基于神经网络分类的自适应图象编码

介绍一种对图象特征系数进行分类的自适应图象压缩编码算法。利用子图象ＤＣＴ系数间的相关性，使用神经网络的方法对ＤＣＴ系数矩阵进行分类对具有相近频率分布的变换系数矩阵进行聚类，使得各频率分量的方差减小，并提出了自适应的比特分配算法。实验表明在相同的压缩比情况下，该图象编码算法较其他方法有明显的提高。     

用于PACS系统的医学图象量化编码的算法

图象压缩是PACS系统的重要研究部分。作者研究了二维图象小波分解后系数的统计分布与拉普斯分布有很好的一致性；同时，由于不同幅度的小波系数在图象重构中权重的不同，在系数压缩编码时对不同权重的系数采用不同的压缩精度。由此，作者提出了一种适用于PACS系统的图象量化编码算法，该算法以各小波子带图象小波系数的重要统计特征-样本标准差为量化阈值选择依据，精确编码图象重构中权重较大的系数，还利用了人眼的频率视觉特性。实验表明，本算法具有计算简单、不同编码精度时被量化系数可预见的特点，同时在保证图象质量的基础上可获得较高压缩比。     

利用加权自适应识别系统实现图象平滑

分析了加权自适应识别系统的性能，提出了利用该系统实现图象平滑的具体方法，并给出了关于该方法较详细的理论分析和实验结果。     

利用加权自适应识别系统实现图象平滑

分析了加权自适应识别系统的性能 ,提出了利用该系统实现图象平滑的具体方法 ,并给出了关于该方法较详细的理论分析和实验结果。     

迭代函数系统及其应用

该文根据分形几何描绘自然景物的基本思想，分析了迭代函数系统（ＩＦＳ）构造分形的特点，即通过一组收缩仿射变换生成分形图象；并给出了生成二维和三维分形图象的ＩＦＳ矩阵。该文还简述了应用迭代函数系统生成三维蕨类植物叶子的分形图象的算法过程，对实现这一算法的Ｃ语言程序作了简要说明。文末提供了根据拼合定理确定ＩＦＳ系数的方法，简介了迭代函数系统在图象压缩技术中的应用     

图象预处理技术在图象分析中的应用

简述了图象分析仪中常用图象预处理技术的原理,报道了在使用Q-900图象分析仪测量金属材料及生物样品时所用的一些图象预处理方法及结果,并对所得结果进行了讨论。     

一种基于纹理的图象相似性度量模型

关于图象间的相似性应用于图象数据库中图象的检索存取，作者提出了一种用于多纹理图象的图象相似性度量的模型；描述了该模型的定义和计算方法，给出了试验结果和分析了它的有效性．     

小波域中的分形图象编码方法

研究了小波变换和分形编码相结合的图象压缩方法,即对小波域（传统发形编码在空间域进行）图象进行分形编码,解决了传统分形编码收敛条件苛刻,解码步数难以确定的问题;同时又提出了类似四叉树分割的变长小波树的分形压缩算法,结合小波系数的分层量化算术编码,几乎可以准确地控制压缩倍数,解决了传统发形压缩倍数难以控制的问题,并且通过自动调整阈值的大小,找到小波域图象的最佳小波树分割,也也就是找到了小波系数和分形系数的最佳折衷,最后对DCT,传统分形编码和新方法进行比较,哪现新方法具有一些明显的优点和特点,尤其在压缩比下更是如此。     

基于小波变换的图象压缩

要在模拟和移动通讯中传输数字图象，首先必须对图象实行高比率的压缩，本文对讨论小波变换的特征机理，建立了以小波变换为基础图象压缩软件模拟系统，并同标准ＪＰＥＧ的图象压缩方法做了对比实验，结果证明：在高压缩比时，基于小波变换压缩的重建图象ＰＳＤＮ和重建图象质量都明显地成于传统的ＤＣＴ压缩方法。     

医学图象处理技术分析及进展

本文分析了医学图象处理技术的基本情况,介绍了目前三维医学图象的可视化,对各种图象文件格式、色彩模式、图象分割技术和压缩方法进行了研究,在分析研究各种技术在相关领域中应用的基础上,提出了医学图象处理技术所面临的相关问题及其发展方向。     

改进加权矩阵的双图像可逆数据隐藏算法

针对插值灰度图像嵌入容量有限和视觉质量较差的问题,提出了改进加权矩阵的双图像可逆数据隐藏算法,通过仅增加或减少载体图像的插值像素来嵌入多个机密数据位,进一步提高图像嵌入容量和视觉质量。该算法通过插值放大原始图像的大小生成载体图像,使用具有相同大小的共享预定义加权矩阵对原始像素块进行逐项相乘模和,将机密信息根据块的数量交替地嵌入2幅图像中,在每次迭代前,使用共享密钥修改加权矩阵以保护隐藏信息,加权矩阵有助于在较小失真的情况下嵌入更多的数据位,有效实现了安全性和嵌入容量。实验结果表明,该算法可以抵抗剪切、噪声、不透明修改等隐写攻击。相对于其他方法,该算法在嵌入容量和PSNR方面都有明显的提高。     

基于gλ模糊测度的加权模糊聚类方法及其应用

文章从传统的目标函数聚类方法的思想出发,在基于gλ模糊测度的聚类方法基础上,提出基于gλ模糊测度的加权模糊聚类方法,并给出基于统计特性的权值计算方法;分别利用图像的一维灰度特征与一维灰度直方图加权和二维灰度特征与二维灰度直方图加权,将2种加权的模糊聚类方法应用于图像分割;分别给出带有强高斯白噪声灰度图像和强黑白像素点噪声灰度图像的加权前后分割结果比较。     

基于递增权函数的邻接矩阵与非负矩阵分解的图像分类方法

将递增权函数的邻接矩阵和非负矩阵分解方法相结合,应用于图像分类.首先由图像中提取的特征点构造递增权函数的邻接矩阵,再对其进行非负矩阵分解,用分解后的特征向量作为PNN分类器的输入,实现对图像的分类.算法的可行性和准确性通过模拟图像和真实图像的多组实验得到了验证.     

