基于Laplacian金字塔和小波变换的医学CT图像增强算法

对医学图像进行增强可提高信息的利用率。传统的图像增强方法应用于医学图像时处理效果一般,存在诸多问题,如在增强图像的同时使图像的细节丢失,减弱了图像中目标的边缘信息,降低了图像的对比度。针对上述问题,提出一种基于小波变换和Laplacian金字塔分解的图像增强算法。首先,对原医学图像进行小波变换分解,得到处理结果;然后,对原医学图像进行Laplacian金字塔分解,得到医学图像的高频信息;最后,利用小波变换的结果和Laplacian金字塔分解的结果进行重构,得到增强后的图像。实验结果表明,该方法的增强效果明显优于传统的图像增强算法,对医学图像具有较好的增强效果,同时能更好地抵抗噪声。

薄元分解与Laplacian光顺相结合的四面体有限元网格优化方法

提出一种有效的三维实体四面体有限元网格质量优化方法以满足有限元分析对网格质量的要求。对薄元分解法进行改进,改进的薄元分解法更全面地考虑了各种劣质单元类型,能够对三维实体网格剖分中产生的各种类别的孤立劣质单元进行有效的分解;将改进的薄元分解法与Laplacian光顺优化方法相结合以解决某些网格剖分算法如推进波前法和Delaunay三角化方法产生的非孤立劣质单元问题。经过实例检验,本文提出的四面体单元网格优化算法健壮有效、易于实现,能够显著提高最差单元的质量。

采用金字塔分解的最小二乘影像匹配算法

最小二乘（ＬＳ）算法因其高精度而在影像匹配中被广为采用，但单纯的ＬＳ算法有收敛范围小、收敛速度慢等缺点．本文实现了结合金字塔分解的ＬＳ匹配算法，此算法能大大增加单纯ＬＳ算法的收敛范围，提高匹配率，而运算时间与单纯ＬＳ法基本相当，并且保持了它的高精度．实验表明，此算法的精度高、匹配率高、收敛范围大。

基于LWT-QR分解和Laplacian Pyramid的水印算法

目的为了提高数字水印的鲁棒性和不可见性,提出一种基于Laplacian Pyramid和LWT-QR分解的水印算法。方法首先对宿主图像进行2层Laplacian Pyramid分解,取其第2层Laplacian残差图像进行一层LWT分解,取其低频子带进行大小为4×4的无重叠分块处理。然后,基于提升小波系数的相关属性,再对每个选中的低频子块进行QR分解,取分解后R矩阵的第1行为目标进行水印的嵌入,同时对水印进行Arnold置乱,置乱后的水印图像嵌入到R矩阵的第1行元素中。结果嵌入水印后图像的PSNR能够达到45 d B,而且该方案对常见的信号处理攻击有较好的鲁棒性,NC均值在0.9以上。结论理论分析和大量的实验数据表明,该方案能够很好地改善图像操作过程中的鲁棒性和不可见性。

基于金字塔分解的自动色彩均衡算法

针对传统自动色彩均衡算法运算速度慢、暗区细节不明显的缺点,提出一种基于金字塔分解的自动色彩均衡算法。使用对数运算将暗区图像映射到更适合人眼观察的颜色空间,利用高斯卷积核构造图像金字塔图像序列,从金字塔最顶层图像开始进行自动色彩均衡,并对增强结果逐层进行细化,直至金字塔最底层得到最终的增强图像,细化时只需要少量像素间的比较操作,因而大幅降低了运算复杂度。实验结果表明,该算法能有效改善图像质量,保持图像细节信息,并且计算复杂度较低,便于实际应用。

空间金字塔分解的深度可视化方法

针对基于深度卷积神经网络的图像分类模型的可解释性问题,通过评估模型特征空间的潜在可表示性,提出一种用于改善理解模型特征空间的可视化方法.给定任何已训练的深度卷积网络模型,所提出的方法在依据原输入图像使得模型类别得分激活最大化时,首先对反向传播的梯度进行归一化操作,然后采用带动量的随机梯度上升训练策略,反向回传修改原输入图像.引入了通过激活最大化获得的图像可解释性的正则化方法,常规正则化技术不能主动调整模型特征空间的潜在可表示性,结合现有正则化方法提出空间金字塔分解方法,利用构建多层拉普拉斯金字塔主动提升目标图像特征空间的低频分量,结合多层高斯金字塔调整其特征空间的高频分量得到较优可视化效果.通过限制可视化区域,提出利用类别显著性激活图技术加以压制上下文无关信息,可进一步改善可视化效果.对模型学习到的不同类别和卷积层中单独的神经元进行合成可视化实验,实验结果表明提出的方法在不同的深度模型和不同的可视化任务中均能取得较优的可视化效果.

