【摘 要】
：
运动模糊图像的复原在天文,军事,工业控制,道路监控和刑侦方面具有重要的现实意义。在研究运动模糊图像复原中,对点扩散函数PSF(point spread function)的估计是关键点也是难点。通过对运动模糊图像进行傅里叶变化,得到其明暗相间条纹的频谱图。基于亮条纹的方向和运动模糊方向垂直的原理,利用Radon变化求解频谱图中亮条纹的方向,从而得到PSF中的运动模糊方向。由于模糊图像频谱图中十字亮
论文部分内容阅读
运动模糊图像的复原在天文,军事,工业控制,道路监控和刑侦方面具有重要的现实意义。在研究运动模糊图像复原中,对点扩散函数PSF(point spread function)的估计是关键点也是难点。通过对运动模糊图像进行傅里叶变化,得到其明暗相间条纹的频谱图。基于亮条纹的方向和运动模糊方向垂直的原理,利用Radon变化求解频谱图中亮条纹的方向,从而得到PSF中的运动模糊方向。由于模糊图像频谱图中十字亮线的存在,直接影响了实验结果的准确性,因此对于十字亮线产生的原因进行了分析,提出一种简单有效的去除十字亮
其他文献
为了克服双树复小波变换(dual tree complex wavelet transform,DTCWT)在图像融合中对方向选择性较差,难以很好地反映源图像的细节信息等不足,提出了一种新的双树复剪切波变换(dual-tree complex shearlet transform,DTCST)与自适应双通道脉冲耦合神经网络(adaptive dual-channel pulse coupled n
鉴于人情感变化时不同脑区与频段间脑电(EEG)信号会交互作用、形成因果相关信息流,其特征应是情感识别的关键点。因此拟将不同脑区通道、不同频段的EEG信号之间Granger因果系数差值作为特征在愉悦度、唤醒度以及控制度这3个维度上分别进行二分类的情感识别以进一步提升其效果。采用国际情感数据集DEAP,首先小波包变换将脑电信号分解成θ、α、β、γ4个频段,双密度双树复数小波变换对信号去噪,再分别计算每
人脸识别会受到有限人脸样本的影响,提出一种多样本扩充的常规协同与逆线性回归结合的人脸识别算法。它利用图像的对称性构造成新的人脸样本,将训练样本通过常规协同表示与逆线性回归相结合的分类器后,进行人脸识别。以往的稀疏识别算法忽视了测试样本可能包含人脸识别所需要的特征信息,新算法同时将训练样本与测试样本的误差考虑在内。在ORL和FERET人脸库中的实验结果表明:该算法在ORL人脸库上的最低误识率达到6.
导航线提取是智能车辆视觉导航领域的难点问题。针对杂草密集情况下导航线精确提取的难点,提出了一种新型视觉导航线提取方法。首先,在均值聚类的框架内分析了传统Otsu方法受样本方差影响较大的缺陷,并建立了基于Sigmoid函数的自适应Otsu阈值分割方法;接着,采用矩阵解耦消弱图像背景噪声对阈值参量更新的影响,提升了农作物与杂草的分割精度,获取精确分割的二值图像;最后,基于分割结果进行最小二乘拟合,实现
针对当前图像增强中易出现光晕伪影、细节裁剪效应和过度增强等问题,基于人类视觉系统(human visual system,HVS),优化对复杂与不同照明条件中场景感知力,提出了一种有效的非均匀与低光照图像的自然增强算法。首先,基于白块假设估计输入图像的亮度,并定义一种自适应的Retinex亮度校正算子,改善图像亮度。对于明亮区域的对比度,提出了一种调整映射函数,通过添加细节增益因子,结合调整映射函
由于计算机操作系统多任务特性的局限性,无法满足数字干涉图分析技术的处理速度和操作的实时性,根据时-频域分析原理,提出了基于FPGA设计干涉图相位提取IP核,实现加窗傅里叶变换法(WFTM),WFTM-IP核包括数字干涉图的传输/存储模块、二维窗口傅里叶变换(2D-WFT)模块、频谱生成和相位提取等模块,从而完成高速干涉图相位提取。通过计算机仿真、云纹干涉和投影光栅实验测试,二维窗口傅里叶变换方法能
当前较多图像修复算法主要通过在图像的整个已知区域内寻找最优匹配块用来填充破损区域以完成图像修复,由于该方法忽略了图像层次之间的关联性,导致修复图像存在块效应以及模糊效应等不足。对此,提出了一种基于相似度因子耦合最优逼近模型的图像修复算法。利用像素点之间的相似度关系构造了相似度因子,并将该相似度因子与TV(total variation)模型相结合,对TV模型进行改进,以克服图像修复过程中产生的不连
压缩传感技术可以利用远少于奈奎斯特采样定理所获得的采样数据进行信号的鲁棒性重建。因此,该技术在计算资源和存储空间均受限的高光谱图像压缩中具有很大的应用潜力。提出了一种基于压缩感知与光谱解混的高光谱图像压缩算法。在编码端,分别通过空间采样和光谱采样来实现图像采样点的压缩;然后,对采样数据的空间与谱间相关性进行了研究。为了提高压缩性能,采用谱线性预测去除采样后的谱间相关性,利用JPEG-LS对预测误差
为了更准确地提取滚动轴承振动信号的非线性故障特征,将图信号处理(GSP)引入机械故障诊断领域,提出了基于图谱指标的滚动轴承故障特征提取方法。该方法将滚动轴承的振动信号转化为路图信号后,提取多个图谱指标;用Fisher得分(FS)算法对图谱指标的敏感度进行排序,并选取若干个最敏感的图谱指标作为滚动轴承的故障特征参数;用K-均值聚类算法识别滚动轴承的不同故障。应用实例表明:当分别选取1~5个最优的图谱
针对传统电容层析成像存在流型辨识方法识别率较低和需要大量数据的问题,提出一种基于压缩感知理论的流型识别方法。首先利用离散余弦DCT基对原始图像灰度信号进行稀疏化处理,再利用随机高斯矩阵进行观测。可以利用少量数据精确重构出原始信号,减少了采样时间;同时在成像算法中为避免L1范数正则化需要大量数据和L0范数优化的NP问题,引入自适应Lp(0