基于数字滤波的B-样条插值法在图像旋转中的应用

提出一种基于无限脉冲响应和有限脉冲响应数字滤波技术的快速 B-样条插值法 ,并将其应用于实时图像旋转处理中。为了优化旋转后的图像质量 ,本文采用 3次 B-样条对图像旋转后的像素点灰度值进行插值运算。另外 ,通过对传统图像旋转矩阵的分解 ,将图像在二维空间中的旋转运算分解成为三步在一维空间内平移运算 ,使插值运算在一维空间中完成 ,从而简化了图像旋转数据处理中的插值运算。最后 ,还提出了一种以硬件方法完成高阶图像插值运算实现图像旋转的新方法 ,并针对 2 5 6灰度级 ,2 5 6× 2 5 6像素的图像 ,设计出一个以 FPGA为核心的实时、高质量的硬件图像旋转系统。     

基于Sobel算子的亚像素边缘检测方法

提出了一种基于Sobel算子的亚像素边缘检测方法。此种方法先由Sobel算子确定图像边缘的大致位置，然后用三次样条插值函数对灰度边缘图进行内插计算，使目标边缘定位达到亚像素级。对插值后的灰度边缘图，利用最大类间方差法确定阈值提取边缘。实验表明，该方法能精确定位目标边缘，优于传统的边缘检测方法。     

B-样条曲线奇点的几个定理

根据B-样条曲线控制多边形的剖分理论和B-样条曲线及其基函数的性质,分别给出B-样条曲线出现奇点的两个充分必要条件。     

基于B-样条的Laplace积分算法研究(英文)

给出了 Laplace积分的 B-样条数值算法。采用三次样条函数的 B-样条矩阵表示 ,求其反问题 ,拟合 Laplace积分的象原函数。运用重节点技术描述象原函数的间断点 ,尖点和高阶不光滑点 ,再运用差商 ,de Boor递推算法 ,巧妙地导出了非均匀网格分划下 Laplace积分的象函数表达式 ,在准均匀网格分划下给出了一系列实用解析计算公式 ,大量算例具有良好的效果。计算机试验结果表明计算速度比用 Simpson方法要快得多 ,比传统方法——Berger方法要简单得多 ,克服了 Gauss-Laguerre积分 ,Gauss-Legendre积分函数零点 ,系数等难以确定的困难。解决了象原函数为超越函数的 Laplace积分象函数的计算问题。     

基于血管内超声图像序列的自动三维边缘检测

血管内超声成像可以显示血管内腔、管壁清楚的实时截面图像,从而使定量测量血管参数成为可能。传统手动追踪内腔和管壁边界的方法既费时又存在较大的主观误差,本文将二维主动轮廓算法模型向三维扩展,提出一种适合血管内超声图像的自动三维边缘检测方法,通过对初始给定三维模型实施三维主动界面变形,从而使其逐步逼近目标轮廓。实验结果发现自动检测的内腔、血管壁面积与手动追踪非常吻合,具有较高的相关系数和较小的系统误差,并且纠正二维检测中带来的局部偏差,可作为医生可靠而准确的诊断工具。     

边界条件对双三次插值样条的影响

本文对非均匀双三次Ⅰ型插值样条的研究,得出了由Ⅰ型边界值所控制的在网格结点上的一阶偏导数和二阶混合偏导数的估计式。比较文[4]发现,文[4]中所得出的均匀双三次插值样条的结论有误,本文一并提出进行商讨。     

血管内超声图像序列的自动边缘检测

血管内超声成像可以显示血管内腔、管壁清楚的实时截面图像,从而使定量测量血管参数成为可能。传统手动追踪内腔和管壁边界的方法既费时又有较大的主观误差,本文基于快速主动轮廓算法模型提出一种适合血管内超声图像的自动边缘检测方法。实验结果发现,自动检测的内腔、血管壁面积与手动追踪非常吻合．具有较高的相关系数(0．94和0．95)和较小的系统误差(-0．32和0．56),可作为医生可靠而准确的诊断工具。     

一类二维样条插值函数的最佳误差估计

本文主要结果为下述定理。 定理:设x(uw)是矩形域上关于该矩形上均匀分割的二维双三次样条插值函数,且x(uw)满足条件(5),则x(uw)在矩形域R边界上的节点处的四阶混合偏导数有估计式: |S_(i,0)|≦|A[i,n—1]||ε_(n,0)| |B[i,n—2]||ε_(0,0)|=[0,-4,(-1)~2 4,…(-1)~i 4]/[0,-4,(-1)~2…(-1)~n 4]|ε_(n,0)| sum from h=i to n-2 (-1)~(k(k-2)-(i 1)(i-2))[0,-4,(-j)~2 4…(-1)~i 4]/[0,-4,(-1)~2 4,…(-1)~(k 1) 4][0,-4,(-1)~2 4,…,(-1)~(k 2)4] (-1)~(i(i 1)/2)/[0,-4,(-1)~2 4,…(-1)~n 4]|ε_(0,0)|其中等号成立的条件分别为: A[i,n—1] B[i,n—2] ε_(n0),ε_(00)>0 A[i,n—1] B[i,n—2] ε_(nm),ε_(0m)>0 其中 i=1,2,…,n—1. j=1,2 …,m—1.     

