基于NSCT变换的红外与可见光图像融合方法

针对小波变换不能很好地表达图像边缘信息，NSCT变换对图像细节信息表达缺失的问题，本文提出了一种改进的基于NSCT变换的图像融合方法．首先将经过预处理和配准后的红外图像和可见光图像进行NSCT变换，得到各个源图像的低频和高频系数，然后对分解后的低频系数采用小波变换的融合规则进行融合处理，高频系数则采用基于特征的区域能量的融合规则进行融合处理，最后对融合后的系数进行NSCT反变换得到融合图像．仿真实验表明，采用改进的NSCT融合方法对红外与可见光图像的融合有良好的效果，图像更清晰，信息更全面．     

基于VC的微视V200图像采集卡驱动及内存中图像截取

在VC环境下开发采集卡的驱动程序,可以方便地应用于其他程序中,避免重复开发,提高了软件开发的效率。在内存中获取采集卡捕获的图像并转换为标准的句柄接口,能够提高实时性、方便更进一步的图像处理。     

具有可变超松弛因子的OSEM在PET重建中的应用

基于最大似然期望法(ML-EM)重建的图像质量好,但因其收敛速度太慢,而难以直接应用于临床.有序子集最大期望法(OSEM)具有较高的重建图像质量和较短的计算时间,超松弛因子(OR)有可灵活调节超松弛因子和加速收敛两种功效.文中将OSEM和OR有机地结合起来用于PET图像重建,形成可变超松弛因子的OSEM重建算法(OR-OSEM).该方法综合了上述两种算法的优点,具有可根据需要灵活改变子集数和超松弛因子的功能.计算机仿真模拟和临床PET投影数据的重建结果表明了该方法的有效性.     

新的汽车牌照识别系统及其成像技术

介绍了一种高性能的汽车牌照识别系统及其成像技术。系统采用了新的成像控制和闪光灯补光技术，使其成像特别适合牌照区域分割和字符识别，成像质量完全不受实际应用环境中强烈的光线变化的影响，从而达到较高的全天候识别率和实际应用的要求。给出了系统在全天候条件下的成像效果和牌照识别效果．结果显示系统可在全天候条件下获得高质量的图像。     

基于网格量化和区间均值的动态目标识别

动态目标识别中，当摄像机和目标之间相对距离变化时，对于同一目标的多尺度序列图像。虽然目标区域图像大小和清晰度不同，但整体结构分布具有相似性和一致性。根据这一特点，提出基于目标区域网格量化的方法。在目标区域上形成采样网格，通过相对量化提取结构特征矩阵。对于同一目标序列图像中的每一个目标区域，其结构特征矩阵基本不变。结构特征矩阵反映象素分布的自相关性质。进一步，对由干扰引起的灰度值结构分布误差，采用网格区间均值的方法加以解决。目标区域网格量化是对相邻采样点的差值进行量化匹配。区间均值是对少数相邻采样点的进一步匹配。实例表明，本文的方法运算速度快、可靠性高，达到了实用目的。     

基于Gabor滤波指纹图像增强方法

图像增强是指纹自动识别系统中非常关键的部分，它直接影响着指纹识别的最终效果。指纹预处理一般包括规格化、方向图计算、频率计算，图像分割、增强等环节，给出一套完整的增强算法，实验证明，这些算法处理效果好，运行速度快，具有很高的使用和参考价值。     

数字图像技术在露石混凝土路面中的应用

应用数字图像技术,将普通数码相机拍摄的露石水泥混凝土路面照片进行处理,根据图像的灰度值变化分析得到露石混凝土路表面的构造深度,并通过与常规方法的比较表明,此方法测量的路表面构造深度结果可靠,操作简单,可以在分析露石混凝土路面粗糙的表面特征上应用。     

虹膜识别技术的应用与发展

虹膜识别技术是一种生物特征识别技术,本文在分析其研究现状、识别流程的基础上,简单的介绍了虹膜图像的采集、虹膜定位、归一化与增强、虹膜编码、比较与判决等主要内容。     

浅谈彩色沥青在市政道路中的应用

该文以珠海市人民西路改造工程中公交专用车道和两侧非机动车道彩色沥青混凝土路面的施工为例,着重对彩色沥青混凝土路面的原材料选择、材料组成、混合料拌和、施工工艺、彩色沥青应用与发展等作了全面阐述,同时也介绍了彩色沥青混凝土路面的现状,以利于人们对彩色沥青的认识。     

A bintree energy approach for colour image segmentation using adaptive channel selection

A new hierarchical approach called bintree energy segmentation was presented for color image segmentation. The image features are extracted by adaptive clustering on multi-channel data at each level and used as the criteria to dynamically select the best chromatic channel, where the segmentation is carried out. In this approach, an extended direct energy computation method based on the Chan-Vese model was proposed to segment the selected channel, and the segmentation outputs are then fused with other channels into new images, from which a new channel with better features is selected for the second round segmentation. This procedure is repeated until the preset condition is met. Finally, a binary segmentation tree is formed, in which each leaf represents a class of objects with a distinctive color. To facilitate the data organization, image background is employed in segmentation and channels fusion. The bintree energy segmentation exploits color information involved in all channels data and tries to optimize the global segmentation result by choosing the ＂best＂ channel for segmentation at each level. The experiments show that the method is effective in speed, accuracy and flexibility.