一种改进的SRGAN红外图像超分辨率重建算法

针对红外图像分辨率偏低的问题,设计了一种改进的超分辨率生成对抗网络(Super-Resolution Using a Generative Adversarial Network,SRGAN)算法.在生成网络中,提出应用残差密集网络获取各网络层提取的图像特征以保留图像更多的高频信息,并采用渐进式上采样方式以提升大缩放因...     

基于图像内容和人眼视觉特性的JPEG压缩编码

静止图像压缩主要包括变换、量化和编码 ,其中量化对压缩的性能 (图质和压缩比 )起决定作用 ,它涉及质量因子和基本量化表的确定。从输入图像的统计特性出发 ,通过比特率控制算法 ,统计图像的活动性水平 ,选择适当的质量因子使码流文件大小不超过给定值。并根据人类视觉系统的特征 ,计算出更能反映人眼特性的基本量化表 ,将二者结合起来用在JPEG基本压缩系统中 ,使系统的整体性能在率失真理论的意义上得到优化。软件验证表明 ,采用此算法进行压缩 ,在保证码流文件大小的同时 ,解压图像的可视效果好     

一种基于PC的快速三维图像重建方法

主要从传统FDK算法的改进和数据并行计算两方面来研究快速三维图像重建算法,提出了一种Z线优先重建法,能够有效地组织和划分重建数据,从而使得对重建数据的内存访问非常连续,便于采用单指令多数据(Single Instruction Multiple Data, SIMD)技术进行数据并行处理。最后基于Intel Pentium 4 CPU的PC平台,利用SSE/SSE2技术开发了三维图像快速重建引擎。实验结果表明本文提出的方法非常有效,与原始重建算法相比,在保证图像质量不受损失的前提下取得了20倍以上的重建加速比。     

基于BP神经网络的超分辨率图像重建

针对卫星图像成像过程中成像装置存在极限,导致图像分辨率低的问题,提出了基于神经网络的图像超分辨率重建(neural networks super-resolution reconstruction,NNSR)方法。该方法利用误差反向传播神经网络(back propagation neural networks,BPNN)对样本图像进行学习和训练,利用图像退化模型获取学习样本,采用向量映射加速BP神经网络的收敛,充分融合了低分辨率序列图像中的冗余信息。通过对训练好的神经网络分别进行样本仿真实验和泛化实验,验证了这种图像超分辨率重建方法的有效性。     

基于模型的CT三维医学图像重建仿真

2DShepp-Logan头部模型是CT二维医学图像重建领域普遍采用的经典模型。提出一种思路—以3DShepp-Logan头部模型作为CT三维医学图像重建进行仿真实验和算法性能评价的基本参考模型。首先介绍3DShepp-Logan头部模型的设计以及仿真投影数据的计算,进而描述所设计的CT三维医学图像重建仿真计算过程。数值实验部分给出了基于3DShepp-Logan头部模型的CT三维医学图像重建仿真实例。实验结果表明了该思路的可行性和模型计算的准确性。     

基于边缘信息的区域合并SAR图像分割算法

针对基于区域合并的合成孔径雷达图像分割中区域合并的顺序问题,提出一种利用边缘信息的区域合并技术。首先,利用改进的比例边缘检测算子获得初始过分割结果;然后,设计一个基于相邻区域的面积和边缘信息的区域合并优先级函数来引导区域合并的进行,该方法提高了模型参数的估计精确,同时保留图像的强边缘;最后,将边缘信息区域合并技术用于求解基于多边形网格的最短描述长度准则SAR图像分割模型。实验表明,与同类方法相比,本文方法的边缘检测能力与定位精度均有提高。     

优化视觉特性型多波段SAR图像像素级融合方法

针对多波段合成孔径雷达(synthetic aperture radar,SAR)图像数据特征,提出了一种优化视觉特性型像素级融合方法.该方法基于优化图像的视觉特性以及像素级融合的要求,利用小波变换对各波段SAR图像相对应的低频分量及各方向细节分量进行针对性融合处理,很好地将来自不同图像的特征与细节融合在一起.仿真实验证明,该算法可形成比单波段图像细节信息更为丰富、目测更为直观、统计特性更优的融合图像.     

基于区域和方向方差加权信息熵的图像融合

提出了一种基于非下采样Contourlet变换（nonsubsampled Contourlet transform, NSCT）的红外与可见光图像融合方法。首先对原红外图像进行图像分割,确定目标区域与背景区域,并将其映射到可见光图像中;然后对红外和可见光图像进行多尺度、多方向分解,分解后的低频部分在目标区域选择红外图像低频系数、在背景区域选择可见光图像低频系数,高频部分使用方向方差加权信息熵最大作为融合策略进行融合;最后对融合的系数进行重构得到融合图像。实验结果表明,本文算法在保留图像细节信息、增加信息量、方便目标检测方面都有显著地提高。     

心脏CT综合仿真模型及快速图像重建

首先介绍了胸部和运动两种CT(Computerized Tomography)心脏仿真模型,通过对原模型进行简化、改进和合并,定义了新的心脏综合模型.其次,通过坐标变换和心脏运动的简化实现了模型投影值的快速计算.最后,通过多周期采集模型的投影数据,由滤波反投影算法重建图像,仿真结果表明了模型及重建方法的有效性.     

