基于局部极值的保边缘图像分解算法

针对非线性图像滤波算法保边缘能力不强的问题,提出一种新的保边缘图像分解算法.该算法采用局部极值差定义图像的边缘,在此基础上利用加权平均的方法调整极值,通过优化算法得到原图像的基图像,实现图像的多尺度分解.实验结果表明,与同类算法相比,该算法在实现图像平滑的同时保边缘能力更强.     

新代数插值算法在图像放缩中的应用

代数插值作为图像插值的基本方法之一 ,既可以与其他放缩方法结合 ,又可以单独使用 ,实现图像的放大和缩小。目前 ,一般都采用传统牛顿插值算法来实现。提出了用新代数插值算法来实现图像插值算法 ,实验证明 ,它不仅是一种有效的图像插值算法 ,而且较以往传统的牛顿插值算法在速度上有所提高。该算法的提出对丰富图像插值的基本算法是有一定意义的     

基于稀疏表示的SAR图像压缩方法研究

基于过完备字典的图像稀疏表示是一种新的图像表示理论,利用过完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示。采用基于过完备字典稀疏表示的方法实现SAR图像的压缩。为了得到表示图像所需要的信息,只需要存储稀疏分解的系数极其对应的坐标,实现压缩的目的。采用K-SVD算法实现过完备字典的构造。K-SVD算法是一种基于学习的算法,由于训练样本全部来自于图像本身,因此字典能够更好地逼近图像本身的结构,实现稀疏表示。仿真表明对于SAR图像的压缩,算法是有效的,并且优于基于DCT的Jpeg算法和基于小波变换的EZW和SPIHT算法。     

基于稀疏表达的图像超分辨率算法实现*

基于学习的超分辨率算法利用样本先验信息重建高分辨率图像,在遥感、刑侦和医学图像领域有着广泛应用。论文分析了前沿的基于稀疏表达的图像超分辨率算法,实现了该算法功能,为了便于基于稀疏表达超分辨率算法的应用,论文设计并实现了基于对话框和参数调节控件的图像超分辨率算法框架,实验结果表明论文实现的算法框架具有良好的可用性和拓展性。     

彩色图像边缘检测算法

本文分析了常用的梯度算法,提出了针对灰度图像和彩色图像的改进思路,并编程实现这些算法。在RGB空间上实现的彩色图像边缘增强算法,可直接用于二值图像和灰度图像。改进后的算法简单易行,能有效地增强图像的边缘,具有较好的实用价值。     

基于邻域滤波的图像修复

图像修复是图像恢复研究中的一个重要内容,它的目的是根据图像现有的信息来自动恢复丢失的信息,可以用于对旧图片的修复。大多数现有图像修复算法都非常复杂,而且难于实现。由于图像中的边缘代表了图像的重要信息,所以在设计修复算法时,必须着重考虑边缘的恢复。提出了一种基于图像邻域滤波算法、利用图像的空间连续性,及图像的边缘信息的图像修复算法。该算法实现简单,修复速度快,对小区域的修复效果较好。     

基于细胞神经网络的灰度图像边缘提取

针对细胞神经网络(cellular neural network,CNN),研究了图像边缘提取的过程,给出算法流程,阐述了算法实现过程中的几个关键步骤.对二值图像和灰度图像,分别采用基于CNN的算法和传统算子(prewitt、sobel、canny)进行边缘提取,定性分析比较了两类算法在性能上的优劣.实验结果表明,基于CNN的算法在硬件实现上能够高速并行计算,而且处理速度与图像大小无关,能够实现图像实时处理.     

基于Spark的CT图像FBP重建算法程序并行设计

将常用于CT图像重建的滤波反投影算法程序设计成能够运行在大数据框架Spark中的并行模式,以此来提高计算效率并实现批量图像的重建,缩短图像重建时间。基于分布式计算框架Spark,利用其图像处理工具Thunder,将滤波反投影算法在图像重建过程中设计成并行程序模式,实现图像的片间并行重建。实验结果表明,随着Spark集群规模的不断扩大,在确保重建图像质量的前提下,重建一定数量的CT图像相比单机模式下时间显著缩短,并行滤波反投影算法具有完全加速比,并行效率趋近于1。基于Spark集群实现的滤波反投影算法能够显著提升CT图像重建速度,并实现大量图像并行重建,可扩展其他的CT图像重建算法,对远程医学图像重建平台的建设具有重要参考意义。     

基于边缘的实时图像缩放算法研究

传统的基于图像边缘的插值算法由于自身的复杂性而很少用于实时图像处理,而不基于边缘的插值算法由于低通滤波的效应通常会使插值后的图像出现边缘模糊,影响视觉效果。针对上述问题,提出了一种基于边缘的自适应图像插值算法。该算法以相邻像素的二阶差分为基础,自动选择与目标像素点相对应的源像素组进行插值运算。在Matlab环境中实现了各种图像插值算法,然后对插值结果进行了主客观评价,并对各种算法获得的图像进行了边缘检测及复杂度分析。同时,设计了本文算法的硬件实现结构,并用Verilog语言进行描述,综合出目标代码,最后通过FPGA验证。研究表明,运用该算法插值获得了边缘清晰的目标图像,且该算法复杂度低,便于硬件实现。因此,该算法能有效地实现图像插值,适应于实时条件下的图像缩放。     

基于局部特征的图像快速分类算法

基于内容的图像快速分类是Web图像实时搜索和过滤的基础。通过分析图像特征分布特点,提出一个基于局部特征的图像快速分类算法。与目前算法相比,该算法仅需对图像的局部区域扫描分析,即可得到其颜色、纹理、形状等特征,并利用Bayesian分类器来实现图像的快速自动分类。相关对比实验证实,该算法能够快速、准确地实现图像分类。