快速的层次树集合分划编码算法*

设计了一个改进算法,它仅需对小波分解矩阵进行一遍扫描即可确定层次树集合分划编码(SPIHT)算法所需的所有D(i,j)和L(i,j)重要性并完成对所有(i,j)子系数的编码,使得按照SPIHT的排序方法编码时只需查找存放D(i,j)和L(i,j)的重要性及(i,j)子系数的编码表,从而大大提高了SPIHT的编码速度.     

一种鲁棒视频抠图算法*

基于鲁棒抠图算法提出了一种鲁棒视频抠图算法。新算法给出了一种基于少量手工标记的Strokes生成Trimap的方法,为视频帧半自动生成较为粗糙的Trimap划分,同时结合标记传递策略大大减少视频抠图过程中的手工标记操作。理论分析和实验结果证明鲁棒视频抠图算法能够获得较优的视频抠图结果。     

块效应图像质量模糊评估标准

研究和讨论了图像质量评估方法,提出一种基于模糊推理的块效应评估标准。假设图像由平滑区域、边缘区域以及纹理区域等组成,而且不同的区域应采用不同的方法进行质量评估。在此基础上,给出了三个分别适用于不同区域的图像质量评估因子,并提出了一个灵活的模糊图像质量评估方法。此方法把块效应和图像本身具有的边缘分开,防止了边缘会被误认为是块效应。仿真结果表明,提出的标准对于不同的图像具有鲁棒性,有一般图像质量评价标准的性能。     

带 2细分结构的四边形化

在Morse函数理论的基础上,提出一种新的从三角网格中建立四边形网格多分辨率表示的方法．先由人工指定或从拉普拉斯矩阵的特征函数中提取临界点,计算带约束的拉普拉斯方程得到光滑的Morse函数．函数的临界点（极大、极小和鞍点）有规律地分布在模型表面,在三角网格表面梯度场的引导下, 生成临界点间流线,得到临界点间的拓扑关系．通过临界点交换规则,同样是采用流线的方法,得到更精细的四边形网格。 最终可实现无需参数化而仅用流线方法来建立不同多分辨率表示的四边形网格。     

数字家居中视频监控功能的设计与实现

随着网络与计算机技术、多媒体以及图像处理迅速发展,视频监控技术取得了长足的发展.特别是在住宅、社区的安防领域,起到了重要作用.现在3G网络正在建设中,能直接观看视频的智能手机也较为普遍,但是面对无线网络环境其带宽小、网络状况不稳定等特点,直接使用传送视频流的方式来实现视频监控还需要考虑很多因素.本系统则是以传送视频帧的方式代替传送视频流的方式实现了视频监控的功能,相对于视频流数据,一幅幅的视频图片其数据量要小很多,能更好的适应无线网络环境.     

基于流线的重新网格化及多分辨率表示

提出基于场的重新三角网格化和多分辨率表示生成算法.首先,在原三角网格模型上建立拉普拉斯标量场,据此生成两组夹角为60(的流线.然后,从这两组流线构造以菱形面为主的网格并三角化得到三角基网格.最后,在基网格的基础上,再次使用流线技术对原始数据进行向上重采样,得到模型的多分辨率表示.一般地,基网格的三角形接近等边三角形,实验也表明该方法能够得到较高质量的结果.     

图像分析中的矩技术

矩技术可广泛应用于图像检索和识别、图像分割、模板匹配、数据压缩、数字水印及运动图像序列分析等领域,近年来其研究取得了较大的进展。为了使人们对这一技术有个概略了解,首先对图像分析中的矩技术进行了较为全面的介绍和评述;然后着重探讨了离散正交矩技术在图像特征表示、图像重建、计算性能等方面的研究现状;最后提出了图像分析中的矩技术目前存在的问题和进一步的研究方向。     

数字图像超分辨率重建技术综述

图像超分辨率重建的目的是通过一幅或多幅低分辨率降质图像来估计一幅视觉效果较好的高分辨率图像.它从传统的图像恢复与重建技术而来,利用图像之间的信息互补来获得比单幅图像更多的细节.超分辨率技术主要分为两大类:基于重建的超分辨率技术和基于学习的超分辨率技术.基于重建的超分辨率技术按照特定的退化模型,通过输入的图像来估计高分辨率图像.基于学习的超分辨率技术从训练样本中获取先验知识,对输入图像的信息进行补充,可以获得比基于重建的算法更好的效果.对超分辨技术的算法作了系统的介绍,并指出图像的配准、退化模型的建立、盲估计问题、学习模型的建立、学习算法等仍是图像超分辨率技术中存在的主要问题,也是进一步研究的方向.     

一种基于整数小波变换的医学图像半脆弱水印算法

提出一种应用于医学图像的半脆弱水印算法.首先时RGB图像进行可逆颜色转换,再对亮度分量进行一维整数harr小波变换,然后通过自适应地修改高频系数以嵌入水印.实验表明,该算法具有较高的透明性,对非恶意攻击具有一定鲁棒性,同时能较好地对恶意攻击进行检测与定位,能方便地应用于医学图像管理与保护.