基于遗传算法的最佳熵阈值图像分割法

将遗传算法用于图像分割的Ｋａｐｕｒ 等人提出的最佳熵阈值确定法（ 简称ＫＳＷ 熵法） 中,进行了针对图像分割遗传程序所需的参数设计．ＫＳＷ 熵方法具有很多优点,但同时也存在弱点：需要大量的运算时间,特别是在计算多阈值时．因此需要引入优化算法．Ｊ． Ｈｏｌｌａｎｄ 的遗传算法是具有鲁棒性和自适应性的搜索方法．采用遗传算法实现单阈值和多阈值图像分割,实验结果表明分割速度快于传统的ＫＳＷ 熵法,缩短了运算时间．     

非连通非确定运动目标的识别方法

针对非连通目标的识别问题,结合人眼识别的特点,提出了一种基于识别目标的全局特征建模,从图象中提取模型特征参数的模型参数识别法,处理的结果表明,此方法参数的识别误差仅为正负一个像素,而且对序列图象能够准实时自动识别,通过对实际图像进行了实验,证实了本方法的有效性。     

多模式快速标准图压缩法

对标准图压缩法作了改进，引进了多模式压缩的思想，设计了相对矩的分类算法，把标准图压缩法改进为多模式快速标准图压缩法，恢复图象质量和压缩速度均有大幅度的提高，并在压缩比为４倍时得到了优于静止图象压缩标准ＪＰＥＧ的结果。     

基于局域纹理特征的图像无损压缩

局域纹理是识别图像的基本要素,因此在图像压缩处理中分析局域纹理特征是达到去相关的有效途径,在此原理基础上提出了一种新的基于局域纹理特征的无损压缩方法,该算法由去相关处理和熵编码两部分组成,去相关操作是通过一组预测模型自适应选择最佳的模型进行处理,然后使用快速有效的CCSDS编码器对最佳去相关模型的预测误差进行编码,最后给出了该算法与JPEG2000及JPEG-LS的无损压缩结果的比较,实验结果显示,该算法的压缩结果明显优于JPEG2000及JPEG-LS的无损压缩结果.      

运动估值的快速算法及其实现

现有的许多有关运动估值的快速算法,都存在着匹配速度快与匹配精度差的矛盾.文章在分析已有典型快速算法优缺点的基础上,提出了解决这一矛盾的分步逼近的新算法——迂回逼近法.算法选择了快捷和更为准确的搜索路径,且对程序的实现技术作了有效改进,其最终匹配结果具有全匹配算法的精度和典型快速算法的速度.文中说明了算法原理、程序技术和对比实验结果.      

彩色图象光斑的识别及分割

由于存在光斑及ＣＣＤ摄像机固有特性的限制，使得彩色图象的分割更为困难，通过研究二分光反射模型及光斑的成因，分析了ＣＣＤ摄象机特性对图象的影响，提出了一种光斑检测和彩色图象的分割算法，较好地解决了光斑识别和彩色图象分割的问题。