基于正交矩混合不变量的离焦模糊图像配准

摘要： 针对同时遭受离焦模糊退化和几何形变的图像,提出一种基于Legendre正交矩不变量的图像配准方法.采用Harris特征点探测算法提取图像特征点,然后构造Legendre正交矩的模糊和几何混合不变量作为衡量尺度以获得特征点的对应关系,通过该对应关系估计形变参数完成配准过程. 实验结果表明该方法能有效解决该类形变图像的配准问题,与其他方法相比能获得更准确的结果.     

基于纹理特征和Hu不变矩的KELM滤光片缺陷识别研究

为提高滤光片缺陷识别的精度,提出一种基于纹理特征和Hu不变矩的核极限学习机(KELM)滤光片缺陷识别算法。通过提取能量、熵、对比度和局部均匀性以及7阶Hu不变矩特征组成联合特征向量,将联合特征作为KELM的输入,滤光片缺陷类别作为KELM的输出,建立KELM的滤光片缺陷识别模型。通过KELM和极限学习机(ELM)、支持向量机(SVM)、BP神经网络(BPNN)的对比发现,算法KELM具有更高的识别准确率,提高了滤光片缺陷识别的精度,同时为滤光片缺陷识别研究和应用提供了新的方法。     

基于正交矩混合不变量的离焦模糊图像配准信号与信息处理

针对同时遭受离焦模糊退化和几何形变的图像,提出一种基于Legendre正交矩不变量的图像配准方法.采用Harris特征点探测算法提取图像特征点,然后构造Legendre正交矩的模糊和几何混合不变量作为衡量尺度以获得特征点的对应关系,通过该对应关系估计形变参数完成配准过程.实验结果表明该方法能有效解决该类形变图像的配准问题,与其他方法相比能获得更准确的结果.     

高分辨率图像的指数矩描述

在指数矩定义与计算方法的基础上,提出应用指数矩矩阵描述高分辨率图像的方法.结合图像分割理论并延伸处理各子图,利用快速傅里叶变换计算高分辨率图像指数矩矩阵,然后逆向重构子图并重组原图.对重组图像进行基于Itti视觉注意模型的客观感兴趣区域信噪比分析.仿真结果表明,延伸处理可减弱由分割所带来的重组图像方块效应,也可提高重构图像的信噪比,验证了由图像指数矩矩阵描述高分辨率图像的可行性.     

基于红外图像序列的排球运动关键技术特征提取方法

针对现有运动技术特征提取方法中运动目标特征提取不准确的问题,提出了一种基于红外图像序列的排球运动关键技术特征提取方法 .首先,获取红外图像序列的排球运动图像,并对红外图像序列中的运动目标进行检测和提取,进一步用图像分割方法进行边缘分割.然后,基于视点跟踪切换方法进行阈值分析,实现对运动目标的准确跟踪和提取.实验表明,提出的方法准确性和效率均高于传统方法 .     

应用Krawtchouk矩和支持向量机的图像纹理分割

提出一种基于Krawtchouk矩和支持向量机的图像纹理分割方法.对图像的每个像素,选择一个窗口,计算该窗口内的Krawtchouk矩,然后通过非线性变换将得到的矩值转换成纹理特征,对特征空间进行优化后,使用支持向量机进行纹理分割.和基于Zernike矩的纹理分割结果相比,本文的方法能得到更好的纹理分割结果.     

用Normalized Cut法自动提取乳腺超声图像中的肿瘤边缘

提出一种带权重邻域灰度信息的normalized cut(Ncut)方法,该方法能够全自动提取乳腺超声图像的肿瘤边缘.通过Ncut分块乳腺超声图像中的各块灰度及空间分布特征来识别待检测肿瘤的轮廓.对于少数分割不精确的结果,可用结合局部能量项的动态轮廓模型对所提取的初始边缘进行修正,使其更接近真实目标轮廓.对包含112幅乳腺肿瘤超声图像的数据库进行边缘提取,结果表明:该方法无需人工干预,能够准确有效地实现肿瘤分割,且计算量小,有望提高计算机辅助诊断的自动化程度.     

离散轮廓点集法提取超声图像前列腺边缘

提出一种基于离散轮廓点集的超声图像前列腺边缘提取方法,将经直肠超声图像中的腺体准确分割出来. 该方法根据前列腺的轮廓特征对候选轮廓点进行多级筛选,再除去由于各种干扰产生的非边缘点,得到位于实际边缘的离散轮廓点集,由此确定粗糙的腺体边缘. 随后利用一种快速水平集的曲线演化方法对初始边缘进行小 范围调整,使其更接近实际的腺体轮廓. 对临床应用中的经直肠超声图像进行边缘提取实验,结果表明该方法能克服腺体外部和内部区域灰度不均一以及边缘模糊等问题,提取的前列腺边缘位置准确,轮廓完整.     

基于Gabor小波和神经网络的图像目标识别

针对目前数字图像目标识别方法中存在识别精度和实时性的问题,提出一种结合Gabor小波和神经网络的图像目标识别方法.该方法首先对图像进行预处理,用Canny算子进行边缘提取,然后通过神经网络获取最优的双Gabor小波复合滤波器参数,再采用参数优化过的滤波器组提取目标的特征向量,最后进行目标的分类和识别.实验表明这种方法鲁棒性好、识别率高,具有较广泛的实际应用价值.     

