基于PCNN的图像融合新方法

本文提出了一种基于PCNN的新型图像融合算法。首先,对待融合的两幅图像进行平稳小波分解得到两组多尺度图像;接着,取其中任意一组作为主PCNN的输入、另一组相应的图像作为从PCNN的输入,在每次迭代时,经并行PCNN点火后,得到一系列多尺度融合图像;然后,对它们进行平稳小波反变换得到每次迭代的融合结果;最后,计算每次迭代结果的信息熵,取信息熵值最大的融合图像作为最终结果。大量的实验以及与其它融合算法的比较分析,表明了本文算法的有效性和优越性。

基于小波变换的多尺度水平集算法研究

针对传统水平集算法在处理低对比度图像时,出现的在局部梯度极大值区域及虚假边缘处停止演化等问题,提出了一种基于小波变换的多尺度水平集算法.采用高斯函数的导函数作为小波函数,使用独立强度传播模型来估计小波函数每一点尺度因子的值,再将沿x,y两个方向小波变换模的递减函数作为水平集速度停止项,对待处理图像进行水平集演化运算.实验结果表明,该方法优于传统水平集变换法.

一种新的水平集停止项函数选取方法研究

现今的停止项采用的全局阈值法很难使经典水平集算法得到较准确的分割效果。为此,构建了一个新的停止项函数,该函数在梯度较小时为一个常数,超过某个阈值后为单调递减函数,直至到某个梯度时递减为零。这保证了采用该函数的水平集方法能够实现在同质区加速演化,在边缘区停止演化的目的。实验结果表明,采用新的停止项函数能够使水平集方法获得更好的分割结果。

基于边缘与角点相结合的目标提取与匹配算法

针对红外图像与可见光图像匹配困难的现状,提出一种基于边缘与角点相结合的目标提取与匹配算法。首先考虑红外与可见光图像的差异,采用边缘与角点相结合的方法直接提取红外与可见光图像中的目标区域,剔除无效信息。相似性度量采用傅里叶描述子方法。实验结果表明,该算法通过定位显著性区域,有效提升了算法的执行效率与匹配精度,与傅里叶描述子方法和CSS方法相比,新方法匹配准确精度分别提高了27.9%和17.6%;相比于傅里叶描述子耗时减少了39.1%。

基于自适应滤波器的水平集算法

针对传统水平集无法正确分割含乘性噪声图像的缺点,提出了一种基于自适应滤波器的水平集算法。该算法首先将自适应滤波器引入到速度停止项中,以消除乘性噪声对水平集演化的影响;其次,通过估算图像同质区域的相对方差值,达到区分边缘区与同质区以及保持边缘的目的;最后,将该速度停止项带入到水平集演化方程中,对图像进行演化运算。实验结果表明,该方法能够在抑制乘性噪声的同时较好地对图像进行分割。

基于改进Bubble函数的红外图像边缘提取方法

针对bubble函数不具有调节带宽的缺点,提出了一种改进的bubble函数,该改进函数能够通过调节参数来获取不同时域、频域响应和滤波效果。将改进后的bubble函数与平稳小波相结合构造出多分辨率网络,该网络利用平稳小波变换去除噪声、利用改进bubble函数增强图像边缘,从而可以准确、有效、快速的提取出图像的边缘。实验结果表明,该方法优于传统bubble函数与平稳小波相结合提取边缘的效果。

改进Bubble函数的多分辨率边缘提取方法

在数学上,通常用Bubble函数来描述神经系统的侧抑制现象。Bubble函数在频域里相当于一带通滤波器,它可以反映不同的时域、频域特性,但它不具有调节带宽的功能。因此对Bubble函数进行改进,改进后的Bubble函数能够通过调节参数来获取不同时域、频域响应和滤波效果。最后,用改进的Bubble函数将小波和侧抑制有机地结合,构造出多分辨率侧抑制网络,该网络利用小波变换去除噪声、侧抑制网络突出边缘,从而可以准确、有效、快速地提取出图像边缘。

平稳小波的侧抑制网络边缘提取方法

侧抑制网络具有“突出边框,增强反差”的功能,但其增强反差的同时也增强了噪声,其抗噪性较差。正交小波阈值去噪法对图像噪声有一定抑制作用,然而对于图像中噪声幅度较大的情况下,正交小波变换会使图像边缘失真,甚至模糊。基于平稳小波变换的图像去噪法,可以有效降低噪声的同时较好地保持图像的质量,与基于正交小波变换的阈值降噪方法相比,有明显的优越性。因此利用新Bubb le函数将平稳小波和侧抑制网络结合起来,用平稳小波变换去除噪声、侧抑制网络突出边框,从而准确、有效地提取出图像的边缘。

一种新的ICM模型参数设置方法

针对ICM模型用于目标识别参数需要人工设置的问题,提出一种新的ICM模型参数设置方法。该方法从提高目标识别率出发,提出利用相关系数确定ICM模型参数学习准则,使用梯度下降法对这一准则进行求解,达到根据输入图像的不同自适应确定ICM模型参数的目的。实验结果表明该方法可以很好解决传统ICM网络参数需要人工选取的劣势。

基于谱残差显著区域检测的图像分辨率归一化方法

根据人类视觉系统的特点,提出一种自适应归一化图像分辨率的预处理方法。该方法通过计算图像灰度分布情况,根据图像所包含显著区域大小的不同,自适应的确定图像分辨率,打破了谱残差算法无论什么图像均将其归一化为固定分辨率大小(64×64)的局限;同时该算法还能够根据图像中所包含目标的不同大小,完整地提取出所有显著性目标,有效克服了谱残差算法倾向于小目标检测的缺点。实验结果表明:相对于谱残差算法,新算法简单,耗时少于0.1 s,检测准确率提高约15%,可以得到显著区域更为全面的检测效果。

