基于自类推与NSCT的单幅图像超分辨率技术

在很多实际应用中很难获得适当的图像训练集,但是单幅图像放大却是一个病态问题。利用图像局部结构的自相似性和可传递性,结合非下采样Contourlet变换(NSCT)的优点,提出一种基于自类推与NSCT的单幅图像超分辨率重建(SRR)方法。采用NSCT对源图像和退化图像进行多尺度、多方向分解,得到用于学习的各带通方向子带对,利用图像自类推技术生成高分辨率的各带通方向子带,与立方插值放大后的源图像进行NSCT重构得到超分辨率重建图像。实验结果表明,该方法可以独立进行,摆脱一般方法对训练结合的依赖,能产生更为合理的细节,视觉边缘更清晰,图像更逼真。     

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

针对水下图像对比度低、边缘模糊、噪声大等特点,提出一种基于非下采样Contourlet变换和多尺度Retinex的水下图像增强算法。将水下图像进行多尺度多方向的非下采样Contourlet变换;利用多尺度Retinex算法调整低频系数,提高图像整体对比度;在各带通方向子带上估计噪声,抑制模值小于阈值的系数,改进神经网络中的Sigmoid函数用于调节模值大于阈值的系数;经非下采样Contourlet逆变换得到增强图像。与几种传统增强算法相比,本算法处理的图像达到了抑制噪声、改善图像对比度、突出目标轮廓的目的,具有较高的对比度评估值。     

结合局部二进制表示和超像素分割求精的立体匹配

为改善传统立体匹配视差图中目标边缘的毛刺现象,以及弱纹理和视差不连续区域的"阶梯效应"等,提出了一种结合局部二进制表示和超像素分割的立体匹配方法。首先融合二进制表示的窗口内像素的空间和颜色特征进行代价计算,并以此求得初始视差;然后将简单线性迭代聚类方法分割的结果作为像素的空间和颜色标记,为超像素内的目标边缘和其他像素点选择恰当的稳定点进行视差传播,以达到视差优化时边缘保持和空间平滑的目的。在Middlebury数据集上分别进行代价计算与优化方法的对比实验,结果表明,采用该算法获取的目标边缘的视差更为平滑,在左右视图中的遮挡区和不重叠区域获得的视差也比较准确,有效地降低了非遮挡区、全图、不连续区域的误匹配率。     

电类专业学生毕业设计教学改革探索

毕业设计是电类本科教育的重要教学环节.如何在当前新形势下安排好毕业设计工作是目前需要迫切解决的一个问题.本文根据大教学观念提出了毕业设计前移至专业课课堂教学的改革思路,使毕业设计与课堂教学有机融合,有助于学生主动投入更多的时间和精力结合所学知识进行工程实践.通过结合具体的专业课程进行的改革实践结果表明,效果显著.     

导体系和无源线性网络的等效参数的一种简便算法

导出了导体系任二导体间的等效电容和导体系的电位系数之间的一个关系式,使用此式可方便地计算导体系任二导体间的等效电容．在此基础上,提出了无源线性网络任二节点间的等效参数的一种简便算法．该方法只需依据网络给出一矩阵和进行简单的矩阵运算．     

随机扰动优化和多模型融合的目标密度非线性重建

针对高能闪光X射线图像线性重建结果受系统模糊影响的问题,提出一种随机扰动优化和多模型融合的非线性重建算法.构建非线性正向模型并推导相应的雅可比矩阵形式,结合贝叶斯理论考虑该反演问题的求解及不确定量化,引入基于弱信息先验的超参数构建非线性分层贝叶斯模型.通过加速求解随机扰动的优化问题对条件分布进行采样,结合雅可比矩阵投影...     

基于双目视觉的显著性目标检测方法

针对现有的显著性目标检测算法在受到相似背景干扰时,易出现目标检测准确度低、稳定性差的问题,提出一种基于双目视觉的显著性目标检测方法。受人眼视觉特性启发,将双目视觉模型感知的深度信息作为显著性特征与多特征聚类分割结果进行协同处理,定量分析图像区域级的深度显著性,再将全局显著性与区域深度显著性进行加权融合,突出目标区域,根据融合结果的区域分布进行背景抑制,完成显著性目标的检测。实验结果表明,与现有的显著性目标检测算法相比,该算法有效地抑制了相似背景的干扰,并且准确度高、稳定性好。     

基于Curvelet变换和全变差的图像去噪方法

Curvelet变换用于图像去噪可以较好地保留图像的细节信息,但在边缘处会产生"划痕"现象.采用全变差法进行去噪能保持边缘形状不变,但也会丢失图像的纹理等细节信息.为了充分利用两种方法的优点,将Curvelet变换和全变差相结合提出了一种有效的图像去噪方法.首先,对含噪图像分别进行Curvelet阈值去噪和全变差去噪.然后,将两幅去噪图像进行Curvelet融合,对于低频系数和高频系数分别采用加权平均和绝对值取大的融合算法.最后,将融合后的低频系数和各尺度高频系数进行Curvelet反变换得到融合后的去噪图像.实验表明,该方法能有效地降低图像噪声,又尽可能地保留图像的细节,其去噪效果明显优于单一Curvelet阈值法和全变差法.