基于增量方法的均匀B样条曲线快速生成算法

E-mail:hfgdhbt@163.com摘要论文在分析函数的Tailor级数展开后,给出了一种基于增量方法的均匀B样条曲线的生成算法。该算法在初始化后,只用到加法运算,效率极高。该算法还可推广到非均匀B曲线曲面的生成,具有广泛的应用价值。

复Daubechies小波域HMT模型Bayesian图像去噪

提出了基于复Daubechies小波域隐马尔可夫树(SDW-HMT)模型Bayesian图像去噪算法,由于SDW小波是紧支撑、对称、正交小波,且具有近似线性相位,将其与HMT模型结合,能够更加准确地刻画小波系数的统计特征,在Bayesian图像去噪中获得很好的效果,仿真实例显示了所提算法的有效性。

P-nary细分多层B样条算法及曲面拟合

多层B样条方法在曲面的拟合中提供了新的途径。在证明均匀B样条基函数P-nary细分方程基础上,给出了均匀B样条曲线的P-nary细分控制点之间的计算公式,进而讨论了B样条曲面的P-nary细分问题,并将其用于层次B样条曲面拟合。提出了基于P-nary细分多层B样条曲面拟合算法。该算法加快了层次B样条曲面拟合中网格加细后曲面控制点的计算,数值实例显示所给算法的有效性。

基于非下采样双树复轮廓波变换和稀疏表示的红外和可见光图像融合

提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法,以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像,利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点,提出改进的稀疏表示(ISR)的融合规则用于低频子带;然后将改进的空间频率作为脉冲耦合神经网络的外部输入,提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明:本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比,实验的两组图像中4个客观指标:互信息(MI)、边缘信息保留量QAB/F,平均梯度(AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。

用整线性插值方法导出增量算法

本文介绍了整线性插值方法 ,运用该方法使得增量算法有一个统一的处理 .作为例子 ,文中给出了如何用这种方法导出

结合SIST和压缩感知的CT与MRI图像融合

为了增强医学图像融合质量,提出了一种基于平移不变剪切波(SIST)和压缩感知的CT和MRI图像融合方法。首先,将源CT与MRI图像经过SIST分解后得到低频子带和高频子带;其次,对低频子带,提出了一种结合新的改进空间频率、改进的区域加权能量和局部区域相似匹配度的融合规则;对于高频子带,提出了一种基于自适应2PCNN-CS的融合规则;最后通过SIST逆变换得到融合图像。实验表明:本文方法在客观指标和图像视觉效果上都优于传统的CT与MRI医学图像融合方法。

基于插值与NSQCT域融合的图像超分辨率重建

为了提高图像的分辨率和较好地保留图像的细节信息,提出一种基于插值与非下采样四元数轮廓波变换(NSQCT)域融合相结合的单幅图像超分辨率重建算法。首先对源图像进行软判决自适应插值和三次样条插值;然后对两幅插值图像进行NSQCT分解,对于低频子带系数,提出了基于区域平均梯度、区域能量和S函数相结合的自适应加权融合规则;对于高频子带系数,提出了一种基于改进的拉普拉斯能量和与加权分析法相结合的融合规则;最后对融合系数进行NSQCT逆变换得到高分辨率重建图像。实验结果表明,本文方法在峰值信噪比、结构相似性及视觉效果上均优于一些经典的重建算法。

混合相依过程局部多项式加权回归估计渐近正态性的进一步结果

对相依时间序列数据 ,在一定的条件下已有人证明了局部多项式加权回归系数估计服从渐近正态分布 ,其中核函数是有界的 .但在非线性相依过程 (如 ρ 混合过程和强混合过程 )中 ,当数据之间的相依程度较大时 ,这种核函数便失去其合理性 ,作者在更广泛的核函数空间上考虑了这个问题 。

正交Hermite-Padé表中沿对角递推公式

文章首先建立了正交多项式序列中任意两项乘积的公式,然后在正规性条件下,在s维正交H-P(Hermite-Padé)表中沿对角线递推地构造正交H-P多项式序列,解决了正交H-P多项式的计算问题,并给出了余项估计式。

非下采样四元数剪切波变换域的图像融合

目的由于一些光学镜头聚焦范围的有限性,很难对同一场景中所有物体都清晰地成像在一幅图像中,而将同一场景中的多幅源图像进行融合可以得到一幅全景更加清晰的图像,为了增强融合图像的质量,提出了一种新的非下采样四元数剪切波变换(NSQST)的图像融合算法。方法首先将源图像经过NSQST分解得到低频子带系数和高频子带系数;其次,对低频子带,提出了一种改进的稀疏表示(ISR)的融合规则;对于高频子带,提出一种改进的空间频率、边缘能量和局部区域相似匹配度相结合的融合规则;最后通过NSQST逆变换得到融合图像。结果与其他5种融合方法进行对比,本文方法获得了较好的客观指标和视觉效果,其中与NSCT-SR算法相比,本文方法获得的4个客观指标分别提高了3.6%、2.9%、1.5%、5.2%,3.7%、3.2%、3.2%、3.0%和6.2%、3.8%、3.4%、8.6%。结论通过多聚焦图像进行融合实验,实验结果表明该方法可进一步应用于目标识别、医学诊断等领域。