多媒体教学系统中数据压缩方法的研究

如何在网络上实时地传输图像一直是网络数据传输的难点,作者简单介绍了无损数据压缩中的游程编码和帧间编码,然后提出一种游程编码和帧间编码相结合的混合编码数据压缩方法,实现了网络图像传输中对大量图像数据的快速、高效压缩。     

钢轨断面图形信息自动获取系统

本文以铁道钢轨断面图形检测为实例,设计了一个光学图象信息采集系统。把强光带直接照射到钢轨轨顶及其两侧,将一对CCD摄象机获取的三维物体的图象信息,经图象预处理后,用线性内插法对光带细化,使其变为二维图象处理,从而不再涉及难度较大的立体象对的图象相关问题。     

微创手术机器人视觉定位系统的研究

根据立体视觉的基本原理，建立摄像机标定模型和立体视觉模型，设计了基于微创手术机器人的视觉定位系统．介绍了相应图像处理软件的设计，实现对目标的准确识别和精确定位．实验证明该方案有较好的定位效果，同时分析了引起误差的原因．     

一种基于视频虚拟检测线的交通流参数检测方法

实时交通流参数检测在智能交通系统中起着重要的作用。参数检测有多种方式,其中基于图像处理的视频车辆检测方式近年来发展很快,由于它具有检测区域大、系统设置灵活等突出的优点,已成为智能交通系统领域的一个研究热点。车辆的检测基于车道,在每个车道设置两条虚拟检测线来检测交通流参数,虚拟检测线的作用类似于电磁感应线圈。系统通过对视频虚拟检测线的预处理将二维的数字图像转化成一维的检测信号,减小了运算量,降低了运算负荷。提出的基于视频虚拟检测线特征的交通流参数检测系统已经在PC机上用VC 6.0实现,并对不同典型天气条件下的交通流视频进行了实验,实验结果表明该系统具有较高的车流量统计精度。     

基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究

遥感图像纹理信息丰富，需要进行有效的纹理特征描述．小波域隐马尔可夫树（HMT）模型提供了一种有效的纹理特征提取方法．简述了HMT模型及分割思想，并在此基础上针对多光谱遥感图像，探索更好的纹理描述方法．通过适当的数学变换，得到多光谱遥感影像在不同角度下的描述：H—S—I分量和最大主成分分量．研究比较各分量特性并应用HMT模型，得到不同分量下纹理分割结果．实验表明，利用多光谱信息可有效地提高分割质量。     

MEDICAL IMAGE SEGMENTATION BASED ON A MODIFIED LEVEL SET ALGORITHM

Imagesegmentationplaysanimportantrolein imageanalysisaswellasinhigh levelimageinter pretationandunderstandingsuchasrobotvision, objectrecognition,andmedicalimaging.Numerous segmentationmethodshavebeendeveloped.How ever,medicalimagesareoftencorruptedbyno…     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

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．     

基于自适应正交变换线性组合器的EP信号压缩方法

研究了自适应正交变换线性组合器（ＡＯＴＬＣ）的原理，并将其应用于ＥＰ信号的数据压缩之中，分析和计算机模拟的结果表明，在保持同样压缩率的情况下，对ＡＯＴＬＣ压缩数据所恢复的ＥＰ信号进行潜伏期变化估计的性能，优于采用常规的差分脉冲编码调掉（ＤＰＣＭ）方法压缩重建ＥＰ信号并估计潜期变化的性能在保持各自潜伏期估计性能相近的情况下，ＡＯＴＬＣ的压缩率优于ＤＰＣＭ，另一方面，ＡＯＴＬＣ具有削弱随机噪声的能力，     

A New Robust Image Matching Method Based on Distance Reciprocal

Object matching between two-dimensional images is an important problem in computer vision. The purpose of object matching is to decide the similarity between two objects. A new robust image matching method based on distance reciprocal was presented. The distance reciprocal is based on human visual perception. This method is simple and effective. Moreover, it is robust against noise. The experiments show that this method outperforms the Hausdorff distance, when the images with noise interfered need to be recognized.