【摘 要】
：
作为光学成像系统中最常见的简化模型,高斯型点扩展函数(PSF)参数的估计算法是图像复原领域中人们所研究的热点问题之一。本文基于文献中高斯型OTF曲线特征点与OTF参数及图像频域表达存在着确定数学关系的思想,提出了一种自动、准确、稳定地估计高斯型PSF参数的改进方法。该方法通过对真实图像实施高斯卷积模糊退化运算,突出相关计算特征,最终实现显微图像PSF参数的自动估计。实验表明,采用该方法所估计的PS
论文部分内容阅读
作为光学成像系统中最常见的简化模型,高斯型点扩展函数(PSF)参数的估计算法是图像复原领域中人们所研究的热点问题之一。本文基于文献中高斯型OTF曲线特征点与OTF参数及图像频域表达存在着确定数学关系的思想,提出了一种自动、准确、稳定地估计高斯型PSF参数的改进方法。该方法通过对真实图像实施高斯卷积模糊退化运算,突出相关计算特征,最终实现显微图像PSF参数的自动估计。实验表明,采用该方法所估计的PSF可以获得良好的尿沉渣图像复原效果,对于具有高斯型近似PSF模型的其他类型图像复原和三维显微图像复原研究
其他文献
全局阈值分割法对含有对比度不同的纸病图像分割效果差,把图像先分块再求阈值,可以分割出每块区域的目标。针对上述分割结果的不足,提出了一种改进的阈值选取方法,该方法是用改进的迭代法对分割的子块求阈值,最后与每块区域的平均灰度值作比较,找出整幅图像的最优阈值。以含有灰度不一污点的纸病图像为处理对象,实验结果表明改进的方法可以分割出低对比度纸病。
提出一种基于径向对称变换的自适应交通禁止标志的检测算法。采用RGB归一化阈值分割算法对交通图像进行二值化处理,构造和利用区域轮廓特征矢量,判决和提取候选标志区域。对于标志互相遮挡候选区域,提出采用基于分水岭变换的自适应标志分离算法进行标志分离;然后,对于低维的标志候选区域,根据其自身尺度特征提出一种参数自适应的径向对称圆形检测器和检测算法,最终确定禁止标志。本文算法在标准交通标志数据集(GTSDB
近日,IEEE公布了首届IEEE世界物联网论坛(WF-IoT)的主题演讲人名单。本届世界物联网论坛将于2014年3月6日至8日在韩国首尔奥林匹克公园酒店举行,IBM、英特尔、三星等企业高层将在大会演讲。I EEE W F-IoT论坛致力于探讨物联网技
手势是一种自然直观的人机交互方式,手势识别是新一代人机交互中的重要技术.深度图像可以方便的实现前景和背景的分割,提高手势识别的性能.从人手分割、特征提取和手势识别三个方面介绍了基于深度图像手势识别的研究现状及其应用,并对其中存在的难点展开讨论.
Watershed segmentation is suitable for producing closed region contour and providing an accurate localization of object boundary. However, it is usually prone to over-segmentation due to the noise and
为了由本质矩阵分解出两摄像机的相对位姿,提出了一种新型的本质矩阵解析分解算法。首先,利用本质矩阵秩2的属性求出两摄像机间的平移量;然后,利用求解旋转矩阵方程组的方法求出两摄像机间的旋转量;最后,利用直接求取空间3D点成像深度的方法快速从四组分解结果中确定出满足空间3D点可见性约束的惟一正确解。实验结果表明,本文提出的分解算法不仅避免了对本质矩阵进行复杂耗时的奇异值分解运算,而且分解出的四组解析解具
非刚性医学图像配准是医学图像研究领域的热门专题之一,具有重要的临床应用价值。本文提出一种改进的Demons算法,将灰度守恒模型和局部结构张量守恒模型结合起来,构造一个新的能量函数处理多模态配准问题,然后采用L-BFGS算法优化能量函数,解决复杂三维数据的优化问题,并采用多尺度分层细化的思想解决大形变配准。实验表明,本文算法对大形变和多模态三维医学图像配准都有较好的效果。
步态识别是一种具有远距离非侵犯性特点的生物特征识别技术,它根据人们走路姿态的不同,从步行运动图像中提取特征进行身份的识别。一个完整的步态识别过程通常包括:步态序列获取、步态检测、步态提取和分类识别。本文简要介绍了这四个过程的常用方法,针对特征提取方法,从视角数目的不同进行了分类,重点介绍了近几年多视角步态识别的新算法,并总结了当前步态识别研究中存在的问题,展望了未来的发展趋势。
文章针对传统Harris算法需人为设定阈值和特征点聚簇的问题,实现了一种基于区域分割的无阈值Harris特征点检测算法,在图像区域分割过程中引入了极差以剔除不存在特征点的区域,采用了计算区域信息熵差值的方式以减少噪点的干扰,针对10×10像素分块后特征点仍然过密的情况采取了四块合一块的方法,最后根据实际情况在临近的特征点中只保留特征值最高的。实验结果表明,与传统的Harris特征点检测算法相比,本
弥散加权磁共振图像(DWI)是使用特殊自旋平面回波序列进行快速成像,它易被噪声干扰,需要有效去噪以保证后续应用。目前去噪方法一般为常用图像去噪方法扩展,缺乏针对DWI多不同梯度磁场方向数据构成特点的针对性应用。本文提出一种DWI Rician噪声的线性最小均方误差(LMMSE)复原方法,使用局部信息的统计特征,对DWI的Rician噪声进行有效估计,并综合多梯度磁场方向改进使用LMMSE进行复原。