结合保角变换和Zernike矩的稳健图像Hash

提出一种用于图像认证和篡改检测的稳健图像Hash方法. 根据密钥对图像进行伪随机分块,将图像块规格化为大小相等的正方形并进行保角变换,使各图像块映射为单位圆. 对各圆形图像区域计算修正的Zernike矩,连接所有Zernike矩的幅度和相位,基于密钥置乱得到所要求的图像Hash. 与直接对正方形内切圆计算Zernike矩 的方法相比,保角变换使图像块四角纳入Hash所表征的图像内容,因而有效改进了篡改检测性能. 图像分块使Hash具备篡改定位的能力. 实验表明该方法具有很低的碰撞概率和良好的感知稳健性,与其他方法相比,碰撞率和检错率较低.     

"称球问题"的算法的研究

采用分层递归的方法,研究了"在n个外形相同的球中找出唯一与其它球重量不相同的球"的算法,给出了对任何n(n＞2)的统一称法.并证明了所设计的称法是求解该类问题所使用天平称的次数最少的方法之一.     

近景摄影测量中标记点的自动检测

近景摄影测量中,可以在待测物体表面分布一些易于识别的标记点,以提高特征识别的准确性和精度,保证多幅图象间特征点对应匹配的可靠性。文中采用圆形目标及编码元素作为标记点,并提出一种标记点自动检测算法。该算法首先根据标记点的尺寸、形状、灰度变化及位置分布等特征提取目标;然后利用非编码元与编码元的不同形状与灰度特征,提出一种改进的编码元自动身份识别方法,同时实现非编码元与编码元的分类;最后采用质心法进行标记点的精确定位,达到亚象素精度。实验结果表明,该方法受投影角度、噪声等因素影响小,具有很强的鲁棒性,可以实现标记点的准确识别和精确定位,实用性好。     

基于Kim与Camshift结合的运动目标跟踪算法

为了能够准确和快速的跟踪部分遮挡的运动目标,提出了Kim与Camshift相结合的运动目标跟踪算法。首先通过Kim算法(即帧差法与背景相减法结合)自动的提取目标,通过提取目标确定运动区域及运动区域的质心,然后通过此运动区域提取目标特征,用Camshift方法进行跟踪。此法克服了传统Camshift算法需要人为定位,对部分遮挡目标出现目标丢失和跟踪区域偏移的情况,最后通过实验验证了本算法对部分遮挡运动目标跟踪有较好的鲁棒性。     

STBC-OFDM系统自适应加权并行多用户检测

针对多用户空时块码正交频分复用系统,提出了基于Turbo 码的自适应加权并行多用户检测方法. 该方法利用自适应加权多用户检测进行多用户信号分离,并将所获得的软比特信息作为Turbo 码的先验信息进行译码,将译码所得的外信息作为下次迭代中自适应加权多用户检测中权值的先验信息. 数值仿真结果表明：采用该方法的空时块码正交频分复用系统收敛较快,与自适应部分并行多用户系统、实验加权多用户系统、传统并行干扰抵消多用户系统进行比较,分别可获得1.8 dB, 2.5 dB 和3 dB 的增益.     

高阶矢量基函数的叠层网格快速算法

根据Andersen提出的用于矢量有限元中的高阶叠层旋度共形基函数,导出一种高阶叠层散度共形基函数,将其用于矩量法中,并结合多层快速多极子方法分析导体目标的散射问题. 为了进一步提高叠层基函数的计算效率,提出了基于广义极小余量法的叠层网格迭代算法,用于基于高阶叠层矢量基函数的多层快速多极子方法中. 通过计算导体球和橄榄体的雷达散射截面,验证了该文方法的高效性.     

从设计模型中提取制造特征的方法

提出了一种从设计模型中提取制造特征的方法,利用STEP中性文件重构零件模型,进一步利用目标面上的环数建立制造特征的类关系图,即可实现从设计模型中提取制造特征.     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

图像的平移不变量小波去噪法及其应用

图像的平移不变量小波去噪法是小波收缩阈值去噪法的改进,能够有效抑制小波阈值去噪过程中出现的伪吉布斯现象.分析了图像的平移不变量小波去噪法的原理及其算法,并将该方法应用于颗粒显微图像的去噪.对采用不同去噪方法的图像按照分水岭算法进行分割,然后进行对比.实验结果表明图像的平移不变量小波去噪法的去噪效果较好。     

认知无线电加权软合并联合频谱感知算法

为了提高认知无线电的频谱感知性能,提出了对认知无线电用户的检测信息进行加权软合并的联合频谱感知算法. 该算法通过降低对授权用户的干扰和提高认知无线电吞吐量,分别使用最小化干扰加权和最大化吞吐量加权. 算法为信噪比高的用户或者到合作中心信道增益低的用户分配较大的权重,能够提高高信噪比用户的检测信息在合作检测中所占的比例,同时补偿信道衰落对检测信息带来的损失. 仿真表明：该算法的性能比基于信噪比加权或非加权的算法更好,能够降低干扰并提高吞吐量,同时能够降低信道衰落对联合频谱感知性能带来的影响.