三维连接系数矩阵的脉冲耦合神经网络彩色图像分割

提出三维连接系数矩阵的脉冲耦合神经网络(3D-PCNN)模型,将二维连接系数矩阵扩展成三维,值取空间欧氏距离的倒数,提出指数上升的动态阈值。利用神经元脉冲同步发放特性和自动波特性,直接分割彩色图像。结果表明,3D-PCNN算法与其他分割算法相比,运行时间减少了25%以上;该算法能够将不同区域信息以多层次彩色显示,改变RGB分量输入顺序时,同样可以分辨出更多的图像细节信息,分割精度高。     

基于内容的图像检索在电子商务中的应用

将基于内容的图像检索应用于电子商务,并分析了这项应用的优势和现状,探索研究了基于内容的图像检索应用于电子商务的几个关键问题.提出将商品图像分为3个环状区域,先去除商品图像最外层环状区域冗余信息,然后利用商品图像核心区域和中心区域的主颜色特征进行检索,再提取商品图像核心区域和中心区域的纹理特征进行二次检索.检索时根据图像核心区域的重要性,对图像核心区域和中心区域的特征采用不同的加权系数.经实验验证,本文采用的算法对一些类别商品图像有较好的检索效果.     

基于Keren改进配准算法的IBP超分率重建

提出了一种基于Keren改进配准算法的迭代反投影(iterative back-projection,IBP)超分辨率重建算法.该算法克服了Keren迭代配准算法基于小角度旋转的局限,并在迭代运算过程中引入了权重因子和阈值.权重因子有效地控制了算法的收敛速度,提高算法的稳定性.阈值的引入使得算法效率更高,配准结果更加准确.通过Keren改进配准算法进行配准,再通过IBP算法对配准后图像序列进行超分辨率重建,仿真结果表明,基于Keren改进配准算法的IBP重建具有良好的超分辨率重建效果.     

基于曲率约束因子与边缘加权法则的图像修复算法

针对当前较多图像修复算法主要通过对图像块进行方差和度量的方法来完成图像修复,忽略了图像块的显著边缘特性,使得修复图像容易出现模糊效应以及不连续效应等不良现象,导致算法修复性能不佳的不足,提出了基于曲率约束因子耦合边缘加权法则的图像修复算法.首先,通过像素点的等照度线方向构造曲率约束因子,对数据项进行约束,形成优先级度量函数,利用优先级度量函数选取优先修补块;然后,利用像素点的均值之差构造像素自相关模型,对样本块的大小进行了调整;最后,以样本块显著边缘为约束,构造了边缘加权模型,通过边缘加权模型联合SSD(sum of squared differences)模型建立了边缘加权法则,对最优匹配块进行搜索,用于对待修补块进行修复.仿真实验结果表明,与当前图像修复算法相比,本文设计的图像修复算法修复的图像具有良好的视觉效果.     

基于数字图像相关的塑性变形识别方法

为了检测金属构件表面的塑性变形,提出了一种基于加权光强相关系数的塑性变形识别方法．该方法利用数字图像相关方法,搜索变形后被测点的位置,然后将加权因子引入光强相关系数的计算。并以此来判断被测点是否已经进入了塑性变形阶段,最后用试验对完整的试件和带缺口的试件分别进行了弹塑性边界和塑性区域识别．研究结果表明,该方法能够准确地判断试件是否进人塑性变形阶段,并且能直观地识别出塑性区域．     

一种用于图像检索的幂归一化深度卷积特征加权聚合方法

针对图像检索中基于部位的加权聚合(PWA)方法存在的视觉突发问题,提出一种幂归一化的深度卷积特征加权聚合方法。首先简化了原PWA方法中用于确定空间权重的归一化和幂变换操作,直接将所选择的有区分性的通道特征图作为空间权重矩阵,然后引入新的幂变换函数并选取合适的参数对加权聚合后的通道响应进行归一化处理,最后通过PCA降维和白化处理形成图像的全局特征表示形式。在4个标准数据库上的图像检索实验结果表明,该方法能有效调节PWA聚合特征响应的突发度并提高图像检索的准确率。     

基于子带加权融合的多尺度Retinex图像增强算法

Retinex模型是人类视觉对亮度和色彩的感知模型,多尺度Retinex算法具有动态范围压缩大、色彩恒常性、色彩保真度高等特点,被广泛运用于低光照图像的增强。提出一种新的图像增强算法,首先用混合灰度变换函数替代传统的灰度变换函数,对图像做不同尺度的Retinex变换,并分解重复的频带信息,对各个独立的频带分别进行增强。然后引入图像融合的思想,将不同尺度Retinex图像的每个像素点都赋予不同的权重。最后得到输出图像。实验结果证明,本算法可有效增强图像的对比度,得到的图像清晰度高,色彩恢复好。