二值和灰度图像的直接多尺度表示算法

图像多尺度表示是图像处理的重要内容,常规的离散处理方法常依赖于坐标或网格的选取,因此处理结果很不稳定,本文提出了不依赖网格划分方法、不依赖坐标选取方式的快速、直接多尺度表示算法．应用该算法可直接得到任意指定一层（指定尺度）的图像,因而没有大多数算法因为逐层计算所带采的误差传播或误差扩散现象,同时该算法因保持处理前后图像的“整体”相似,因而能最大限度地体现形状保持乃至拓扑保持,算法计算非常简单,且不局限于特定类型的图像,可用于高要求的图像处理领域。     

基于形心的灰度图像多尺度表示方法

图像的多尺度表示在多种领域有着重要应用.基于形心的多尺度表示方法能有效应用于二值图像.作者提出了应用于灰度图像的基于形心的多尺度表示方法.同样,该方法能保持源图像的对称性,并且具有形状乃至拓扑的基本保持.其次,还提出了将灰度图像转为三维二值图像进行多尺度表示的方法.实例表明,以上方法在多种领域均能有效应用于灰度图像的多尺度表示.     

基于形心的二值图像多尺度表示方法

首先提出了一种新的二值图像多尺度表示方法．该方法针对人的视觉特点，从图像内物体的形心出发，通过建立局部坐标系，将图像内各物体在各自坐标系下进行较为“紧密”的收缩变换．该方法有别予以往方法，能保持源图像的对称性，并且具有形状乃至拓扑的基本保持．其次，本文又提出了图像多尺度表示的优化方案，该方案可看成评判图像表示优劣的准则，也可作为图像多尺度表示的数学描述．     

核医学同位素扫描图像的插值算法

由于核医学同位素图像原始数据量少，形成的图像较小。所以采用了内插值法进行图像的放大。对于传统的图像插值方法，图像邻接数据可能只是简单重复，造成图像边缘和细节部分模糊不清。其并不反映核医学具有的数据统计性规律。本论文融合同位素放射性理论，提出适用于核扫描图像的插值方法－－邻域加权双线性插值法，以保持图像的边缘和细节部分能反映出像素灰度的正态分布，以便进行统一的滤波。     

分割图像插值的一种局部算法

对于医学序列切片，图像上像素之间的间隔常常小于切片之间的距离，而在图像处理中，常常需要它们有一致的分辨率。对于已分割的切片图像，插入的切片图像也应是分割的图像。本文提出了一种图像插值的局部算法，该算法在产生新插入图像每点的分割信息与颜色信息时，计算只与相邻切片图像的局部像素值有关。因此既保持了相邻切片的物体形态过渡自然，又具有良好的数值稳定性。应用该算法于医学序列切片进行插值时，可达到良好的视觉效果。算法已成功应用于医学数据的三维重建系统。     

大数据量遥感图像处理系统算法模块的设计及实现

介绍了一个采用自顶向下、逐步细分的结构化软件设计方法,以Visual C++6.0为软件开发平台设计并实现的自主版权的大数据量遥感图像数字处理系统的算法模块的设计、结构,以及系统实现中采用的关键技术.提出了美国ERDAS图像处理系统在滤波算法的图像边界处理及图像处理后象元值超限处理两方面的不足,同时提出并实现了新的优化方法.实践证明在这两方面的优化更有利于图像分析和信息提取.     

基于色差分析的图像边缘跟踪改进算法

在以色差分析边缘跟踪方法的基础上,针对内窥镜采集的临床图像的特点,将边缘检测和边缘点连接结合为一体,提出一种基于形状知识指导下的色差分析自适应边缘跟踪方法,实现了图像边缘特征点的全自动定位.实验表明,该方法快速而有效.     

