基于Curvelet变换的边缘锐化方法

介绍了Curvelet变换的基本概念,说明了Curvelet在边缘锐化的算法实现,提出了Curvelet变换在边缘锐化中的进一步研究方向,指出了Curvelet变换能更适合图像边缘锐化,它克服了小波变换在图像锐化应用中的不足,显示出了很多的独到之处。     

基于实时自适应控制的大动态范围CIS

多次采样组合是扩大CIS动态范围的有效方法,但实时实现尚未达到使用的程度．针对实时在片控制提出一种多次采样组合的VLSI实现方法．通过获取加权像素光强平均值以及饱和像素数目和严重欠曝光像素的数目来确定CIS的采样方式．采样多帧组合模式时,实时对曝光次数和曝光时间点进行调度,依据积分时间将多次采样组合为大动态范围的输出图像．使用FPGA平台对该方法进行模拟,模拟结果证明了该方法的有效性和实时性,能够显著扩展CIS的动态范围．     

基于边缘增强的多聚焦图像融合方法

提出一种基于边缘增强的多聚焦图像融合方法,对需要融合的2幅图像进行小波多尺度分解,根据绝时值最大的方法对高频细节分量图像进行融合,通过增强和提取原始图像的边缘信息强度指导低频近似分量的融合,以此突出融合图像中的边缘信息．采用信息熵和标准差等评价指标对该方法进行客观评价．结果表明：该方法融合效果良好,可以更好地突出低频域边缘细节信息,提高融合图像的清晰度,改善视觉效果．     

基于CNN的彩色图像边缘提取方法

根据人眼对R、G和B的敏感特性,提出一种基于视觉感知的矢量角度彩色空间距离度量方法,较传统方法补偿了RGB颜色空间的不均匀性,有效提高了RGB颜色空间内色差度量的精确程度.对基于细胞神经网络(Cellular Neural Network,CNN)进行的彩色图像边缘提取进行理论分析,确定与其功能相适应的最佳模板参数.实验结果表明:该算法不仅实现了彩色图像的边缘提取,同时提取效果更全面,更符合人眼的视觉效果,具有较强的鲁棒性.