量子思想探讨能量和参考系的关系

当前,物理思想中的能量守恒是工程运用与理论计算中的一个重要思想,在牛顿的绝对时空中,能量守恒被广泛运用。当光量子理论出现以后,根据普朗克等人的理论,光子能量只与频率有关,由于电磁波的多普勒效应,能量似乎会因参考系的改变而改变。在简化模型的基础上展开讨论,以没有质量的光子为例,并运用当前被广泛承认的相对论的基本假设,在量子的基础上运算参考系改变对能量的影响,通过计算,文中认为,能量总和不会随参考系的改变而改变,当前常用的光子能量公式E=Hν不能表征光子的总能量。

构建“探究式”教学模式提升本科生创新与实践能力

自动控制原理是"探测、制导与控制"专业的主干专业基础课。为提高课堂效率、提升本科生的创新实践能力,建立了"探究式"教学模式。首先论述了"探究式"教学模型的建立方法;其次,给出了应用教学实验平台,建立以培养自主创新能力为导向的教学实践环节的方式;接着论述了如何在教学中引导本科生提前进行科研工作。实践结果表明,"探究式"教学对于培养学生的创新精神、推动教学改革具有重要的推广和应用价值。

多结构元形态学和PCNN的图像凹点检测

脉冲耦合神经网络(PCNN)模拟人眼视觉机制进行凹点检测时,受背景和噪声影响较大,不易检测出有效凹点。提出一种基于多结构元形态学和PCNN改进模型的凹点检测方法。首先利用多结构元形态学边缘检测器抑制背景和噪声影响,保持图像的层次性和主要细节,然后通过PCNN改进模型进行凹点检测,最后选择适当的阈值调整凹点数目。实验结果表明,凹点的选择准确有效,非常符合人眼视觉机制。

利用对数极坐标的快速水平集算法

针对传统水平集算法计算效率低的缺点,提出了基于对数极坐标的快速水平集算法。该算法首先将均匀采样的图像映射到对数极坐标系下,再进行水平集演化运算,从而实现减少数据量、提高算法执行效率的目的,并对直接法、窄带法以及本方法的计算速度作了对比,实验结果表明,在同样获得理想分割结果的情况下,本方法分割尺寸为128×128,256×256,512×512的图像所用时间分别为0.751min,1.549min和6.113min,其计算速度要远快于另外两种方法。

基于方向可调滤波器的多尺度水平集算法研究

针对传统水平集算法只采用图像沿x、y两个方向的导数来作为图像梯度的缺点,提出了一种新的基于多方向的水平集研究算法。对图像进行两层方向可调金字塔分解,将图像分解成不同尺度、不同方向的子图像,并将水平集停止项中不同尺度的图像梯度由原来的两方向扩展为四方向,采用插值法将边缘提取结果从粗尺度投影到细尺度上。实验结果表明,该方法优于传统水平集变换法。

一种新的时空局部特征提取方法及在目标识别中的应用

针对大多数特征提取算法忽略时间因素对识别精度影响这一问题,提出了一种新的时空局部特征提取方法。首先采用Harris算子提取关键点并估算出该关键点处的尺度,并使用无迹卡尔曼滤波器对关键点处的位置进行跟踪,获取不同时刻下的关键点簇;再采用小波系数描述关键点簇的特征区域、采用SSD衡量关键点簇上相邻两时刻特征向量的相似度,并保留随时间推移SSD值变化缓慢的关键点簇;最后使用高斯统计模型对这些关键点簇的特征向量进行统计建模,获取时空局部特征。实验结果表明,文中方法的目标识别精度高于基于SIFT的目标识别精度约10%。

基于梯度矢量流的水平集算法研究

针对传统水平集分割图像时,经常会出现演化曲线停止于梯度的局部极大值或孤立的边缘处的缺点,对速度停止项进行了改进。该方法将梯度阈值和梯度矢量流引入速度停止项中,利用梯度阈值来使边缘得到更好的保持;利用梯度矢量流来代替梯度场以扩大边界梯度场吸引曲线的范围,避免出现演化曲线停止于梯度的局部极大值或孤立的边缘处的现象.实验结果表明该方法优于传统水平集方法.

PCNN图像分割新方法

为了解决脉冲耦合神经网络(PCNN)难以确定最优分割结果以及脉冲产生门限由非线性方法计算得到的问题,提出了一种基于PCNN的图像分割新方法。该算法采用线性方式动态调整脉冲门限,采用二维最大相关准则确定PCNN网络的循环迭代次数,并引用中值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响。实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性。

基于改进SIFT算法的图像匹配方法

研究图像匹配定位识别精度问题,针对同一图像两个不同视点的匹配,为提高不同分辨率不同尺度的图像匹配精度和效率问题,提出一种改进的基于尺度不变特征变换(SIFT)算法的图像匹配方法。由于算法具有良好的尺度、旋转、光照等不变特性而应用于图像匹配中,在分析SIFT特征向量生成过程的基础上,以准欧式距离代替欧氏距离作为特征描述符之间的相似性度量来提高SIFT特征匹配效率。实验结果表明,方法在保持图像匹配率和算法鲁棒性情况下,不仅缩短了匹配时间,还提高了图像匹配的精度,证明图像匹配的有效性。

基于最大熵和PCNN的图像分割新方法

针对脉冲耦合神经网络(PCNN)无法确定最优分割以及脉冲门限具有非线性因子的问题,提出了一种基于最大熵和脉冲耦合神经网络的新型图像分割算法。该算法采用线性方式动态调整脉冲门限,采用最大熵确定PCNN网络的循环迭代次数,并引用均值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响。实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性。