基于Hopfield神经网络的遥感图像超分辨率识别算法

提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法，它是利用模糊分类技术进行模糊分类，然后用分类结果约束Hopfield神经网络的方法．通过实验，可知Hopfield神经网络在学习样本少时．也能够输出分辨率相对较高的地物目标信息．因此．基于Hopfield神经网络的遥感图像处理方法，能够提高遥感图像的目标分辨率．使其目标特征信息更清晰．     

彩色与灰度图像间转换算法的研究

在智能车牌识别系统中，从人眼的视觉特性入手，分析人眼的视觉生理模型和常用的计算机转换算法。在此基础上提出了一种将32位彩色图像转换成8位灰度图像的算法即HLS模型转换算法，使得转换后的灰度图像边缘亮度噪声少，平滑效果好．     

简化的图像三维重建算法

提出了一种简化的图像三维重建算法，该算法利用灰度信息的相似性测度自动寻找两幅图像对应点，再根据双目成像几何模型计算图像的深度信息．给定了相似性测度，两幅图像的匹配可以描述为一个最小化的问题．在实际应用中利用区域对应、唯一性控制等机制以增强算法的精确度和稳定性．     

一种简单高效的二值图像并行细化算法PABIT

提出一种简单易行的二值图像并行细化算法PABIT，该算法通过模板匹配的方式．层层剥离原始图像的边缘像素，使具有像素点宽度为偶数的笔划保留双像素的中心骨架．使像素点宽度为奇数的笔划只保留单像素的中心骨架线，最终在此准骨架的基础上通过进一步处理得到最后的笔划宽度为1的细化图案．由于该算法采用并行处理的模式．使得该算法较通常的串行算法效果更好．经该算法细化后的结果具有保形．连通，无扭曲变形的效果．     

单幅图像融合参考模型的三维人脸重建

基于单幅图像的三维人脸重建以其数据获取简易而具有广阔的应用前景.本文提出了一种融合参考模型的方法实现基于单幅图像的三维人脸重建,其主要思想是以球面调和函数表示图像的光照模型,从而建立图像的光照信息与深度信息之间的解析关系;进而可基于参考模型的深度信息获得输入图像的近似光照系数,再根据近似所得的光照系数恢复其深度信息.该法不仅可完全自动化地实现,而且因不需要多个人脸模型的信息而优于基于统计模型的三维重建;由实验中对不同库中人脸图像及真实采集的人脸图像进行重建的结果发现,本文提出的重建方法是切实可行的.     

智能图像处理技术在车型识别中的应用研究

提出了一种应用于视频车型识别系统中的图像预处理方法．该方法对采集到的车辆图像去模糊恢复，然后采用快速的梯度算法得到背景与车辆的边缘图像，用两幅边缘图像相减分割出车辆图像，再对图像二值化，并进行直线拟合、填充处理，最后用轮廓跟踪的方法得到完整的车辆轮廓图，从而有效提取特征参数．     

基于放大曲波基的方向性超分辨率图像重构技术

为解决传统图像放大算法边界视觉效果不佳的问题,提出基于二代曲波变换的方向性超分辨率图像重构算法.对图像进行j层曲波分解,利用不同尺度上曲波基的空间比例关系获得放大图像j层分解系数,通过最外层曲波基空间模型可构建(j+1)层放大图像的曲波分解系数,采用新的非线性函数对全部曲波系数进行增强处理,根据曲波分解的方向性,最终可通过曲波重构获得边缘特征较好的放大图像.实验结果表明,基于曲波方向性图像放大算法,可以较好地保留原图的几何特征,增强边缘清晰度;将两幅典型图像放大后的峰值信噪比与经典方法(差值算法)比较分别提升了2.2及0.6 dB.     

一种新的红外二值图像递归标记算法

提出了一种新的红外图像识别算法．该算法根据图像预处理分割后的二值图像，对目标图像进行递归标记，避免了基于点的连通体检测中“Ⅰ”像素点可能被重复扫描的现象，实现了只考虑提取目标特征，不用得到最终的标记图像本身的要求，更加有利于对目标的检测与跟踪．分析、实验结果表明算法对理想及带噪声的输入均有较好的识别率，能提高目标单帧检测概率．算法易于实现并行处理，提高了图像处理实时性，具有一定的工程实用性．     

基于局部模糊熵的图像过渡区提取算法

为了提高图像过渡区提取算法的抗噪声性能，对基于局部熵的图像过渡区算法加以改进，提出了基于局部模糊熵的图像过渡区算法．该算法充分利用局部模糊熵区分过渡区与目标区（或背景区）性质的差异，更为有效地提取出图像中的过渡区．仿真实验结果表明，这两种算法在图像含有椒盐噪声的情况下都能有效提取过渡区，但在图像含有高斯噪声的情况下，采用本文算法比采用基于局部熵的图像过渡区算法提取的过渡区更为准确．     

基于IHS和小波变换的遥感图像融合方法研究

基于IHS变换法和小波变换法,提出一种新的图像融合方法．该方法利用IHS变换法增强空间细节表现能力,利用小波变换法保留TM图像的光谱特性,可以最大限度地保留待融合图像的光谱信息,同时可提高待融合图像的清晰度和空间分辨率．