一种用于监控视频编码的高效率模式选择算法

提出了一种基于宏块级运动预检测的模式选择算法.采用低复杂度的联合运动检测准则对当前宏块运动程度进行评估.根据当前宏块与空间相邻宏块的运动程度将宏块分级,并采用不同的编码模式判决方法.该算法能较好地区分背景噪声与运动物体,并尽可能保留运动宏块细节.对一些典型监控场景视频序列的仿真实验结果显示,该算法平均节约了75.2%的编码时间.与H.264参考软件中的模式选择算法相比,该算法不但节约了1.31%的平均码率,而且平均峰值信噪比提高了约0.08dB.     

图像目标语义层级结构及其非监督学习算法

根据场景图像中某些目标的特征间具有空间关联性和几何连贯性的空间语义属性,对特定场景的图像序列进行学习,首先提取各图像的尺度不变特征变换(SIFT)特征点,分析每对图像中各匹配特征点对间的几何连贯性,然后根据图像序列特征点矢量间的空间紧密程度进行聚类获得目标对象,从而得到基于空间关联性的一种新的图像语义层级结构(SBOSH),此层级结构图是通过非监督自动学习的过程获得的.由SBOSH结构图不仅可得到各节点上的目标对象,而且能够获得各节点间的空间交互性.所得的SBOSH结构图符合人对场景的逻辑分析,可以应用于场景分析、目标及目标局部精确定位和类目标的识别中.     

基于自适应谱段分组的超光谱图像压缩算法

针对庞大的超光谱数据与有限的卫星信道容量间存在的巨大矛盾,提出了一种新的基于自适应谱段分组的超光谱图像压缩算法.为了充分挖掘图像的谱间相关性,运用该算法对超光谱图像进行了预处理,通过谱段的自适应分组和预测参考帧的选取提高了压缩算法的编码性能,并结合谱间预测和位平面编码分别消除了超光谱图像的谱间和空间冗余.实验结果表明:与传统方法相比,在保证图像质量和较低计算复杂度的前提下,其压缩编码的平均峰值信噪比提高了约2.0～4.5 dB.     

基于图像分割的SAR图像匹配方法

针对单一背景的海岛合成孔径雷达（SAR）图像，提出一种基于图像分割的图像匹配方法．该方法采用静态小波对原实时图分解滤波，抑制噪声；利用最大类间方差阈值法分割图像，分割出特定目标；选择结构元素进行形态腐蚀和膨胀，去掉细小背景杂波干扰；对二值化的图像进行面积统计，搜索出面积最大的目标．在原实时图中，以最大面积目标的外切矩形裁剪图像作为新的实时图．实践证明，利用裁剪的新实时图进行匹配，可以有效去除背景对匹配的不利影响，弥补了传统方法匹配精度低、实时性差的缺点．     

城区三维景观重建中的建筑物提取

在采用包含建筑物高程信息的DEM数据进行地形建模时，依次连结相邻网格点为多边形的绘制方式会带来建筑物墙面倾斜，建筑物与地形混淆的问题．针对这一问题，利用建筑物顶点与地形顶点之间具有较大高度差的特点，结合建筑物的几何特征，提出了一种在DEM数据中提取建筑物的算法．实验结果证明利用该算法重建出的城区三维景观具有更为逼真的显示效果．     

一种基于零树量化的小波变换图像压缩方法

在对零树编码方法研究的基础上 ,针对零树编码方法存在编码时间较长的缺点 ,提出了一种改进的零树编码方法 .主要包括 :对最低频子带系数单独编码 ;设立标志矩阵 ;以扫描单元为单位进行主表扫描 ;实验表明这种改进的零树编码方法 ,加快了编码速度 .另外 ,该编码方法也能够产生嵌入式码流 ,支持多码率解码     

基于局部最大熵的多目标图像分割方法

提出了利用图像局部最大熵进行区域增长的多目标分割方法．以局部熵最大值作为目标种子,运用区域增长技术实现多目标分割,用图像的局部熵值相似性判决准则和图像灰度相似性判决准则对复杂多目标砾石图像进行了实验．实验结果表明,用图像局部熵相似性判决准则的图像分割结果优于用图像灰度值相似性判决准则的图像分割结果．     

基于局部最大熵的多目标图像分割方法

提出了利用图像局部最大熵进行区域增长的多目标分割方法．以局部熵最大值作为目标种子,运用区域增长技术实现多目标分割,用图像的局部熵值相似性判决准则和图像灰度相似性判决准则对复杂多目标砾石图像进行了实验．实验结果表明,用图像局部熵相似性判决准则的图像分割结果优于用图像灰度值相似性判决准则的图像分割结果．     

基于局部分形特征的快速图像匹配方法

利用分形的方法建立了一种新颖的基于分形特征的影像匹配方法，该方法具有良好的抗几何形变能力和较强的抗噪能力，由于利用了分块、序贯检测及分层搜索技术，计算量大为减少，试验结果表明这是一种良好的图像匹配方法。     

一类特殊的离散Walsh-Haar变换的快速算法

利用Walsh-Haar矩阵HKRm＋1，的递归性以及Walsh序的离散Walsh变换的快速算法，提出了一类特殊的Walsh序的离散Walsh-Haar变换的快速算法．该变换的特殊性在于Walsh-Haar函数系与Haar函数系一样，其演化生成时的伸缩比均为R=2．采用对输入数据奇偶二分及对变换结果数据对半二分，如此对一个KR^m＋1点的数据经过m＋1步加上logK步二分以及若干次调序后，便得到变换结果．本设计方法可用于研究其他序的伸缩比为2的离散Walsh-Haar变换的快速算法．