植物染色体图象处理与计算机自动分析

本文主要研究了植物染色体图象预处理与计算机自动分析。预处理包括复原与几何处理两部分。鉴于染色体图象的具体情况,我们设计了一种新的复原方法——多元回归复原方法。将该方法应用于模拟图象和植物染色体图象的结果表明:该方法速度快,复原效果颇好。以此为基础,进行几何处理(包括放大,中轴提取与拟合)。在预处理的基础上,再进行计算机自动分析(包括特性提取、特征提取与分类器设计)。我们选用Fourier变换进行特征提取,然后利用K—NN判别规则进行分类、识别。为了加快K—NN判别规则的运算速度,还提出了线性空间的快速分类技术。     

噪声图象边缘增强的W滤波器

本文提出一种新型噪声图象增强的滤波器-W滤波器。该滤波器能够在有效地滤除噪声分量的同时,增强图象边缘。在图象平坦区,W滤波器输出图象具有足够的分辨率和保真度;在边缘区,避免了传统方法形成的由噪声分量引起的假边缘;改善了图象的视觉效果。理论分析和实验结果表明,W滤波器能够增强任何形状的噪声污染边缘。同CS滤波器(比较选择中值滤波器)性能相比较,本文提出的方法能同时达到滤除噪声和边缘增强的目的,一维和二维信号测试结果有力地支持上述结论。     

边缘保持递归去噪算法及在图象处理中的应用

为了在图象处理时，既可以有效地去除噪声，又不会太多地破坏边缘，在一维卡尔曼滤波器的基础上，通过加入噪声图象边缘的结构信息，导出了一种简单的、可快速计算的边缘保持递归去噪算法。算法的主要思想是将与边缘大小和位置有关的信息从噪声图象中提取出来并将这些信息作为卡尔曼滤波器的控制输入，采用这种方法可以有效地降低图象边缘破坏的程度。对包含边缘信息和不含边缘信息的Ｘ线头影图象进行了处理，实验结果表明，加入边缘信息的卡尔曼滤波器的性能明显优于传统的卡尔曼滤波器，改进的滤波器在去除图象噪声的同时，可以有效地保持图象的边缘。     

金相图象分析中特征信息提取技术

金相图象特征信息提取是进行金相分析的关键.本文在分析金相图象的区域和边缘(晶界)二类特征信息基础上,指出采用基于熵概念的图象阈值化技术可实现区域特征提取.用微分算子实现边缘(晶界)提取后,采用适合晶界及网状结构的滤波方法进行滤波,从而实现边缘(晶界)的准确提取,并通过实验验证了上述方法的有效性.     

用二维重叠数字滤波器再生亚Nyquist取样PAL信号

本文用二维Fourier及Walsh重叠滤波器研究了在1.5-2倍彩色副载频取样时PAL彩色全电视信号的亮度信号及色度信号的再生方法。所选择的取样结构能得到好的再生图象。本文提出了二种亚Nyquist的二维取样结构,在再生离散数字图象时这两种取样结构有相反的误差。引入了理想低通二维Fourier频率和Walsh列率重叠滤波器来再生亚Nyquist取样的图象信号。二维Fourier重叠滤波器消除了在二维Fourier一般滤波器再生图象时出现的边缘Gibbs效应;二维Walsh列率重叠滤波器消除了在二维Walsh一般滤波器再生图象时的锯齿效应。本文详细地介绍了2×2,4×4,8×8,16×16及32×32矩阵的二维Fourier及Walsh重叠滤波器的设计方法及实验结果。实验表明所用重叠滤波器的矩阵越大,再生图象的误差越小,对一般图象8×8矩阵的重叠滤波器就足够用了。在8×8矩阵时对电视测试卡上的少量特殊图形有轻微的失真。     