联合非降采样金字塔与经验模态分解的遥感图像融合算法

为了更好地进行遥感图像融合,联合非降采样拉普拉斯金字塔变换(NLP)和二维经验模态分解(BEMD),提出了一种利用分解系数绝对值和瞬时频率作为融合特征的遥感图像融合新算法.首先利用非降采样金字塔对高分辨率全色图像(PAN)进行分解,使其低频部分和低分辨率全色图像(MS)具有相同的尺度特性;再对低频部分和MS图像进行BEMD分解,得到二维内蕴模态函数(bimf)和趋势图像,并计算各层bimf的4方向瞬时频率.为了尽可能提高空间细节质量,利用瞬时频率和分解系数绝对值作为融合特征,并考虑bimf部分对应位置系数的正负关系,采用加权算法对高频细节部分进行融合;最后进行相应的BEMD和NLP逆变换,得到融合图像.实验表明,该方法对融合影像的光谱质量和空间细节质量都有较好的改善.

一种基于局部金字塔分解的图像拼接

目的研究提高图像拼接效率的方法。方法利用拼接区域的相似性信息降低图像拼接的计算量。结果提出一种图像拼接过渡区域的搜索方法,并以此在空间上约束被拼接图像拉普拉斯金字塔(Laplacian pyram id)分解和图像的拼接、重构计算。结论实验表明该算法在保证拼接质量的前提下明显提高了基于金字塔分解的图像拼接算法效率。

基于归一化互信息和金字塔分解优化的图像配准算法研究

针对红外和可见光图像的特点,提出了一种改进的以归一化互信息为相似性测度的异源图像配准方法。为了提高算法的效率,采用金字塔分解法对该算法进行了优化。以红外和可见光图像的配准作为验证实验,证明了该算法的有效性。

二维形状的金字塔分解

二维形状的金字塔分解在形状编码和形状分析中具有广泛的应用.为解决在拼图游戏中无法提供所有类型的标准件这个问题,提出一种基于多边形最长对角线的二维形状金字塔分解方法.首先将任意多边形划分为2个子多边形;然后基于可视性原理构建2个子多边形之间的可见性距离矩阵,由该矩阵的最大元素给出最长对角线;最后以最长对角线为底,在不引入额外顶点的情况下,通过分而治之的方法分解出尽可能大的金字塔形状.实验结果表明,该方法得到的结果接近最优解,并且在拼图游戏的应用中展示了其有用性和有效性.

基于Laplacian金字塔的逆有序抖动算法

针对有序抖动半调图,提出一种基于Laplacian金字塔的逆半调方法。采用分治策略,利用Laplacian金字塔变换将图像分成低频和高频区域,通过滤波器组抑制高频噪声,同时保持图像边缘,改善逆半调图像的质量。实验证明,该算法具有时空复杂度较低、峰值信噪比高等特点。

基于金字塔分解的分层光学相关匹配策略

在光电混合相关识别系统中,由于光电和电光转换的限制,相关运算不能以光速来进行,降低了系统实际的处理速度。该文将金字塔分解用于光学相关匹配,以实现分层光学相关,来提高海量图像的处理速度。首先分析了构建图像金字塔过程中的滤波方法和目标尺寸对相关结果的影响,从而选定了合适的图像金字塔类型,确定了系统所容许的目标尺寸,然后阐述了分层相关匹配的实现方法。利用该方法处理速度至少可提高约4倍。

基于简化脉冲耦合神经网络与拉普拉斯金字塔分解的彩色图像融合

针对图像空间分辨率低及分类精度不高等问题,提出一种基于简化脉冲耦合神经网络(S-PCNN)与拉普拉斯金字塔分解算法的彩色图像融合算法。首先,把RGB图像转换到HSI彩色空间中得到H、S、I三个分量,将H分量输入到S-PCNN模型中,利用S-PCNN对H分量进行特征区域聚类后,基于脉冲震荡频图和局部熵实现各源图像的H分量融合;然后采用拉普拉斯金字塔对S、I分量进行分辨率分解,根据不同融合策略对不同拉普拉斯金字塔图层中的S、I分量进行融合。最后,对融合后的H、S、I分量进行彩色空间逆变换,得到最终的RGB图像。实验结果表明,该融合算法在清晰度、空间频率、标准差方面优于传统的主成分分析(PCA)、脉冲耦合神经网络(PCNN)等算法,能很好地保留源图像的细节、纹理和主要特征信息,有效地提高了图像的融合效果。

