基于距离相关图的音频相似性度量方法

相似性度量是基于内容的音频分析中的关键环节之一,目前往往沿用传统的统计分析思想实现,缺乏有效的呈现手段和对语义层信息的准确表达.提出了一种基于图像分割技术的相似性度量方法,通过特征提取构造特征空间,进而绘制特征向量间的距离相关图,通过对该图的可视化分析判断最大相似方向,并分别计算出局部相似性和全局相似性.给出了实验验证过程,该方法适用于数字广播等音频流中的片段查找等应用.      

基于奇异值分解的红外热图像序列处理

在红外热像无损检测中直接获取的原始热像往往信噪比较低、温度对比度较差.为了抑制各种噪声的不良影响,使红外热像无损检测所重构的数字图像有较高的缺陷对比度,从而提高缺陷探测能力,提出了采用奇异值分解法对红外数字图像序列进行处理和增强的方法,并进行了验证.介绍了奇异值分解法的原理;用奇异值分解法对实验中采集的红外热像序列进行处理;以信噪比为指标对图像处理效果进行了定量评定.研究表明奇异值分解法具有抽取红外热像序列中反映试件内部缺陷信息代数特征的能力,可消除加热不均效应、提高图像的信噪比,且缺陷在图像中所处的位置不影响奇异值分解法的使用效果. 因此奇异值分解法是红外热像无损检测中红外热图像序列处理的有效方法.      

基于窗口技术的CT图像缺陷性质确定

论述了工业CT图像的一般特点,对窗口技术进行了详细分析。利用非线性窗口和数据库管理实现了窗口的自动化选择并较好地识别出小密度差下的缺陷性质。     

面向目标识别的多特征图像融合技术综述

目标识别是计算机视觉领域重要的研究课题.图像融合由于能对信息进行多级别、多层次以及多方面的处理与综合,因此可以获得更为精确和更为可靠的信息.近年来,基于多特征融合的目标识别方法由于无需精密的图像配准,计算简便的优点得到研究者的重视.本文首先简要介绍了特征融合的基本原理和基本框架;然后梳理了特征融合的几类重要方法;最后,...     

一种基于Gabor滤波的不同聚焦图像融合方法

提出了一种基于Gabor滤波对不同聚焦图像融合的方法。通过取不同方向的Gabor滤波器对待融合的图像进行多方向滤波,从而提取出不同方向的高频能量,再通过比较高频能量大小来判断属于清晰还是模糊像素,以此达到融合不同聚焦图像的目的。实验表明这种方法简单有效,给出了图像融合的实验结果,并与小波变换和简单取平均融合结果进行了比较。     

基于多尺度局部结构化信息测度的鲁棒像素级图像融合算法

现有的图像融合算法不能有效区分基本图像特征和噪声,往往在输入存在噪声时性能变差。自然场景图像中,视觉上显著的图像特征往往表现出一定的几何结构,而噪声缺少结构化信息。基于复数小波变换,利用Von Neumann熵推导了一个结构化信息测度,可以有效区分噪声和视觉上显著的图像特征。图像融合之前利用测度加权输入,从而自适应抑制噪声同时保留图像特征。对几个图像融合方案从主、客观上进行性能比较,显示了新方案的优越性。     

基于小波变换与局部离散度的多聚焦图像融合算法

提出了一种基于小波变换与局部离散度的多聚焦图像融合算法。首先对不同聚焦图像进行小波变换,然后采用局部离散度准则对各个方向上的高频系数进行融合,采用重要度准则对低频系数进行融合,最后对融合后的小波系数进行重构,得到了很好的融合图像。实验结果表明,融合效果优于取绝对值大的小波系数和区域方差准则的融合算法。     

基于重加权低秩近似和高斯混合模型的图像块效应去除算法

针对离散余弦变换(Block-based Discrete Cosine Transform, BDCT)在图像解码器处产生的块重构伪影现象,提出了一种联合两种先验知识的图像去块效应算法,这两种先验知识分别是重加权低秩近似和高斯混合模型。该算法首先利用重加权低秩近似来增强图像块之间的局部结构和非局部的自相似性,有效地保留原始图像中更多的精细结构。其次,还利用高斯混合模型对块状伪影进行建模获得更可靠、更鲁棒的结果。通过在标准测试图像上的实验表明,提出的算法在主观视觉效果和客观评估方面均优于其他的块效应去除方法。     

复合纸板力学性能和应变率相关性测试与表征

为了研究复合纸板材料在不同应变率下的力学响应,利用万能材料试验机和高速率拉伸试验机进行了准静态和动态拉伸试验,同时利用高速摄像机和数字图像相关法(Digital image correlation,DIC)记录拉伸破坏过程和应变场。试验结果显示,纸板材料的拉伸力学性能和破坏机制具有明显的应变率相关性。随着应变率的增大,材料的拉伸强度显著增大,断裂应变在中应变率范围内也表现出明显的应变率效应。对比试验结果和3种应变率效应比表征模型的拟合结果,基于Cowper-Symonds表达式的表征模型,能够很好地描述纸板材料在中低应变率下的应变率效应。该模型对薄壁纸管能量吸收性能的模拟和理论研究,以及冲击防护结构设计提供了理论支撑。     

基于梯度关系和局部连通性的红外小目标检测方法

红外图像中的弱小目标检测技术在精确制导等领域有着广泛的应用,是提升现代军事实力的关键环节。传统的目标检测算法主要基于背景抑制和目标显著性两个方面,但往往不适用于色差较大、干扰较多的复杂环境。本文提出一种基于梯度检测和局部连通性判断的弱小目标检测算法,利用弱小目标在局部区域的梯度特性和连通特性识别可疑目标,并采用区域生长算法进一步剔除检测到的干扰点。同时采用自适应策略确定相关阈值,提升算法的灵活性与应用范围。本文算法在反映多种检测环境的图片和视频序列中进行检测,并与传统方法比较。检测结果表明:该方法准确率较高,可保证较低的虚警率,同时处理速度较快。