基于边缘增强的多聚焦图像融合方法

提出一种基于边缘增强的多聚焦图像融合方法,对需要融合的2幅图像进行小波多尺度分解,根据绝时值最大的方法对高频细节分量图像进行融合,通过增强和提取原始图像的边缘信息强度指导低频近似分量的融合,以此突出融合图像中的边缘信息．采用信息熵和标准差等评价指标对该方法进行客观评价．结果表明：该方法融合效果良好,可以更好地突出低频域边缘细节信息,提高融合图像的清晰度,改善视觉效果．     

边缘分布确定的多元Copula函数构建

从二维随机变量(TRV)的边缘分布函数(MDF)与其联合分布函数(JDF)的关系出发,研究如何构建多维随机变量(MRV)的联合分布Copula函数,并对构建的函数进行拟合与检验。首先,简单介绍Copula函数的定义、SKlar定理和常用的函数类型;然后将TRV变量的MDF函数与其JDF函数的关系扩展到MRV变量;最后研究了TRV变量的MDF函数已知时,构建其JDF函数的方法,同时将其扩展到MRV变量,提出了新的构建MRV变量的JDF函数的方法,对构建的函数提出了相应的拟合方法和参数估计方法。     

人脸识别中眼睛定位的研究

选择人脸识别中的关键一步——眼睛定位进行深入研究。首先对眼睛定位的重要性做了简单地介绍,然后着重介绍了几种主要的眼睛定位方法,并从理论上对各种方法进行分析和比较,并进一步讨论了提高眼睛定位的准确度的难点和必须考虑的几个重要方面,最后展望了眼睛定位的发展方向。     

基于层间相关性的小波边缘检测

在计算机视觉系统当中，图像边缘检测占据着重要位置．图像成像过程中，噪声、畸变等因数引起图像细节模糊，如何有效提取图像边缘成为一个不断探索的课题．众所周知，采用Sobel、LapLacian边缘检测算子尽管能够有效地去除噪声的干扰，但是破坏了图像边缘细节．基于此，本文提出了一种基于层间相关性的小波边缘检测．在不同层间，如果低分辨率下的父系数绝对值大，则在高分辨率下四个相应的子系数的绝对值可能性也大，则其所代表地图像边缘信息可能性越大．因此，采用基于层间相关性的小波边缘检测算法既有效地去除噪声的干扰，又保留了图像边缘细节．     

基于区域填充的二值数字图像放大算法

二值数字图像是指仅由2种颜色组成的离散图像。采用一般方法放大二值数字图像,会导致图像的边缘出现模糊与锯齿现象,为此提出一种适合于放大二值数字图像的新算法;采用近邻取样法将图像放大到指定的倍数,通过搜索输入图像确定所有锯齿区域,将其映射到输出图像并进行区域填充;实验结果表明,该算法用于二值数字图像的放大能使图像边缘保持清晰与光滑,与其他方法相比具有明显的优势。     

基于边缘和像素类型标记的立体匹配算法

提出一种基于边缘图像特征和像素类型标记的立体匹配算法,利用边缘信息及视差在边缘和非边缘区域的分布特征,指导有效初始视差在扫描线方向的传递。并且根据标记值对部分不可靠的像素点进行反向赋值和边缘内中值滤波处理,达到视差精化目的。实验证明这种方法对于整体视差范围不太大的远距离图像,能够获得较为精确的稠密视差图。     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明, 该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

一种新的子像素级边缘检测算法

将数学形态学、数值分析方法与传统的边缘检测理论相结合，构造出一种新的理论体系完备的子像素级边缘检洲算法，从滤波、边缘定位、拟合求精等多个方面对传统的边缘检测算法加以改进，使其可以在诸如精密检测等多个应用领域发挥作用。     

基于边缘信息和时空马尔可夫模型的运动目标检测方法

针对传统方法易受阴影和噪声的影响,不能精确分割出运动目标的情况,提出了一种基于边缘信息和时空马尔可夫模型的运动目标检测方法。首先对3帧连续的图像进行边缘提取,然后通过差分法运算获得两帧初始标记场,随后对两帧初始标记场进行"与"操作获得共同标记场,利用迭代条件模型求解共同标记场的全局最小值,进而实现近似求解最大后验概率的估算,获得优化的标记场,最后通过阈值分割和形态学处理完成对目标的检测。与多种方法进行比较表明,该方法能对运动目标进行准确检测,且具有很好的鲁棒性。     

一种基于小波和形态学的边缘检测方法

提出了一种基于多分辨率小波和二值形态学的边缘检测方法，通过对图像进行多尺度的小波分解，抛弃低频信息来重构小波系数．对重构后的图像利用形态学中的八邻域处理来提取边缘信息．实验结果表明该方法边缘定位准确，对边缘细节的检测效果明显．