基于奇异值分解与重采样的图像缩放

针对传统方法的缺点,本文提出了一种新的图像缩放算法.经典插值缩放方法忽略了图像纹理之间的突变特性,因而导致高频信息的退化.同时在进行高倍数图像放大的时候,使用该方法容易造成马赛克现象的出现.基于小波变换的图像缩放方法只能够进行原始图像偶数倍的放大,且放大效果并不一定理想.本文提出的图像放大算法,联合使用奇异值分解和重采样操作,对图像进行放大处理,不但可以克服边缘模糊化以及马赛克现象的产生,同时可以进行任意倍数的图像放大.大量实验结果表明,较传统方法而言,本文方法不仅具有良好的视觉效果,同时峰值信噪比以及灰度绝对偏差等客观评价标准也达到一定的性能指标.     

基于一类偏微分方程的图像放大法

在分析常见的图像插值放大方法和已有的偏微分方程图像放大方法不足之处的基础上,根据图像放大特点,利用图像放大过程中边缘的可预知性,并注意到图像放大的偏微分方程理论模型,提出一类新的基于偏微分方程的图像放大方法,这是一类线性、具有定向扩散性质的偏微分方程模型,它在非边缘区域表现为线性各向同性扩散,在边缘上则演变成几乎是沿边缘方向的一维扩散．实验及统计结果表明,该方法是一种快速且有效的图像放大方法．     

基于多尺度局部对比度和限邻域经验模式分解的遥感图像融合方法

传统二维EMD（empirical mode decomposition）算法在估算图像的均值包络面时易出现＂过冲＂现象,这使得分解的内蕴模式函数中会出现＂灰斑＂.针对这个问题,改进一种NLEMD（neighborhood limited empirical mode decomposition）算法.它基于局部均值平稳特性的方法估算图像的最佳局部均值,进而得到图像的均值包络面.该算法在克服了传统二维EMD算法的＂过冲＂现象的同时降低了时间复杂度.结合人类视觉系统对局部对比度敏感这一特性,提出一种基于多尺度局部对比度和NLEMD的遥感图像融合算法.该算法以NLEMD分解的内蕴模式函数的多尺度局部对比度为指导,对图像的内蕴模式函数进行融合处理.仿真实验表明：该融合算法能更清晰地反映融合图像中的复杂细节信息,提高了图像融合的质量.     

基于小波多尺度分解的肿瘤图像融合

提出了一种基于多尺度小波分解的图像融合方法,该方法利用小波变换对每一图像进行多尺度分解,对各分解层上不同频带的子图像采用不同的融合处理·在高频域内采用模板匹配方法计算出图像区域的统计平均值和方差,从而确定源图像在图像融合中提供信息的比例·在低频域内采用平均算子进行融合,以保留图像的背景信息·最后利用小波逆变换得到融合图像·并用这种方法成功地对肿瘤CT图像进行了融合处理,实验结果表明该融合技术是一种有效的方法,获得的融合图像更适合人们的视觉特性·     

数字图像的NLEMD分层压缩研究

二维限邻域经验模式分解(NLEMD)通过设定最大邻域(时宽)和采用邻域内局部自适应均值算法代替包络均值算法对图像进行分解,克服了以往EMD分解算法出现的灰度斑现象,改善了分解图像的质量。采用NLEMD算法进行图像分解,并基于当前普遍使用的JPEG图像压缩标准提出了数字图像分层压缩的算法。实验结果表明算法在确保重构图像较高质量的前提下,各层图像都实现了较高的压缩比率,对图像的分层压缩与传输的实现具有较高的实用价值。     

基于经验模态分解和核主成分分析的SAR图像相干斑抑制

结合经验模态分解(EMD)与核主成分分析(KPCA)方法,针对SAR图像提出一种改进的相干斑抑制算法。首先将SAR图像进行对数变换和均值调整后进行经验模态分解;然后利用KPCA进一步去除各层本征模态函数(IMF)中的噪声,具体方法是根据斑点噪声的统计特性和零均值高斯白噪声IMF的能量分布模型,近似计算各层IMF中噪声能量所占比例,据此选择合适数量的主成分重构IMF;最后对经过KPCA处理的IMF进行累加重构得到去噪SAR图像。实验结果表明,与另外两种EMD图像去噪算法相比,本文提出的方法在相干斑抑制效果和图像细节信息保持能力两方面都有较好的提高。     

