基于三维泊松方程的数字视频修复

提出了一种基于三维泊松方程的数字视频修复算法.首先提取视频帧的梯度场,然后使用基于块的修复方法对梯度进行信息填充,最后在梯度场中建立视频受损区域的三维泊松方程并求解,实现对视频像素的修复.实验结果表明,基于三维泊松方程的视频修复方法具有良好的时空连续性,能保证视频画面色调、明暗的一致性,使修复痕迹更平滑,画面更自然.     

爱因斯坦场方程化为泊松方程的条件

章采用特殊参考系将爱因斯坦场方程用于缓变的弱场时化为泊松方程，强调指出爱因斯坦场方程化为泊松方程的条件是任意的缓变弱场，而不只是线性的缓变弱场。     

基于多维自适应滤波与泊松融合的多聚焦图像融合算法

针对现有的多聚焦图像融合算法,在抗噪性能、图像连续性以及时间复杂度上的不足,提出了一种基于多维自适应滤波与泊松融合的多聚焦图像融合算法。首先,对统一尺度的源图像构建梯度矩阵,并设计尺度分段的多维自适应核函数对矩阵进行分割;然后,引入判定条件,对泊松重建中的图像边界进行伪边缘抑制,得到纯化后的全聚焦图像;最后,将抗噪算法与融合算法分别对比其他算法模型,进行综合比较,通过6种图像质量评价指标来评估融合性能与效果。结果表明：本文算法不仅有良好的运行效率,清晰的视觉观感,而且在评价因子上有更理想的数据结果。可见,不论主观还是客观上来看,该算法都具备明显优势。     

基于局部结构和视觉显著特征的红外和可见光图像泊松重构融合算法

研究了一种基于泊松重构的红外和可见光图像融合算法,算法在梯度域内实现图像信息的融合,可有效避免传统空域和变换域方法在融合图像中由于局部亮度不一致而产生伪边缘。另外,提出的算法在源图像梯度融合时,同时考虑了图像的局部结构显著和视觉显著特征,能够在保留源图像更多细节的同时突出输入图像的视觉显著目标信息。通过与其他最新融合算法的对比实验结果显示本文算法获得的融合图像既有突出的红外目标,又有清晰的可见光背景细节,并且不会产生伪影和噪声,同时客观评价指标也有显著的优势。     

基于泊松方程的异常行为检测

异常行为检测是家居监护系统的重要功能之一。提出了一种基于泊松方程的特征提取算法,并采用K均值算法实现人体异常行为——跌倒的检测。首先采用基于混合高斯模型的运动目标检测算法获得运动人体的二值图像序列;然后,对图像序列提取基于二维泊松方程的矩特征描述人体行为;最后采用K均值分类器对异常行为进行检测。所使用的数据库包括6种可能发生的日常行为:站立、走、慢跑、坐、蹲,以及跌倒。实验表明,采用该算法检测异常行为——跌倒的正确识别率为98.72%。     

泊松过程的教学研究

本文采用与现行教科书不同的方法，从泊松分布出发，借助于Ｃｈａｐｍａｎ－Ｋｏｌ－ｍｏｇｒｏｖ方程，导出泊松过程定理。其特点是：（１）可以与本科概率论课程中的泊松分布相衔接；（２）可以更形象地表现过程与分布之间的区别与联系，从而更充分地揭露出过程的物理含意；（３）可以减少导出引理以及在此基础上导出定理的较大篇幅，更直接地导出泊松过程定理     

泊松方程的边界节点解法

边界节点法是一种将边界积分方程和移动最小二乘近似方案相结合的边界型无网格法．对于求解泊松方程的边界元方程中的区域积分,采用多重互换法把区域积分转化为边界积分,然后用边界节点法求解边界积分方程．给出了用多重互换法把区域积分转化为边界积分的收敛性证明．数值算例验证了这种方法的实用性和有效性．     

二维泊松方程的交替方向迭代法

利用交替方向迭代法求解二维泊松方程边值问题,得到了相应的误差分析,并进行了数值模拟,模拟结果表明该方法是可行的、有效的.     