基于损失提取反馈注意网络的图像超分辨率重建研究

自SRCNN(super-resolution convolutional neural network)将卷积神经网络用于超分辨率图像重建领域以来,人们通过大量的研究证明了使用深度学习的方法能够提高重建图像的效果。针对图像超分辨率网络中参数过多以及图像特征利用不充分导致可用的高频信息较少等问题,提出了一种基于损失提取策略的反馈注意网络(loss extraction feedback attention network,LEFAN),以循环的方式对参数进行复用,同时增加对低分辨率图像特征的重用,以捕获更多的高频信息,对重建过程中造成的损失进行提取并融合到最终的超分辨率图像中。实验结果表明：算法在实现多次利用低分辨率图像的基础上,对潜在的损失进行提取并融合到最终的超分辨率图像中,可以获得较好的图像重建效果。     

一种基于信息分存和混沌序列的小波域信息隐藏方法

提出了一种基于信息分存和混沌序列的小波域信息隐藏方法,给出了具体的信息分存方案和混沌序列产生及控制方法,同时校正方法很好地消除了数据“突变”的影响。实验结果表明,这种方法有效,易于实现,而且效果较好。     

基于图像的视景景深能见度数字仿真

图形仿真所采用的分辨单元简单几何关系模拟法,得到的视景图象往往没有景深和能见度等视觉效果,缺乏真实感。在视景图象仿真研究中,真实感是关键因素,也是研究视景真实视觉效果模拟技术的难题。本文试图从图象仿真与图形仿真的区别入手,探索解决这一难题的途径。通过对不同距离景物的成象影响因素分析,发现能见度差异是以往线性投影关系模拟法不能解决的障碍,研究大气光学传递特性及传递函数表征方法,利用计算机数字技术模拟反映能见度差异本质的空间频率域滤波变换,建立了能见度模拟模型和方法,探索实现了视景真实视觉效果图象的数字仿真。     

基于Gabor小波和神经网络的红外图像识别算法

首先对原始红外图像进行适当的预处理 ,然后用由小波Gabor滤波器的线性组合所构成的复合滤波器提取红外图像的特征 ,并且用神经网络获取最佳复合滤波器参数从而得到最佳的目标特征矢量。用两类方向相反 (左向和右向 )的低对比度红外坦克图像进行计算机仿真实验 ,取得了较好的识别结果。     

信息系统开发的并行工程方法

叙述了并行工程的概念和特点 ,并且将并行工程的原理应用于信息系统开发过程 ,提出了信息系统开发的生命周期、信息系统开发的上游工程和下游工程等概念 ,并以一具体开发实例说明这种方法的优点 .     

飞行训练仿真器视景显示系统及其方案选择研究

飞行训练仿真器视景显示系统的主要功能，是将图像生成设备生成的视景图像通过显示设备显示给飞行员，它是飞行员获取信息的主要窗口，其性能指标的高低直接影响到飞行训练仿真器性能和模拟训练效果。围绕这一关键子系统，阐述了其分类、不同类型显示系统的组成、显示原理及特点。并通过对现代战争背景下飞行任务训练对视景显示系统要求的分析，提出了飞行训练仿真器视景显示系统方案选择方法。     

基于信息熵的多维怪引子状态重构

针对多维怪引子状态重构的特性要求，提出了确定延迟时间变量的联合熵之第一极大准则，用于Ｒｏｓｓｌｅｒ吸引子的状态重构，分析讨论了该准则与互信息之第一极小准则的关系。     

红外图像目标分割方法研究

针对红外图像目标准确分割的难题 ,提出了一种有效的目标分割方法。该方法所遵循的基本准则是 ,使区域内部所考虑的特征或属性相同或相似 ,而这些特征或属性在不同区域中则是不同的或存在差异的。依据这个准则运用最大距离法和自动增强图像分割门限的方法实现了红外图像中目标的准确分割 ,并且通过实验验证了本方法的有效性。     

基于主动形变模型的医学序列图像的分割

对主动形变模型(active shape model)方法进行了改进,将其用于CT序列图像的分割,实现了对一些边缘不清晰的软组织的分割。一个组织在CT序列图像中其形状变化往往是连续的,据此,我们先在序列图像中按顺序每间隔几幅抽取一幅图像,用其他方法分割好;然后对分割结果使用主成分分析方法(Principle Component Analysis)计算其形变特征,生成可变形轮廓模板;再用这个模板去变形、配准、分割其他图像,从而达到一个比较理想的分割结果。     

一种结合亮度和粗糙度信息的舌像分割方法

舌像分割是数字化舌诊的第一个关键步骤。为了准确地从图像中分割出舌体,提出了结合亮度信息和粗糙度信息的分割方法。首先使用最大类间方差法在舌图像的亮度范围内自动选取阈值,提取出较亮的舌体部分,然后再利用粗糙度信息进一步剔除非舌体部分,最后使用数学形态学的膨胀、腐蚀和开运算操作等方法进行后续处理,得到最终结果,成功地实现了舌像分割的功能。实验结果表明,该方法具有较好的效果。     

基于Cg的Shader技术在视景系统开发中的应用研究

基于Cg的Shader技术是当今计算机图形领域中的前沿,结合显卡的硬件渲染技术,对视景系统中的水面流体特效如光照、HDR、凹凸纹理贴图等进行顶点与象素的编程,用极少的系统消耗实现了高性能的视觉仿真效果。和传统的mipmaping算法相比,采用基于Cg的Shader多重分辨纹理的技术可以大大减少多重细节变化所需的纹理数量,实现平滑的纹理细节级别变化。虚拟驾驶模拟器作为相关技术的解决方案和应用实例进行了介绍。