基于非结构数据和EMD-WTS二层分解的AQI组合预测方法

针对具有高复杂性与非平稳性的空气质量指数(AQI)时间序列,提出一种融合非结构数据的EMD-WTS二层分解组合预测模型;首先,筛选百度指数关键词并提取对应数据,运用局部线性嵌入算法(LLE)对之降维;其次,对AQI历史序列与降维结果进行经验模态分解(EMD)与重构;接着,对所得高频项进行小波分解(WT)与重构;然后,运用Holt指数平滑法、支持向量回归(SVR)与人工神经网络(ANN)分别对二层分解结果与原始低频、趋势项进行组合预测并运用BP神经网络集成;最后,叠加集成结果得到AQI预测值;对比实验说明预测方法充分利用了多源数据信息,具有较高的预测精度。     

基于小波的图像插值方法

在分析传统的图像插值方法的基础上,结合小波分解的特性,提出了一种插值方法,即利用流形锥和最优恢复理论来进行小波细节的预测,然后根据小波变换多分辨率分析的特征和各分层子带之间的相似性来进行图像的重构。利用此方法得到的图像细节丰富,边缘效果好,并有效地抑制了信噪比,实验结果令人满意。     

一种小波分解尺度空间中的随机游走图像分割方法

依据随机游走模型所确定的图像分割方法等价于电路网络的稳态电路结构求解方法,最终都将归结为求解大型稀疏线性方程问题.由于求解一般的大型方程的算法复杂度无法达到线性复杂度水平,文章提出了一种基于小波分解金字塔尺度空间上的多层图像分割算法.首先将原始大小的图像通过正交小波变换分解为低尺度图像及相应小波分量,并对低尺度图像持续进行小波分解,直到尺度合适计算为止;随后对最低尺度图像进行随机游走算法,即求解一个小规模的稀疏线性方程组,将得到的解重构为上一尺度图像,并依据相应的小波分量提示控制松弛迭代的松弛因子;最后持续上述过程直到0尺度图像,图像分割结果就可以通过某个阈值所确定.算法在标准灰度测试图像中进行了测试,测试结果表明,计算时间和分割结果有较大程度的提高.     

一种基于二维EMD的图像融合方法

图像融合是图像处理中的一个重要内容,常用的小波图像融合主要是基于像素级融合,这种方法容易失去局部特征相关性较强的特性,融合后会出现局部斑点现象．该文应用二维EMD方法在像素级也进行了讨论,并且针对EMD分解的特殊性,提出了一种用二维EMD（two—dimensionalEMD）进行图像融合的方法,采用对IMF（intrinsicmodelfunction）分量在对应频率段上进行线性加权融合,提出了几种常用计算加权系数的方法．通过实验分析和性能评价表明,基于二维EMD的图像融合较小波图像融合效果较好,更能提取图像细节．     

双能X射线高动态范围安检图像压缩算法

为使拥有高动态范围的双能X射线安检图像在普通显示器上显示时不丢失细节,提出了一种基于多尺度局部保边(local edge-preserving,LEP)滤波的自适应色调映射算法.该算法对原始图像进行多尺度LEP滤波,得到1个基础层和3个细节层.随后对基础层进行对数自适应色调映射,并对3个细节层进行Sigmoid函数自适...     

基于三次样条插值的图像放大的离散算法

针对李将云等(2003)提出的图像放大离散算法，分析其不足之处，并对简单的二值图像以及一般的灰度级较少的图像，用三次样条插值方法，提出一套新的离散放大算法．实验结果表明，该算法可以得到较好的放大效果．它适用于灰度级较少的数字图像，尤其是二值图像，并且这种图像放大方法的放大倍数没有限制．     

The Study of a New Method for Forecasting Non—stationary Series

A new method for forecasting non-stationary series is developed.Its steps are as follows.Step 1.Data delaminating.Non-stationary series is delaminated into several multi-scale steady data layers and one trend layer.Step 2.Modeling and forecasting each stationary data layer.Step 2.Imitating trend layer using polynomial.Step4.Combining the forecasting layers and imitating layer into one series,The EMD(Empirical Mode Decomposition) method suitable to preocess non-stationary series is selected to delaminate data,while ARMA(Auto Regressive Moving Aver age)model is employed to model and forecast stationary data layer and least square error method for trend layer regression.Aiming at forecasting length,forecasting orientation and selective method,experiments are performed for SAR(Synthetic Aperture Radar) images.Finally,an example is provided,in which the whole SAR image is restored via the method proposed by this paper.     