基于形态学梯度矢量的图像边缘提取算法

图像的边缘在很大程度上可以用梯度的概念来解释和描述,而现有的形态学梯度边缘检测算子抹煞了梯度的矢量性。文章提出了一种新的图像边缘提取算法:在边缘检测部分提出了具有方向估计的形态学梯度算子,且从理论和实际应用两个方面给予证明。并将模糊处理加入该系列算子,使这些算子在噪声抑制和提高边缘清晰度两方面均有较好的表现。同时在图像分割部分改进了最佳阈值化分割,利用小范围的边缘梯度各方向上的最佳阈值化进行调整,使图像的边缘更加完整、清晰。     

磁共振图像的一种多尺度边缘检测算法

医学图像的病灶呈弱边缘特性,用传统的边缘检测方法效果不理想。本文提出了一种改进的多尺度边缘检测算法：在传统的Mallat小波模极大值边缘检测方法的基础上,应用模糊算法构造相应的隶属函数,提取弱边缘信息,最后应用多尺度边缘融合算法将不同尺度下的边缘图像合成。实验结果表明,该方法对噪声有一定的抑制作用,可有效检测出弱边缘信息,定位准确,且检测效果明显。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,可以有效解决传统边缘检测方法中存在的高定位精度及强去噪能力之间的矛盾。     

基于微分图象噪声估计的主动型边界检测方法

提出一种简单的主动型边界检测方法。它首先通过噪声估计捕捉图象中可能存在边界的邻域，然后获取邻域中有关边界的空间参数，由此选择最佳微分滤波算子对相应邻域进行滤波，以获取边界点。该方法具有很强的处理针对性，因此它运算速度快、精度高、一次即可获取单象素宽的边界。     

多分辨率分析在图像边缘检测中的应用

本文针对传统图像边缘检测算子——微分算子和LOG算子在图像边缘检测中存在的不足，引入了多分辨率分析方法，并理论上分析了在不同的尺度下，多分辨率分析中由粗至精的特点，使其在图像边缘检测中具有更良好的特性。     

Edge Detection of River in SAR Image Based on Contourlet Modulus Maxima and Improved Mathematical Morphology

To cope with the problems that edge detection operators are liable to make the detected edges too blurry for synthetic aperture radar(SAR)images,an edge detection method for detecting river in SAR images is proposed based on contourlet modulus maxima and improved mathematical morphology.The SAR image is firstly transformed to a contourlet domain.According to the directional information and gradient information of directional subband of contourlet transform,the modulus maximum and the improved mathematical morphology are used to detect high frequency and low frequency sub-image edges,respectively.Subsequently,the edges of river in SAR image are obtained after fusing the high frequency sub-image and the low frequency sub-image.Experimental results demonstrate that the proposed edge detection method can obtain more accurate edge location and reduce false edges,compared with the Canny method,the method based on wavelet and Canny,the method based on contourlet modulus maxima,and the method based on improved(ROEWA).The obtained river edges are complete and clear.     

提高图像轮廓清晰度的快速插值放大方法

分析了当前主要的高清晰度图像插值放大方法,为实现快速放大而选择了基于图像轮廓插值改善清晰度的技术路线,并在已有算法的基础上开展了进一步的研究.提出了新的图像轮廓线光顺数值算法,对轮廓线划分的两类子区域提出了精度更高的插值算法.最后,以典型平面图形的图像和由3DMax生成的三维渲染图像为例对本文方法进行检验,与双线性插值结果的对比说明,该方法可以明显改善插值放大效果.     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

遗传算法设计梯度子实现优化的图象边界检测

计算机图象处理技术可广泛应用各种图象测试、模式识别和计算机视觉等领域，而图象边界检测是计算机图象处理的最基本和最低层的步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响，目前的图象边界检测方法还不能有效地检测出各种不同模式的边界。本文提出了一种基于遗传算法和灰度梯试算子的图象边界检测法，通过对样本图象的训练，设计对训练样本模式最优的灰度梯度算子，增加了对噪声的抗干扰能力，并且使被检测出的边界更准确。     

一种新的基于红外图像的道路边界检测方法

研究了红外图像中道路边界的检测方法。首先分析了用于智能车辆视觉导航的红外道路图像的特点,并指出常用图像处理方法在检测红外道路边界时的缺陷;然后从图像灰度角度出发,提出了基于折线模型的候选道路边界线段快速提取方法,并采用关系稳定性规则对道路边界区域进行筛选和处理;同时利用多尺度形态学梯度进行道路边界区域提取;最后将上述基于灰度和梯度的两种边缘提取结果相互验证,得到可靠的道路边界描述。实验表明文中提出的道路边界检测方法具有很好的性能,能够满足实时应用需要。