暂无评论
作为一种典型的多尺度(或多分辨)分析工具,小波变换已经在很多的信号与图像处理的任务中得到了成功的应用。首先分析了现有的图像分割方法,指出了图像的多尺度特性,以及利用小波变换挖掘图像的多尺度特性的必要性
自仿分形插值函数作为数据拟合工具,能较好地拟合复杂度较高的曲线图形;但是在拟合过程中如何选择一组合适的纵向压缩因子进行匹配,仍然是一项繁琐的工作;针对这一难点,尝试利用遗传算法的全局最优化过程寻求一组
针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。该算法利用三级离散小波变换将图像分解为高频部分和低频部分。通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,
由于传统基于梯度的方形边缘检测算子包含边缘方向过少(一般为2个或4个方向),因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,
针对传统的边缘检测方法因卷积运算造成模糊图像边缘,且对噪声敏感,各种形态学边缘检测方法因检测到的边缘信息类型不同而容易使边缘信息丢失,提出一种组合式抗噪型形态学边缘检测算子;并利用不同尺度的结构元素具
多尺度科学在数据挖掘领域的研究多见于图像和空间数据挖掘,对一般数据的多尺度特性研究较少。传统聚类算法只在单一尺度上进行,无法充分挖掘蕴藏在数据中的知识。引入粒计算思想,进行普适的多尺度聚类方法研究,对
针对目前大多数基于统计先验的图像盲去模糊方法对边缘和细节恢复能力有限的问题,提出一种新的盲去模糊算法。通过降采样对模糊图像进行金字塔分解。在每一层图像上,利用显著性强度先验提取图像的边缘信息,并结合梯
基于多尺度降采样规范化割的图像裂纹检测.pdf,针对多尺度规范化割在边缘检测时精度低以及求解特征向量耗时长等缺陷,提出一种基于多尺度降采样规范化割的图像裂纹检测方法。该方法首先利用反对称双正交小波变换
基于局部模糊和多尺度Retinex的水下图像增强算法,张学武,庄宏海,针对水下图像模糊,对比度低下等特点,提出一种基于局部模糊和多尺度Retinex的增强算法。算法中,根据局部区域的平均值和标准差,�
基于轮廓的图像区域划分方法的研究,覃征,陈旸,本文针对图像融合问题,提出了基于轮廓的联合区域划分的方法。对于像素级融合来说,区域划分的结果将作为图像融合的基本单元,因
暂无评论