Image forgery detection using segmentation and swarm intelligent algorithm

Small or smooth cloned regions are difficult to be detected in image copy-move forgery (CMF) detection. Aiming at this problem, an effective method based on image segmentation and swarm intelligent (SI) algorithm is proposed. This method segments image into small nonoverlapping blocks. A calculation of smooth degree is given for each block. Test image is segmented into independent layers according to the smooth degree. SI algorithm is applied in finding the optimal detection parameters for each layer. These parameters are used to detect each layer by scale invariant features transform (SIFT)-based scheme, which can locate a mass of keypoints. The experimental results prove the good performance of the proposed method, which is effective to identify the CMF image with small or smooth cloned region.     

基于Contourlet的改进加权抛物线插值图像超分辨率算法

为了尽可能地保持图像的基本信息,提高图像的视觉效果和空间分辨率,提出一种基于Contourlet的改进加权抛物线插值算法.该算法增加加权抛物线插值的误差补偿项,利用Sobel算子设定插值点的边缘方向,得到初始放大图像.利用Contourlet提取高频成份,原始图像幅值增强充当低频部分,再经过Contourlet逆变换得到高分辨率图像.实验结果表明,相对于传统的图像放大算法,该算法考虑了全局相关性,得到了更加清晰的边缘信息.     

基于各向同性和各向异性扩散图像放大

提出基于各向同性和各向异性扩散两种图像放大模型.把图像的像素看作是平面物体的温度,利用偏微分方程和图像放大理论设计相应算法.通过比较这两种新模型与其他的方法,取得较好的实验结果.     

基于Clifford代数的多光谱图像边缘检测

为了充分利用多光谱图像不同图层之间的关联性,采用Clifford代数描述多光谱图像.在Clifford代数空间中,定义了多光谱图像的Clifford微分与Clifford梯度.在此基础上,提出了一种新的多光谱图像边缘检测与融合算法.该算法首先计算出各像素点的Clifford梯度,进而得到Clifford梯度范数;然后以此为依据,判断像素点是否为边界点,从而得到多幅边缘检测图像;最后,将这些图像融合,便可得到最终的边缘图像.与基于最大熵的多光谱图像边缘检测算法的比较结果表明,算法由于利用了多光谱图像不同图层之间的关联性,因而可以更好地保留边缘信息,获得更完整的边缘检测效果.     

Land cover classification of RADARSAT-2 SAR data using convolutional neural network

In this paper, we propose a convolutional neural network (CNN) based on deep learning method for land cover classification of synthetic aperture radar (SAR) images. The proposed method consists of convolutional layers, pooling layers, a full connection layer and an output layer. The method acquires high-level abstractions for SAR data by using a hierarchical architecture composed of multiple non-linear transformations such as convolutions and poolings. The feature maps produced by convolutional layers are subsampled by pooling layers and then are converted into a feature vector by the full connection layer. The feature vector is then used by the output layer with softmax regression to perform land cover classification. The multi-layer method replaces hand-engineered features with backpropagation (BP) neural network algorithm for supervised feature learning, hierarchical feature extraction and land cover classification of SAR images. RADARSAT-2 ultra-fine beam high resolution HH-SAR images acquired in the rural urban fringe of the Greater Toronto Area (GTA) are selected for this study. The experiment results show that the accuracy of our classification method is about 90% which is higher than that of nearest neighbor (NN).     

一种图像放大的离散算法

根据李将云等人(2003)所提出的数字图像的离散放缩算法，分析其不足之处，并对简单的二值图像以及一般的灰度图像提出一套新的离散放大算法．该算法可使图像放大任意实数倍．应用该算法能使放大后的图像边界清晰，忠实地反映原始图像的面貌．实验证明，该方法也是一种有效的图像放大算法．     

基于分水岭变换及分层区域合并的城市高分辨率影像分割

针对城市区域高分辨率图像的特点, 以及传统的基于分水岭变换的图像分割方法中存在的过分割问题, 提出一种分割区域的分层合并方法来改进分割结果。首先采用多通道分水岭分割得到初始分割结果, 然后通过定量分析城市不同地物内部光谱变化性的特点, 对影像进行分层, 并对不同的层分别进行合并, 得到最终的分割结果。采用一景北京地区的QuickBird影像, 从目视评价、定量指标计算以及应用等3个方面, 对提出的方法进行验证和评价, 并与现有的分割方法比较。结果表明, 与现有方法相比, 基于分层区域合并的方法可得到更准确的分割结果, 适合城市高分辨率图像的分割。