用JAVA语言实现基于Haar小波的数字图像压缩

小波变换理论是近几年发展起来一个新的数学分支。由于它克服了传统傅里叶变换的缺陷,具有良好的时、频局部化性能,从而使得小波理论在图像处理领域得到广泛的应用。大部分关于数字图像处理方面的教材和论文文献都是以VC和MatLab作为图像处理的工具,本文试图从工程和实验角度出发,较为直观地探讨用JAVA语言实现Haar小波变换在图像压缩中的应用。     

八点算法的降维EVD技术

传统的应用于双视图三维复原的八点算法使用标准特征值分析(EVD)算法。通过统计分析可知，该技术存在估计偏差大和均方误差都大的缺点。其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大，因此白化数据噪声和正则化变换是提高性能的有效措施。通过理论分析和计算机仿真实验，表明文中所给出的降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能，因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换，并把最优化过程的维数从9降为4，所以它还具有计算快速、实现简单方便的优点。     

鲁棒精确的点模式仿射变换参数估计和对应性匹配

仿射变换下的点模式匹配和参数估计是计算机视觉中的重要研究课题，其关键是寻找对仿射变换不变的不变量。与传统使用矩或交比作为不变量不同，我们考虑一种具有仿射不变性的并且正交唯一和尺度归一的坐标系－－本征坐标系，证明了仿射变换前后的两个点模式经白化变换后映射为由一旋转变换联系的两个征点模式；并在此基础上，我们开发了无须点对应性仅需点模式整体对应的仿射参数估计算法，该算法能在仅已知两个点模式整体对应的条件下精确估计它们所历经的仿射变换参数的同时，正确地确定它们的逐点对应性；通过融合进随机采样最小子集型鲁棒估计技术，我们进一步开发出仿射参数的无对应性鲁棒精确复原算法。实验表明该算法具有计算简便、快速、有效，参数估计精度高，鲁棒性好，应用范围广等优点。     

静止和变换背景下的移动目标检测

运动目标追踪与检测是模式识别的重要应用。本文介绍应用于静止和移动背景下的目标检测方法:帧间变化检测;光流方法;以及根据当前帧及其前面帧数的信息预测背景检测运动目标的方法。给出这几种方法的基本原理,对比以及应用。     

椭圆灰度图像的高精度计算机仿真

利用像素阵列式摄像机（例如，CCD摄像机）的成像模型。椭圆几何模型，使用计算机图像仿真技术生成具有亚像素级精度的椭圆图像，理论分析和实验结果表明，所开的高精度计算机仿真椭圆图像算法对检验亚像素椭圆检测算法性能和提高计算机仿真图像的视觉效果具有重要作用。     

基于最大类间可分离度的轮廓线分割

对轮廓线上每点的前后两个局部段进行局部直线拟合，在此基础上计算这两个局部直线段的类间可分离度，证明它就是轮廓线点是否为一优势点的对数似然比，并把轮廓线上的优势点定义为具有局部最大类间可分离度的轮廓点，基于此概念，开发了用直线多边形良好逼近轮廓线的轮廓线分割算法，该算法能精确鲁棒地检测轮廓线优势点，实验结果表明了该技术的性能是令人满意的。     

二次曲线拟合算法的统计性能分析与改进

传统的二次曲线拟合使用特征值分析睡。通过统计分析技术，可知该技术在似合数字二次曲线时，存在估计偏差大、均方误差大的缺点。在产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大，因此白化数据噪声和正则化变换是提高曲线拟合的有效措施。这从理论上有力地支持了Hartley提出的正则化算法。通过理论分析和计算机仿真实验，表明了降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能，因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换，并把最优化过程的维数从6降为2，所以它还具有计算快速、实现简单方便的优点。