基于属性形态学分析的图像显著极值检测及应用

由于图像噪声的存在,使得利用传统的极值检测算法通常会使要提取的显著极值淹没在大量的噪声极值中;同时由于先验知识的缺乏,采用普通滤波技术也往往不能很好的滤除噪声,反而会破坏图像的关键结构。本文提出了一种基于属性形态学分析的图像显著极值检测算法。该算法可以在不需要对图像进行滤波的前提下,从数学形态学的角度对图像极值的显著性进行计算和评估,从而能够较好地提取出显著的极值。在沉浸模拟算法的基础上,给出了基于属性形态学分析显著极值检测的快速算法实现,并将其成功应用在视觉注意选择和独立运动目标检测上。实践证明,该算法不仅具有较好的抗噪声特性,而且快速实用,具有广泛的应用价值。

一种改进的时间域剩余动校正方法

在地震数据处理中,剩余动校正量对叠加成像效果有较大的影响,而常规剩余动校正方法由于实现技术上的原因使其应用存在一定的局限性。提出了一种改进型时间域剩余动校正方法,该方法对剩余动校正量的确定与剩余速度无关,而是通过提取同一地震道中不同时刻采样点的剩余时差来获取时移量。方法的基本原理是,建立与地震记录相关的模型道,确定模型道的显著极值点;将经过动、静校正后的CMP道集内各道数据与模型道数据在某一时窗内进行互相关,确定地震道的显著极值点,该点与模型道显著极值点之间的时间差即为剩余动校正量;显著极值点外的数据,则通过拉伸或收缩再整体移动的方法进行校正。应用实例表明,改进的时间域剩余动校正方法可以有效地消除剩余动校正量的影响,提高地震记录的分辨率,改善地震记录的品质。

基于分级策略的自动人眼检测与定位

为了能在正面人脸图像上对人眼位置进行检测和精确定位,提出了一种新颖高效的分级策略。利用Gabor变换计算显著极值图,得到若干具有最大显著极值的候选人眼区域;通过PCA(Principal Component Analysis)重构对候选区域进行验证,将具有最小重构误差的两个区域选定为眼睛区域;通过两级邻域运算对瞳孔进行精确定位。该方法对面部表情变化不敏感,同时具有非迭代和计算简单的优点。通过在JAFFE数据库上的对比实验,检测精度达到99.6%,验证了该方法的有效性。