基于多尺度分解的双曝光图像融合方法

为了有效地提高可见光成像设备的动态范围,降低融合图像的质量对源图像数量的依赖,提出了一种基于多尺度分解的双曝光图像融合算法。该方法只需要一组欠曝光和过曝光图像作为源图像,通过曝光融合即可得到一幅包含丰富信息的图像。首先,依据欠曝光图像和过曝光图像自身的特点,分别进行了自适应曝光调整,充分挖掘图像中潜在的细节信息。然后,提取图像序列的边缘强度、曝光适宜度和色彩饱和度作为评价指标,进而构建出融合权重图。最后,通过金字塔多尺度分解和加权融合得到融合图像。实验选取了15组图像序列,分别从主观和客观两个方面与4种具有代表性的算法进行了对比。实验结果表明,本文算法相比于其他算法,图像质量综合提升了4.9%,具有更强的细节信息保留能力。

金字塔形格栅夹心夹层板的分解刚度法

采用考虑剪切变形的具有3个广义位移的平板弯曲理论进行分析利用分解刚度法对金字塔形格栅夹心夹层板进行了静力分析,给出了简便实用的计算公式,通过与有限元法分析结果的对比,表明了分解刚度法作为一种简化的计算方法,其精度比较高且计算过程大大简化。

基于金字塔分解和扇形局部均值二值模式的鲁棒纹理分类方法

针对传统局部二值模式(LBP)的特征鉴别力有限和噪声敏感性问题,该文提出一种基于金字塔分解和扇形局部均值二值模式的纹理特征提取方法。首先,将原始图像进行金字塔分解,得到对应于不同分解级别的低频和高频(差分)图像。为提取兼具鉴别力和稳健性的特征,进一步采用阈值化处理技术将高频图像转化为正、负高频图。然后,基于局部均值操作提出一种扇形局部均值二值模式(SLMBP),用于计算各级分解图像的纹理特征码。最后,对纹理特征码进行跨频带的联合编码和跨级别的直方图加权,从而获得最终的纹理特征。在公开的3个纹理数据库(Outex,Brodatz和UIUC)上进行分类实验,结果表明该文所提方法能够有效地提高纹理图像在无噪声环境和含高斯噪声环境下的分类精度。

基于小波变换的Laplacian金字塔图像数据压缩

一幅数字化后的图像的数据量非常大,在图像的传输、存储、加工处理等方面都会引起很大的困难。本文详细介绍了基于Laplacian金字塔的图像数据压缩方法,在满足人们对图像质量要求的前提下,可以用较少的比特数存储或传输数字图像,以达到数字图像传输时所要求的信道容量及数字图像处理中的存储容量。

基于Laplacian塔式分解的自适应图像模糊增强

为解决部分数字图像对比度偏低、细节模糊等问题,提出了一种非线性拉伸与模糊增强相结合的自适应图像增强算法。使用Laplacian塔式分解对图像进行分解,高频子带系数采用贝叶斯萎缩阈值和非线性增益函数进行处理,以增强后高频子带系数信息熵为目标,自适应选取控制增益曲线形状参数和控制增益强度参数;低频子带系数采用模糊增强算法进行处理,对隶属度函数和模糊增强算子进行改进,并提出了一种模糊增强算子中阈值参数的自适应选取算法。实验结果表明,该算法能有效提高图像对比度和清晰度,突显图像细节信息,且实现了增强参数的自适应选择,更有利于图像的检测与识别。

基于高斯金字塔分解和圆谐傅里叶矩的图像复制移动检测算法

针对图像子块滑窗方式的移动导致数字图像复制移动检测算法的空间复杂度和时间复杂度很高的问题,提出基于高斯金字塔分解和圆谐傅里叶矩的检测算法.该算法首先对图像进行高斯金字塔分解,提取图像的低频区域,然后计算每个图像子块的3阶圆谐矩,并对各个图像块的特征向量进行字典排序,最后根据阈值进一步找到图像的复制粘贴区域.实验结果表明,该算法对经噪声污染和重压缩后的篡改图像具有很好的检测效果,且运算量较小.

视频人脸识别中高效分解卷积与时间金字塔网络研究

随着大量视频监控和摄像头网络的架设,非受限场景下的连续视频帧人脸识别愈发引人关注。传统的连续视频帧人脸识别方法大多存在识别结果易波动和计算资源消耗密集的问题。因此,该文对比了不同的帧间汇聚方式,采用注意力机制优化帧间汇聚过程,并采用3D分离卷积进行视频人脸建模,有效降低了视频人脸识别的计算消耗,提高了识别准确率。此外,提出了一种时间金字塔网络,可以进一步有效挖掘帧间互补信息,以提高识别准确率。该方法的有效性在YTF、PaSC数据集上得到了验证。