应用细胞神经网络求解泊松方程的新途径

研究了细胞神经网络（ＣＮＮ）在求解泊松方程方面的应用。用集成运算放大电路实现了细胞神经网络，并进行了模拟求解，其结果是今人满意的。实验证明，用细胞神经网络可以求解泊松方程，这是一条新的途径。     

关于泊松方程的解--《电动力学》教学札记

电势所满足的泊松方程是一个非齐次的二阶偏微分方程。争方程的途径很多，但在许多情况下很难求解方程，本文具体讨论了几种情况下求解方程的方法。     

基于方向扩散方程的图像融合方法

图像融合是在图像处理领域的一个重要应用,方向扩散方程是一种有方向性的扩散,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。本文基于这一特点,将方向扩散方程运用到图像融合当中.结果表明,经方向扩散方程处理后的融合图像,物体可以很好地与背景融为一体,视觉效果上比直接嵌入有了很大的改善。     

基于边缘图的梯度域图像融合方法研究

梯度域图像融合通过最小化融合图像的梯度场与融合梯度场之间距离求得融合图像,融合梯度场的准确性直接决定融合图像质量;由于源图像信息之间存在互补性,基于结构张量的梯度融合方法得到的融合梯度场的准确性不高,为保证融合图像质量,重构时需要添加其它感知项进行校正;提出了一种基于边缘图的梯度场融合方法,在边缘像素处以梯度值为权重进行加权融合,在非边缘像素处采用梯度值取大规则进行融合;实验结果表明:梯度场融合方法得到的融合梯度场准确性高,重构的融合图像具有满意的视觉质量和客观评价成绩。     

基于B样条梯度的融合图像算法

图像融合在目标识别、计算机视觉、医学、遥感图像处理等领域应用广泛.利用B样条梯度融合图像算法来解决图像融合,将融合的图像分成3×3子块,计算每个子块的B样条梯度.把待融合图像对应的子块梯度模值累加求和,计算每个子块梯度模值的权值并与每个子块相乘并求和,得到融合后的图像子块.模拟实验结果表明该方法是有效的,优于传统的主分量分析、小波变换和Laplacian金字塔等方法.     

基于薄雾偏振特性的图像融合方法

利用光的偏振特性,即不同偏振图像的相关性和信息上的互补性,提出一种基于薄雾偏振特性的图像融合方法,可以将两幅不同偏振方向的薄雾图像融合在一起,从而有效地去除薄雾,得到更加清晰的景物图像.实验结果表明,该方法具有较好的去除薄雾效果.     

基于梯度和能量的图像融合算法

针对梯度算法在图像融合的过程中往往只考虑图像高频信息的变化程度,忽略了高频信息的丰富程度而造成融合结果的信息量损失这一问题,在小波变换的基础上提出了一种新型的基于梯度和能量的图像融合算法.算法兼顾高频分量的变化和高频分量丰富程度,有效地保证图像的信息量.当两幅图像高频系数变化较大时,采用梯度取大决策;当两幅图像的高频系数变化较小时,采用图像高频信息的丰富程度(能量)取大决策.实验证明了该算法的有效性.     

基于区域分割和引导滤波的多聚焦图像融合

针对多聚焦图像可能出现局部配准不理想的情况,提出了一种基于区域分割和图像引导滤波的失配准鲁棒多聚焦图像融合算法. 首先通过构造基于结构张量的聚焦评价函数,对每幅输入图像进行聚焦度评价;然后建立包含图像聚焦度的全局能量函数,并通过Graph Cut算法分割出每幅图像的聚焦区域;最后利用图像引导滤波对每个聚焦区域进行细化得到每幅图像的融合权重,在梯度域上进行图像复原得到融合图像. 实验结果表明,该方法不仅可以在多聚焦图像失配准的情况下进行图像融合,而且有效地保持了图像的边缘,在主客观评价指标上均有较大的提升.      

一种基于小波变换的图像融合选择方案

介绍了一种基于小波变换的图像融合算法,它利用像素邻域平均梯度作为选择依据,对小波变换后的高频系数进行选择,再逆变换完成图像融合.通过对红外热图与可见光图像的融合实验表明:基于小波系数区域平均梯度的融合能使红外热图更加清晰,融合的图像光谱变异性较小,图像效果较好.     

基于形态学的图像融合算法

提出一种基于边缘连接强度的图像融合算法。利用形态学梯度算子得到图像的边缘信息。以图像灰度的边缘连接强度加权为判据,进行图像融合。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。