图象恢复算法研究

本文讨论和分析了目前图象恢复算法存在的问题和困难.基于模拟退火技术,建立了图象恢复的若干概念,并得到了若干理论结果,并提出了图象恢复模拟退火算法IRSAA.克服了传统图象恢复算法存在的局限性.     

基于自反馈神经网络的运动模糊图象恢复方法的研究

本文提出一种用自反馈神经网络来恢复被噪声污染的非零边界条件模糊灰度图象的方法。文中详细讨论了用于描述图象的神经元网络模型,给出了模型参数估计和根据该模型实现的图象恢复算法。在神经元网络模型中,图象的灰度函数被表示成神经元状态的简单代数和。实验结果表明由于神经元网络模型的容错性和自适应性,运用该方法对加有椒盐噪声的匀速直线运动模糊列车图象进行恢复,可以得到高质量的图象恢复结果。     

链码描述图象的快速恢复研究

给出一种新的链码描述图象的快速恢复算法，在对已有图象恢复算法的不足之处及对链码结构所具有的特点进行充分分析的基础上，算法将区域的链码描述转换成应用广泛的表结构表示，避免了传统图象恢复算法中的奇异性处理问题，提高了图象恢复速度，并可对多彩色图象进行处理。该算法在内点测试、集合演算中得以推广应用。     

车辆运动模糊图象恢复的一种新方法

介绍了图象处理和分析的方法在交通监测中的应用,在状态空间运动模糊图象恢复方法的基础上提出了一种改进方法,实验结果表明该方法可以有效地恢复原图象．     

基于MAP准则的图象恢复和边缘检测方法

运用基于马尔可夫随机场的ＭＡＰ准则进行图象恢复和边缘检测,并在运用模拟退火算法时,采用逐点象素向邻域跳变的方法,大大减少了运算量．从实验结果看,该方法明显好于视觉处理中常规的零交叉方法．     

图象恢复研究

算术迭代方法和其它几种图象恢复方法比较起来，更适合遥感图象的应用。本文对于几种比较典型的空域迭代的图象恢复方法进行了比较，给出了评价的准则，在此基础上，提出了改进的恢复方法，具有收敛性好，恢复图象质量高等特点。     

图象恢复研究

算术迭代方法和其它几种图象恢复方法比较起来,更适合遥感图象的应用。本文对于几种比较典型的空域迭代的图象恢复方法进行了比较,给出了评价的准则,在此基础上,提出了改进的恢复方法,具有收敛性好,恢复图象质量高等特点。     

分形图象压缩方法

分形图象压缩方法是近年来迅速兴起的一种高倍率图象压缩方法，而它的最大缺点是速度慢，文章介绍了这种方法的基本思想及若干改进的算法。     

基于独立性参数的无导师图象变形校正

从描述一幅图象变形程度的独立性参数入手，将图象变形校正问题转化为优化问题，并用单纯搜寻法进行优化参数搜寻。这种方法的优点在于其无需导师和对各种变形校正的通用性。文中给出了对线性变形和双线性变形校正的结果。     

用改进的模拟退火法（SA）对低信噪比图像的恢复

针对模拟退火法在图像恢复过程中收敛速度慢的问题，提出了以“编码”方式更新像元，邻点灰度级跃迁等技术，在保证高质量图像恢复的基础上，大大加快了模拟退火法的收敛速度。     

快速模拟退火算法用于噪声图像配准

提出一种基于快速模拟退火的噪声图像配准算法，将模拟退火算法纳入鲍威尔(Powell)直接搜索法可以使优化解不陷入局部极值解而获得全局优化解，而且可大大地提高运算效率。实验表明，该算法能对平移、旋转后的噪声图像进行有效地配准。     

一种纹理图像分割的松弛算法

利用分层马尔可夫随机场模型表征纹理图像，根据最大后验概论分布准则提出一种确定型松弛分割算法。对纹理图像进行分割的实验表明，该算法与模拟退火算法相比，明显地减少了计算时间，其分割误差与模拟退火分割误差非常接近。     

基于模拟回火退火的DT-MR图像平滑和估计

在采用高斯-马尔可夫随机场(GMRF)对扩散张量磁共振成像(DT-MRI)的原始图像进行平滑和估计时,要根据Bayes准则对图像灰度进行最大后验(MAP)估计.为了避免陷入局部最小的“陷阱”和减小计算量,MAP估计采用了模拟回火退火方法(STA).通过对未加权图像和不同梯度脉冲下的加权图像(共7幅)同时进行平滑和估计.结果表明,基于STA对图像进行平滑和估计能够大大减少噪声影响,从而在图像信噪比很低的情况下仍能保证张量场完全正定.把本方法的实验结果与传统模拟退火(SA)方法的结果进行比较,表明基于STA的方法能够更加有效地消除噪声影响,减小计算量.     

基于模拟退火算法与隐马尔可夫模型的Web信息抽取

典型隐马尔可夫模型对初始参数非常敏感,采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于W eb信息抽取时效果不佳.文中提出基于模拟退火算法与隐马尔可夫模型的W eb信息抽取算法.通过实验比较选择最佳的模拟退火算法参数,结合Baum-W elch算法优化隐马尔可夫模型并应用于W eb信息抽取.实验结果表明新算法在信息抽取的精确率和召回率都有明显的提高.     

基于马尔可夫随机场的遥感图像分割和描述

讨论了基于马尔可夫随机场的遥感图像分割．根据卫星遥感图像的特点,建立了相应的基于马尔可夫随机场的图像分割模型．由此将图像分割问题转化成图像标记问题, 并进一步转化成求图像的最大后验概率估计的问题． 本文引进了一种基于博弈理论的决定性退火算法, 可以用该算法对图像进行标记, 该算法收敛于局部最大, 在实验中取得了很好的效果．     

一种基于小波变换的图像自适应数字水印算法

提出了一种基于小波变换的图像自适应数字水印算法.首先对水印图像作置乱处理,然后对原始图像和置乱后的水印图像进行小波分解,并根据马尔可夫随机场对图像视觉效果建模,在该模型下求取每个低频系数的允许失真值,利用允许失真值调整水印嵌入位置和强度,从而达到自适应地嵌入水印的目的.最后,将所得的水印图像的低频系数嵌入选定的原始图像.     

图像增强技术中的智能算法

提出了一种基于粒子群与模拟退火算法相结合的进化算法.该算法利用模拟退火算法全局收敛性好和粒子群算法收敛速度快等优点，通过交换这两种算法的信息得到最优解.将这种新算法应用于灰度图像的自适应增强，实例计算表明该算法稳定性好，在收敛速度和求解精度方面都优于遗传算法等一些其它进化算法.     

马尔可夫随机场和模拟退火算法的SAR图像相干斑抑制方法

在合成孔径雷达(SAR)成像中,相干斑的存在严重影响了SAR图像的质量.由于马尔可夫随机场(MRF)可以很好地描述空间的连续性,如果选择适当的邻域系统,就可以很好地建立图像的结构特征模型.因此,为了抑制相干斑噪声,作者提出把吉布斯马尔可夫随机场(Gibbs-MRF)和模拟退火算法应用于SAR图像处理中.将图像强度理解为雷达散射截面积(RCS),采用模拟退火算法结合贝叶斯准则估计雷达散射截面积来抑制相干斑噪声.实验结果表明了此方法是有效的.