【摘 要】
：
针对小波空间Donoho阈值在图像去噪中的缺陷,提出一种基于平稳小波变换的自适应阈值MR图像去噪方法,即由LakhwinderKaur小波阈值选取法,根据不同的子带特性,定义了一个新的尺度参数方程,以确定适合各个尺度级的自适应最优阈值,对平稳小波变换后的各层细节信号分别进行阈值化处理.该方法能很好的抑制小波空间Donoho阈值去噪法出现的伪Gibbs现象,弥补了正交小波变换存在的不足,在滤出噪声的
论文部分内容阅读
针对小波空间Donoho阈值在图像去噪中的缺陷,提出一种基于平稳小波变换的自适应阈值MR图像去噪方法,即由LakhwinderKaur小波阈值选取法,根据不同的子带特性,定义了一个新的尺度参数方程,以确定适合各个尺度级的自适应最优阈值,对平稳小波变换后的各层细节信号分别进行阈值化处理.该方法能很好的抑制小波空间Donoho阈值去噪法出现的伪Gibbs现象,弥补了正交小波变换存在的不足,在滤出噪声的同时,较好地保留了MR图像的细节信息.实验结果表明该算法在性能指标和视觉质量上的优越性.
其他文献
为有效地去除噪声，针对正交小渡变换和传统阈值的不足，提出了一种新的基于上下文模型的小波包图像降噪方法。利用小波包可以同时对图像的低频和高频部分进行分解，在小波包变换里，每一个小波包系数被模型化为一个广义高斯分布随机变量.应用上下文模型估计每一个小波包系数的边缘方差，产生空间自适应阈值。实验结果表明，与传统方法相比，该方法不仅降噪效果明显，而且很好地保留原图信息，具有更好的重建视觉效果。
针对现有方法在复杂多变环境下不能很好地检测出运动物体的问题，结合图像边缘轮廓信息和自适应高斯混合模型提出了一种新的运动目标提取算法，利用图像边缘信息不随光照的变化而发生突变的特性，对图像边缘进行混合高斯建模，学习背景的边缘信息，从而有效地提取运动目标的轮廓信息。与传统方法相比，提出的运动目标检测方法能更好地适应光线的变化，可有效地提高运动目标检测的准确度。
行人目标检测在许多领域有着广泛的应用，它是计算机视觉研究的焦点之一，而背景差分方法是行人目标检测中常用的识别方法。提出了一种新型的自适应背景建模初始化方法，通过计算连续帧图像中的非移动点的个数及持续时间，以此来判断并初始化背景模型。然后提出了背景更新的算法，并通过背景差算法实现行人目标的检测。实验表明这种背景建模方法可以有效得获得背景图像，并可以及时更新图像，能够适应光照的变化以及背景中物体的移入
在仿真、虚拟现实及娱乐领域,高分辨率的视频图像显示有着广泛的需求。提出基于多投影的大屏幕视频显示系统,采用基于计算机集群的层次化系统结构,并基于Master-Slave模型分布管理视频数据。基于事件驱动的同步模型实现了多个进程、线程间的同步解码、播放。结合BH-TDAPI实现了视频图像在多投影的大屏幕环境下的无缝拼接显示。实验表明,该系统具有良好的可扩展性与较高的性价比。
研究曲面边界建模过程中的曲面求交问题。基于两个曲面Delaunay三角剖分,首先进行包围盒判定预处理,再进行三角形相交测试,求初始交线。然后,检测初始交线存在性和连续性,提出“带权曲面边界延伸方法”,解决因离散数据点采样不足导致的两曲面有相交趋势但没有初始交线和初始交线断裂两种问题。最后,将“带权曲面边界延伸”思想应用到初始交线处理中,使交线的两个端点都位于两个曲面的边界处,便于后续的限定Dela
如何构建一个可实时绘制且能尽量满足真实感的动态地形,是虚拟现实领域建立虚拟环境的首要问题之一。作者通过对实时构建逼真动态地形的各种技术难点进行分析和总结,提出了一种动态地形实时可视化系统框架,分为地形数据库模块、动态地形可视化模块、仿真实体-地面交互模块,然后按照该框架构建了一个动态车辙系统,结合现实中车辆和地面的物理属性,通过在平地和山地上动态模拟车辆行驶时实时生成的车辙效果,对该框架进行了验证
在采用Delaunay三角剖分进行地质体表面建模的基础上,研究地层曲面之间的相交关系,提出并实现一种曲面分割方法,对待分割曲面及其交线进行预处理,并采用三角形蔓延的迭代方法进行分割,该方法能够保持分割后的子曲面与原曲面几何和拓扑上的一致性,为后续的缝合和四面体剖分工作奠定基础。实验证明该方法能够不受曲面和交线几何形状的干扰,有效完成曲面分割.
Geometry Clipmap算法是一种基于GPU优化的LOD算法,在研究Geometry Clipmap算法的基础上,对该算法进行了扩展。增加了地形数据调度模块,采用地形块预读取和预卸载策略,实现对海量地形数据的内外存管理。对内存中Clipmap堆栈的数据结构进行了改进,取消了原始算法中Clipmap Pyramid部分。将Geometry Instancing技术引入渲染过程,进一步提升了渲
研究了两幅深度图像的自动配准问题。在配准两幅深度图像时，基于多尺度空间理论得到两幅深度图像的特征集，然后利用该特征集进行深度图像匹配。具体过程为：首先为模型构造一个尺度空间，并寻找一个合适的尺度，计算深度图像各点的特征值；然后，利用该特征值对深度图像进行聚类分割；接着，在两幅深度图像得到的小分块中寻找对应分块；紧接着，使用RANSAC算法，根据三维几何信息的约束找出候选集中正确匹配分块和相对应的匹
压缩感知理论应用于分布式认知网络中时,由于每个认知用户所处的信道环境差别很大,因此频谱感知的精度相差很大.为了提高感知的精度,提出了一种结合了分布式网络中的数据融合方法和压缩感知理论中的高效的数据处理方式的方法.首先,单个认知用户单独地运用压缩采样(CS)进行频谱的粗略感知,然后通过互信息的计算可以得到两两认知用户之间感知信息的差异,而差异大的两个认知用户之间会产生关联.认知用户的感知信息会按照这