基于Curvelet变换的边缘锐化方法

介绍了Curvelet变换的基本概念,说明了Curvelet在边缘锐化的算法实现,提出了Curvelet变换在边缘锐化中的进一步研究方向,指出了Curvelet变换能更适合图像边缘锐化,它克服了小波变换在图像锐化应用中的不足,显示出了很多的独到之处。     

粒子群优化算法在柔性边缘检测方法选取中的应用

边缘检测是图像处理中很重要的组成部分,其效果好坏直接影响到后面的图像分析。柔性形态变换用于图像边缘检测的方法有多种,粒子群优化(PSO)算法是一种有效的全局优化方法,广泛应用于函数优化,神经网络训练以及模糊系统控制等领域。该文将粒子群算法引入柔性形态学用来选取最佳图像边缘检测方法。实验结果证明,该文所提方法行之有效,值得推广。     

基于多分辨率分级分块处理的边缘检测方法

为了有效提取运动目标的特征,在目标检测的基础上,要对其进行边缘检测.由于传统逐点扫描方法运算量大,提出一种基于多分辨率分级分块思想的边缘检测算法.该方法先把图像分为多个子块后根据其四个顶点判断该子块是否包含目标,再对目标子块进行扫描确定目标的边缘.实验结果表明,此方法准确地确定目标的边缘,同时检测速度比传统逐点扫描法有一定程度的提高.     

混合地震反演技术及其在东海南部陆架盆地中的应用

介绍了一种在无井或少井情况下的叠前叠后混合地震反演方法。该方法充分利用了叠前反演分辨率高和叠后反演效率高、抗噪能力强的优点。首先应用遗传算法理论在所选控制点的角道集数据上进行叠前波形反演,求取控制点的虚拟纵波速度曲线;然后利用纵波速度曲线和已知地质信息来建立初始模型,进行叠后约束反演。我国东海南部陆架盆地勘探程度低、探井数量少,适合于混合地震反演技术的应用。利用该地区的实际资料进行了混合地震反演,并对影响混合地震反演效果的关键因素（层速度、角道集数据、迭代次数、已知地质信息）进行了分析。结果表明,为了获取虚拟纵波速度,需要准确的速度谱和角道集数据;为了增强叠前反演的实用性,需要选择恰当的控制点;充分利用已知地质信息,可以减小叠后反演结果的多解性。     

一种基于约束边界模式的超分辨率图像重构算法

超分辨率图像重构是利用多帧低分辨率图像重构出一幅具有更高分辨率图像.一般的凸集投影算法在放大倍数上升时存在两个问题: 一是计算复杂性急剧上升, 二是边缘振荡效应的加剧导致成像质量迅速恶化.本文针对凸集投影算法, 提出了一种基于约束边界模式的算法.实验结果表明, 新算法能够在有效抑制边缘振荡效应的同时, 较大地提高了重构速度.     

单壳体潜艇球柱组合壳结构强度特性研究

针对单壳体潜艇的球柱组合壳结构的强度特性,分别采用无矩和有矩理论建立了结构构件的力学模 型,推导了结构位移和转角的精确解.结合连接处的变形协调条件,给出了组合壳结构连接处的位移和转角公式.通过实例计算,分析了各项结构参数变化对组合壳强度的影响,结果表明:组合壳结构中的轴向力是诱导结构变形的主要因素,在连接处附件结构将产生两个变形拐点,其中近柱壳拐点为危险点.     

Lazy元和Sweedler上边缘算子

设H是Hopf代数，A是左H-模代数．定义了集合Reg^n（H，A）中的lazy元，证明了lazy元的全体构成的集合RegL^n（H，A）对于卷积运算作成了RegL^n（H，A）的子群．并且进一步证明了在Sweedler上边缘算子作用下，lazy元依旧对应着lazy元．     

基于区域生长的生物医学图像交互式分割算法

本文着重研究了交互式的分割算法,即由使用者给出图像中包含目标的感兴趣区域,再利用算法对该区域进行分割。文中在对基本区域生长算法的特点进行分析后,提出了一种基于边缘强度的区域生长算法。     

基于密切值法边缘检测效果的一种定量评价方法

一个定量的、可行的边缘检测效果评价方法对各种算法的评估有重要意义,文中在边缘检测效果评价问题中引入了密切值法,以经典算法作为标尺,通过计算待评价算法和各常用的检测算子所得数据的密切值,提出了一种定量评价检测效果的方法。密切值法计算复杂度低,且未将图像真实边缘作为已知条件,易于实现,因此在对图像边缘检测算法进行预估时,是一种可行的方法。     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计，得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。