多级全方位细节保持层叠滤波器

以层叠滤波器理论为基础,通过对信号进行阈值分解和引入全方位结构元,提出了一种用于处理噪声图象的多级全方位细节保持层叠滤波器。通过在滤波算法中引入细节检测单元,使得滤波器的第2级可以针对噪声污染图象的不同区域,自动选择相应的滤波器单元,从而达到滤除噪声、保持图象边缘细节的效果.仿真实验验证了这种滤波器的有效性。     

基于遗传算法的最优小波滤波器构造

本文基于遗传算法对小波滤波器的构造方法进行了研究 ,重点在于解决对图象进行压缩处理所需要的最优小波滤波器的构造 .有效的染色体编码方案和适应值函数以及遗传算法的全局寻优性能 ,使得该方法在处理图象压缩优化问题上有其独特的优点     

基于滤波的单幅图像去雾方法

基于Tarel方法提出一种新的基于滤波的单幅图像去雾方法. 先利用双边滤波求出初始的大气散射光, 较好地保持了边缘平滑纹理; 再利用自适应中值滤波器进一步求得边缘清晰、 纹理平滑、 景深信息真实的大气散射光; 然后基于分层搜索的四叉树分解方法求得大气光; 最后, 依据雾天退化模型得到复原的图像. 与经典去雾算法对比结果表明, 使用该方法复原的图像更接近真实图像, 特别对于纹理较丰富的区域和远景区域去雾效果更明显.     

图象的二维光学微分处理

图象的二维微分处理可以突出图象边缘,抽取出图象的轮廓.本文叙述了二维光学微分处理的原理、滤波器的制作以及微分处理的实验结果.     

一种使用（ε,δ）连接区域分割图象的新算法

图象中目标具有相似灰度特征，在分割中，我们应考虑区域的整体灰度以及邻象素灰度的变化，它们依靠于范围参数ε和毗邻参数δ。本文介绍了灰度图象的（ε，δ连续区域及其模糊边缘测度，提出了通过相对模糊边缘度调整（ε，δ）参数，利用（ε，δ）目标连接集分割图象的一种新算法。实验结果表明该算法分割效果较好，提取边缘精度较高。     

一种适合于多分辨率静止图像的编码方法

多分辨率图像编码是一种有发展前途的图像压缩编码方法。本文提出了一种经子波变换后多分辨率图像的编码方法，该编码方法利用了各子像特点。实践证明了该方法适合于多分辨率的静止图像编码，具有编码计算一小，便于软硬件实现的优点。     

用于PACS系统的医学图象量化编码的算法

图象压缩是PACS系统的重要研究部分。作者研究了二维图象小波分解后系数的统计分布与拉普斯分布有很好的一致性；同时，由于不同幅度的小波系数在图象重构中权重的不同，在系数压缩编码时对不同权重的系数采用不同的压缩精度。由此，作者提出了一种适用于PACS系统的图象量化编码算法，该算法以各小波子带图象小波系数的重要统计特征-样本标准差为量化阈值选择依据，精确编码图象重构中权重较大的系数，还利用了人眼的频率视觉特性。实验表明，本算法具有计算简单、不同编码精度时被量化系数可预见的特点，同时在保证图象质量的基础上可获得较高压缩比。     

基于子波变换的数字图像压缩算法

提出了两种以离散子波变换为基础的数字图像压缩算法，其一，原始图像在子抽样后，通过一次正交子波变换，分解成一幅低频子带图像和３个不同方向的高频子带图像。对变换后的各子带进行统计特性分析，并结合人类视觉机理采取了不同的压缩编码策略。在解码端通过子波逆变换及双线性内插算法，原始图像可被较好恢复。     

医学图像多分辨率编码在PACS中的应用

在医学图像管理与传输系统(PACS)中需要高效率地传输和浏览医学图像资料,而多分辨率图像编码是提高图像压缩效率的重要措施.通过研究二维图像小波变换的迭代特征,提出了一种适用于PACS系统的医学图像多分辨率编码算法,该算法优先对频率较低的子带图像进行编码,再依次对频率较高的子带图像进行编码;在传输和回放时先处理频率较低的子带图像,再依次处理频率较高的子带图像.实验表明,该算法可以有效地提高PACS中医学图像传输和回放的速度.     

