初级去噪图像执行图像域维纳滤波,进一步去除噪声斑点.讨论图像域阈值参数的估计方法,提出一种与小波域BayesShrink对应的图像域BayesShrink阈值估计方法.实验结果表明:与小波域阈值或者小波域阈值与图像域维纳滤波组合的方法相比,对于非高度细节的图像,除去低噪声细节相对丰富图像的情况外,图像域阈值与维纳滤波组合在去除平坦区大部分噪声的同时,能更好保留边缘与纹理细节,得到更好的图像质量与更高的峰值信噪比.     

一种用于高动态图像的自适应编码方法的改进研究

高动态图像亮度变化范围较大,当前编码方法采用DCT技术描述高动态图像信号的变换,无法准确描述图像细节、频率突变的高动态图像信号,导致编码后图像的极亮和极暗区域可视性低、细节不丰富。提出一种新的用于高动态图像的自适应编码方法,分析了高动态图像编码过程,通过小波变换实现高动态图像信号描述形式的自适应变换,对高动态图像进行多尺度分解,获取不同尺度的高动态图像信息,得到子带图像;对各子带图像的小波系数进行量化,以达到提高图像码率的目的。在此基础上,选用Log Luv(TIFF)编码方法,对高动态图像信息数据间的统计相关性进行滤除,完成高动态图像的自适应编码。实验结果表明,采用所提方法对高动态图像进行编码后,得到的图像质量较高;且在编码效率较低的情况下,仍能保持较高的图像质量,编码性能明显优于预测编码方法。     

基于边缘切向流与颜色量化的图像抽象化

图像抽象化绘制旨在以模糊、抽象的艺术手法展现图像。提出了基于边缘切向流与颜色量化的图像抽象化绘制方法,首先,在RGB(Red,green,blue)颜色空间提取各颜色通道的梯度,并对其进行融合,对融合后的梯度图像求边缘切向流,并使用高斯差分滤波(flow-based difference-of-gaussians,FDOG)方法提取图像的特征线条;然后,对原始图像用非线性方法进行平滑处理,并在(hue-saturation-intensity, HSI)颜色空间进行量化;最后,将量化图像和特征线条图像进行融合,得到原图像的抽象化图像。实验证明该方法增强了图像轮廓的主要特征并忽略了局部细节,突出了图像的层次感,使图像简洁清晰,抽象化效果显著。     

商标图像检索中子图像特征融合准则研究

该文对商标图像检索中的子图像特征融合准则进行了研究，根据子图像可信度对子图像特征融合准则进行加权改进。用Hu不变矩进行基于子图像特征融合的商标图像检索实验，用PVR指数作为图像检索性能评价准则。实验表明，基于子图像特征融合的商标图像检索优于基于全局图像特征的检索，子图像特征融合加权准则优于未经加权的子图像特征融合准则，其中最小加权平均准则最优。