模糊自适应算法的神经网络图像重建

在12电极ECT系统中,采用BP神经网络进行图像重建时以一定原则选取学习样本,并引入模糊自适应算法以加快训练的收敛速度,获得较满意的重建图像效果．     

一种统一的文本与图像分类算法

基于可变精度粗糙集提出了一种统一的文本与图像分类算法．用该方法进行教育资源的分类既可处理不确定性信息，又简化了分类规则，从而有利于提高分类能力和检索的查准率．     

评价滤波算法的SAR图像模拟

提出了一种简单的基于统计模型的SAR(合成孔径雷达)图像的模拟的算法．该算法首先根据自然场景(如海面、场地和森林等)的统计模型产生相关的Gamma分布，得到场景的后向散射系数图；然后根据乘法模型引入斑点噪声，得到复数的后向散射系数图；再将点面目标的后向散射系数叠加在后向散射系数图上；最后将该复数图像通过一个由SAR系统的系统传输函数定义的滤波器生成模拟的SAR图像．计算机模拟结果表明，该方法与以前的模拟算法比较，不仅能真实地反映SAR图像的特征，而且计算简单，为检验滤波算法提供了有力的工具．     

基于分数阶偏微分方程的图像放大模型

将分数阶微分理论引入图像放大模型中,利用全变分思想,提出了基于分数阶偏微分方程的图像放大模型.仿真实验结果表明：新模型能较好地保持图像边缘特征,以及更多的图像纹理信息,优于整数阶微分方程放大算法,是一种有效、可行的图像放大模型.     

医学影像处理的深度学习可解释性研究进展

随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理中已取得不俗表现,但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解,对近几年相关研究进展进行了综述。首先,综述了深度学习在医学领域的应用现状及面临的问题,对神经网络的可解释性内涵进行了讨论;然后,从现有深度学习可解释性的常见方法出发,重点讨论了医学影像处理的深度学习可解释性研究进展;最后,探讨了医学影像处理的深度学习可解释性的发展趋势。     

一种基于分块的遥感影像并行处理机制

高性能计算的基础是集群体系下的大规模并行计算.遥感图像处理效率的提高,依赖于并行计算技术的运用.在分析了已有网格计算环境下分布式任务分配方法的基础上,针对远海遥感影像目标物数量相对较少的特点,从软件角度利用四叉树结构对目标区域进行划分,同时采用动态负载均衡的任务分配策略与并行计算的思想,提出了对影像进行并行处理的集群体系任务分配算法模型,实验表明该集群体系下任务分配模型能有效提高图像并行处理的速度.     

图象的灰度一彩色连续变换处理

本文提出一种灰度-彩色连续变换的伪彩色图象处理方法。此法把连续的灰度级变换到CIE空间的一条连续的彩色带,从而避免了一般彩色处理中的伪轮廓和有害噪音,可以广泛应用于各种图象的伪彩色处理。     

旅游目的地形象清晰度及测评方法——以西安为例

基于图像学理论进一步阐释了旅游目的地形象的内涵和形成过程,提出了旅游目的地形象清晰度概念,以及形象清晰度测评指标体系,并以老牌旅游城市西安为案例地,对不同群体旅游者心目中的西安旅游形象清晰度进行了测评.研究表明：（1）旅游目的地形象是旅游者通过视觉、听觉等感觉器官,主动或被动地接收旅游目的地各种旅游信息,并在大脑已有的认知水平下,对所获取的旅游信息进行组合、拼接以及评价形成的目的地心理认知“图像”.（2）旅游者个体之间和群体之间均存在目的地形象清晰度差异.旅游者了解目的地的信息类型越多样、内容越丰富,目的地形象清晰度越高.反之,则清晰度越低.旅游目的地形象清晰度可划分为要素清晰度、维度清晰度和整体清晰度3种类型.（3）旅游目的地形象清晰度与O-D对距离有关.（4）旅游目的地形象清晰度可以用旅游目的地形象描述词汇的频率、多样性指数及词汇网络中心性指标等进行测评.