网络传输图像数据常用压缩编码

多媒体技术与网络技术相互结合而使网络空间异彩分呈，网络数据传送的速度却令人们多少有些遗憾，这主要是由于带宽的限制；因此多媒体数据（特别是图像数据）传输是多媒体网络技术的一个重要问题。本文以信息处理技术和心理视觉特性为基础，对网络传输图像数据的常用压缩码技术的基本原理做了较为综合的介绍、分析，并在一定程度上揭示其技术内核     

基于SQI的超分辨率图像重建算法

提出了一种基于自商图像(Self Quotient Image-SQI)的超分辨率图像重建算法.该方法首先利用SQI提取光照不变量作为图像特征,并假设光反射分量具有分段平滑的特性,近似认为每一个小的图像块具有相同的增益系数;然后在流形学习的框架下,借助局部线性嵌套的思想构建高分辨率图像和低分辨率图像块间的关系,从而实现了超分辨率重建和图像增强.仿真结果表明,该算法有效地克服了传统方法受光照因素影响的缺点,在提高分辨率的同时克服了光照因素的影响,特别是对阴影效应的消除具有明显效果.     

基于DSP的低信噪比周期信号高速实时提取系统

本文介绍了一种基于ＤＳＰ的低信噪比周期信号实时提取系统的设计和实现。它能够以１６．６７ＭＨｚ的速度实时完成信号提取。通过在视频图像增强中的应用证明了该系统的可行性和有效性。     

数字化医学成像研究进展与未来趋势

疾病的数字化分析精确诊断与安全有效的精确治疗在临床具重要意义,而现代数字化影像设备与相关图像分析软件系统是其重要保证之一,亦是现代医疗器械产业中的主流产品．在产业发展中起着主导和引领作用。目前全球的数字化医疗影像设备市场主要被关、日、德等少数国家的少数几个跨国公司所垄断,我国相关产业由于研究基础薄弱、技术储备不足、创新能力低,以致其产品大多缺乏自主知识产权。国家973计划项目“现代医学成像与高维图像分析关键科学问题研究”深入开展了现代医学成像与高维图像分析中的理论模型与方法研究,本文主要介绍了该项目在医学成像与分析的基础理论模型、低剂量X线断层成像（CT）优质成像、快速磁共振成像（MRI）、正电子发射断层成像（PET）的优质动态成像,三维医学图像分割、临床病灶智能识别等取得的一系列成果,并简要展望了本领域的发展趋势及进一步的研究方向。     

基于小波变换与形态学的机场跑道异物检测算法

机场跑道异物(foreign object debris,FOD)检测的精准性和效率直接决定了民航运输业的安全。为了提高机场跑道异物的定位精度,研究中提出基于小波变换与数学形态学相结合的机场跑道异物边缘检测质心定位算法。此算法先对采集到的机场跑道图像进行小波分解,高频部分利用小波变换的尺度边缘检测,并进行小波阈值去噪;低频部分利用数学形态学算子进行形态学边缘检测,然后对得到的高频和低频图像进行融合,并对异物边缘轮廓进行增强,最后利用质心定位法求解异物像素坐标。实验结果表明:小波变换与数学形态学相结合检测出的图像边缘具有较好的互补性,结合了小波变换在边缘精确定位和对噪声的抑制方面较好的性能,数学形态学在检测弱边缘和保留图像细节的优点,通过此算法提取的跑道异物边缘信息细腻且定位准确,能有效识别与机场跑道背景相似的异物并准确定位。     

计算机视觉技术在人体测量中的应用

论述了计算机视觉在人体测量中的应用,给出了人体测量计算机视觉系统的基本组成、重要设计因素和图像处理典型技术,并提出了一种结构光测量算法.     

基于非下采样剪切波变换与显著信息加权的图像融合算法

为了克服当前较多图像融合方法主要依靠测量图像能量信息来完成不同系数的融合,忽略了图像的显著内容,导致融合图像含有吉布斯效应及间断效应等弊端,设计了非下采样剪切波变换(nonsubsampled Shearlet transform,NSST)耦合显著信息加权的图像融合算法.引入NSST机制,对源图像进行系数分解,获取高、低频系数.借助高斯滤波器来构造出显著度量模型,以计算图像拥有的显著信息.随后,利用信息熵函数来计算出图像拥有的细节丰富度.并以图像拥有的细节丰富度和显著信息为依据,设计低频系数融合的加权因子,以此完成低频像素的融合.最后,利用图像中像素点的三邻点像素值,融合高频系数,获取融合图像.实验结果显示,与当前图像融合技术相比,所提算法融合质量更好,融合结果连续性较强,所对应的平均梯度值较大.     

PSO与K-means混合聚类的PCB图像分割算法

图像分割技术在PCB自动光学检测中应用广泛。 K-means聚类算法简单有效,能实现PCB灰度图像的自动分割。然而,随机选取的初始聚类中心易导致K-means算法最终找到的是局部最优值,对PCB图像分割效果有一定影响。引入PSO算法的群智能搜索策略,提出一种新的寻找聚类中心的算法。实验表明,在PCB图像分割中使用该算法可防止陷入局部最优值。     

基于YUV色彩空间的Retinex夜间图像增强算法

通常夜间拍摄图像容易出现细节分辨不清的情况。为了改善夜间拍摄图像的质量,提出一种基于YUV色彩空间的Retinex图像增强算法和色度自适应校正方法。首先将图像从RGB色彩空间转换到YUV色彩空间;其次对明亮度分量Y采用多尺度Retinex算法增强,并利用增强后的Y分量对色度分量U、V进行自适应校正;最后将图像转换到RGB色彩空间输出,使图像在细节信息得到增强的同时颜色得到较好的保持。通过与其他Retinex算法比较,实验结果表明该算法在颜色保持和细节增强方面能够达到很好的效果。     

基于BP网络与Mahalanobis距离的图像识别技术(英文)

提出基于BP人工神经网络与Mahalanobis距离的图像识别技术.在对IC芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别.实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果.