【摘 要】
：
针对常用多光谱图像压缩算法-把图像作为矩阵向量量化后再进行相应压缩处理-导致图像的本征结构被破坏、信息损失以及压缩效率低等问题,提出一种基于非负张量(NTD)Tucker分解的多光谱图像压缩算法。首先将多光谱图像的每个谱段进行二维提升整数5/3小波变换,消除多光谱图像的空间冗余。然后将所有谱段的每级小波变换的4个小波子带看作为4个NTD。对每个非负小波子带张量采用改进局部HALS-NTD算法进行T
论文部分内容阅读
针对常用多光谱图像压缩算法-把图像作为矩阵向量量化后再进行相应压缩处理-导致图像的本征结构被破坏、信息损失以及压缩效率低等问题,提出一种基于非负张量(NTD)Tucker分解的多光谱图像压缩算法。首先将多光谱图像的每个谱段进行二维提升整数5/3小波变换,消除多光谱图像的空间冗余。然后将所有谱段的每级小波变换的4个小波子带看作为4个NTD。对每个非负小波子带张量采用改进局部HALS-NTD算法进行Tucker分解,消除光谱冗余和空间残余冗余。最后,将分解的核心张量和模式矩阵进行熵编码。实验结果表明,本
其他文献
目前多层CT的重建算法主要有基于FDK的三维滤波反投影算法以及基于多层投影数据重排的二维FBP重建算法。本文对传统的FDK算法、基于投影角度二维/三维加权的CB-FBP算法以及自适应轴向插值AAI-FBP算法的性能进行了对比实验,并对实验数据进行了细致地分析。实验结果表明:在这几种重建算法中,AAI-FBP算法对于多层CT的重建效果最好,这对于后续多层CT重建算法的改进以及临床应用研究提供了可靠的
图像分割是图像处理中至关重要的一步,是进行图像分析与图像理解的基础,分割效果的好坏直接关系到后续的图像处理。针对目前主动轮廓模型在图像分割领域中分割速度慢的缺点,提出了一种新的初始轮廓设置方法。首先将图像进行预处理得到一个或几个较粗糙的连续轮廓;然后利用八邻域分割法,检测出该边缘作为梯度矢量流主动轮廓模型的初始轮廓,经过迭代后得到较精确的收敛轮廓。大量医学图像分割实验表明,运用本文提出的方法能够较
显微组织图像(例如胞、粒子与晶粒等)的数字图像处理、分割和分析,对于获取显微组织特征的三维信息非常重要。已有数种商用和共享程序包可以用于图像的处理和分析。"ImageJ"即其中之一,其长期广泛采用及其可扩展插件形式已使其成为许多不同应用领域科学家选用的工具。它包含了处理、分割、重建和可视化材料显微结构所需要的几乎所有基本的和最新的功能以及图像分析工具(例如‘Particle Analyzer’,‘
本文通过仿真实验研究了单帧低分辨率图像的超分辨率重建技术。首先,阐述了用于单帧超分辨率重建的插值法、IBP法和POCS法,然后通过matlab7.0仿真程序验证了双三次插值法、双线性插值法、POCS法和IBP法,并根据仿真实验的结果分析这些方法重建效果的好坏。实验结果表明,实验结果证明,双线性插值方法的重建结果要优于双三次插值的重建结果;IBP的重建效果要优于POCS方法;对于IBP和POCS来说
利用工业断层扫描技术对不锈钢粉末注射坯进行了检测。针对注射样中孔隙较小,不易在CT扫描图片上发现的问题,在Matlab软件上开发出一套图像计算方法,完成了对注射样扫描图像中孔隙缺陷的提取。然后对缺陷出现切面的二维重建图像进行了图像处理,得到了孔隙在这些切面上的二维形貌。最后利用三维重建技术将缺陷区域的二值图像进行重建,得到了孔隙的空间形貌。结合孔隙在注射坯中出现的位置及其三维形貌对注射工艺提出了相
我们的作品叫《意生态》,它利用千兆像素图像的技术,包含了10亿以上像素的照片。这样大的一张照片,首先它有多层次的海量内容。同时,我们还需要对它进行有别于传统图片拼接的处理工作。当我们把图片放大,能看到里面的很多细节。从整体到细节,从宏观到微观,会得到完全不同的认识。由此,对拍摄对
本文选取教育技术专业主干课程《多媒体课件制作》,在知能课程理论指导下重组课程内容,尝试设计知能教材。
在3Ds Max软件学习中,传统的讲解操作训练式教学,已经达不到企业对毕业学生能力要求的标准。企业对人才要求的改变,作为高校教师的教学方式也要改变,从而培养出符合现实要求的专业人才。通过定向人才培养、联合作业项目、培养团队意识等方式,激发学生自主学习专业技术的能力。
图像配准是多种图像后续处理的基础,较为常见的有图像融合,图像拼接、图像的三维重建等,这些后续操作都需要在一个好的配准前提下才能完成,因此,对于图像配准精度改进的研究具有很重要的实际应用价值。对基于特征点匹配的图像配准算法提出了几个配准精度提升的方法,这些方法分别针对特征检测精度的提升和特征匹配精度的提升来达到图像配准精度提升的目的。
众所周知,Foundry推出的NUKE 7.0让人期待已久,增加了极多的功能,并在版本的实质性改革上也有很大的突破。一系列的新功能都有着巨大的提升。