一种基于小波分解的图象分层分类矢量量化方法

作者提出了一种基于小波分解及采用自组织特征映射神经网络进行分层分类矢量量化的静态图像压缩编码方法。首先对图象进行了小波分解。利用不同分辩率级间小波子图的相似性,将最低分辩率层子图的矢量编码信息作为整幅图象的解码数据,并将其矢量分类和解码索引地址信息用于高分辩率层子图的码书训练。实验表明,和其他文献提出的方法相比,作者提出的方法在获得较好重构图象质量的前提下,提高了压缩比和编解码速度。     

图像的小波系数神经网络预测编码

提出一种图像的小波系数预测编码方法。在该方法中,原始图像被分解为一个小尺寸的低频图像和一系列不同方向的多分辨率细节子带图像（小波系数图像）,由于不同分辨率的小波系数图像具有相似性,故可用低分辨纺小波系数来预测同一方向相邻较高分辨率的小波系数。采用Ｂ－Ｐ神经网络作为非线性预测器有效地实现了这种预测,结果表明,利用这种编码算法可获得高图像压缩比。     

染色血液白细胞目标图像快速提取方法的研究

提出了一种变图像分辨率的染色血液白细胞目标图像提取方法.首先对采集到的染色血液细胞图像进行分辨率抽样并将图像从RGB表示变换为HS I表示;然后使用白细胞色饱和度阈值滤波和形态学滤波得到白细胞数目和位置;最后在白细胞位置按原始图像分辨率进行局部图像提取并使用神经网络方法进行图像分割得到目标图像.该方法充分保留了血液细胞图像本身固有的大量有用信息,提高了目标图像分割的完整性并减少了计算量,适用于对时间要求较高的复杂背景下血液图像的自动分析.     

基于多幅图像恢复单幅图像的快速算法实现

为解决传统的单幅图像恢复算法效果不理想的情况,现有理论利用多幅图像之间的信息互补这一条件,在图像配准的基础上,通过多幅退化图像对单幅图像进行恢复,比较流行的是使用M估计(M-estimation)对图像进行配准,然后利用L1范数进行图像融合,进而提升图像恢复的鲁棒性,但其收敛速度并不理想。为了实现算法的快速收敛,通过对下降算法的搜索梯度方向改善的探究,出了基于共轭梯度下降法(conjugate gradient descent, CGD)的图像恢复算法。在此基础上对CGD图像恢复算法进行改进,利用前后估计的值之间的差信息来优化迭代时的搜索方向,也就是在后面这次搜索梯度上面加前1次和前2次估计值的差,以此增大搜索梯度值,进一步缩短迭代到最小值的时间。仿真结果表明,所提出的改进算法比基于最速梯度下降法(batch gradient descent, BGD)的图像恢复算法的收敛速度更快。     

一种基于视觉模型的图像编码方法

提出了一种新的图像压缩编码方法，根据视觉的生理学和心理学特性，设计一组与编码图像无关且对人眼有意义的模块（视觉模块），利用这些模块对分块子图作匹配。该方法提供了与视觉相一致的较好的图像质量，压缩比与矢量量化相近。由于采用了简单的匹配算法，大大降低了编码的复杂性，此方法适于实时应用场合。     

基于方向剖分的小波域分形图象压缩

该文提出一种新的分形和小波混合编码方法－基于方向剖分的小波域分形图象压缩方法：在将图象分解到小波域后，对各子图象，根据其所占能量的大小和所代表的方向纹理信息，采用不同大小、形状与类别的定义域块和值域块进行分形编码，经实验证明，这种基于方向剖分的小波域分形编码方法，在保证一定的还原图象质量的前提下，可以大大地提高了分形编码的速度，如果结合多层小波分解的分形压缩编码的预测法和零树法，还能进一步提高压缩率，从而使分形图象编码向实时应用迈进了一步。