基于张量投票的图像超分辨率算法

张量投票算法在提取图像主观轮廓上具有良好的效果。文章提出了一种基于张量投票的图像超分辨率算法。首先,用二维张量矩阵存储低分辨率图像各像素点所处的位置特征信息,并利用稀疏张量投票将特征信息进行加强,再使用稠密张量投票产生高分辨率图像对应的二维张量矩阵,此张量矩阵包含了视觉特性强的边缘信息,最后利用该边缘信息指导高分辨率图像的重构。实验结果表明,该方法得到的高分辨率图像信噪比高、视觉效果好。     

基于主成分分析的织物瑕疵检测特征选取研究

为了提取到能够反映织物瑕疵的关键特征,文章对织物瑕疵图像从多个角度分别提取了基于分形维的空隙特征、多重分形特征、傅里叶变换特征、小波变换特征共计19维特征;高维特征会造成运算成本的增加,为此利用主成分分析法,从原始特征空间中得出了8个主要特征;运用模糊C均值聚类算法(FCM)对正常织物图像和瑕疵图像进行了聚类分析。     

基于张量投票的图像超分辨率算法

张量投票算法在提取图像主观轮廓上具有良好的效果。文章提出了一种基于张量投票的图像超分辨率算法。首先,用二维张量矩阵存储低分辨率图像各像素点所处的位置特征信息,并利用稀疏张量投票将特征信息进行加强,再使用稠密张量投票产生高分辨率图像对应的二维张量矩阵,此张量矩阵包含了视觉特性强的边缘信息,最后利用该边缘信息指导高分辨率图像的重构。实验结果表明,该方法得到的高分辨率图像信噪比高、视觉效果好。     

利用矩阵的奇异值分解对物体进行形状复原

奇异值分解法（singular value decomposition）是一种矩阵的分解方法,图像矩阵的奇异值（Singular Value）及其特征空间反映了图像中的不同成分和特征。奇异值分解（Singular Value Decomposition,SVD）是一种基于特征向量的矩阵变换方法。本文利用该方法利用某物体的数枚数字图像获得该物体的形状信息,也就是利用数字图像的灰度值来获得物体的法线向量矩阵。而且,利用具体的实验验证了该方法的可靠性。     

基于矩特征和面积特征的二值图像检索方法

在商标图像的检索中,仅凭图像单一的特征很难达到满意的检索效果,文章提出了利用图像矩特征与面积特征相结合的方法进行二值商标图像的检索。实验表明该方法能有效减少虚警和漏检,提高检索的精度。     

一种基于有限元的数据分解方法

本文采用一种新的多分辨率分析方法——有限元矩阵分解，将离散数据分解为有限元的主数据和节点误差。通过解决循环矩阵求逆的方法，得到各种尺度下矩阵的系数，该系数与小波系数意义相同。与小波方法相比有限元方法有对称性，为分片多项式，并且样条函数是确定的等特点。     

基于SVD图像压缩技术研究

数字图像处理方法的研究源于两个主要领域：一是便于人们分解图像,对图像信息进行改进;二是使机器能自动理解图像。后者正是我们所要研究的内容。众所周知,在计算机中,图像是通过矩阵来表示的,一幅图像对应着一个矩阵,对图像的压缩就转换成了对矩阵的处理。在数学中,对矩阵进行奇异值分解可以把一个矩阵分解成只用几个数来表示,而且这种分解具有很好的稳定性、唯一性和自相似性。通过这种方法,就能用比较少的数据来表示相应的图像。本文就是通过对图像的矩阵进行奇异值分解,将一幅图像转换成只包含几个非零值的奇异值矩阵,实现图像压缩。     

基于快速傅里叶变换的形状检索

近年来,随着多媒体技术和数字设备的出现,如何有效地管理和访问图像信息已成为人们亟待解决的问题。因此,一种新的图像检索技术——基于内容的图像检索技术被提出来。本文在已有研究成果的基础上,提出了自己的基于形状特征的图像检索方法:基于二维快速傅里叶变换的形状检索算法。     

基于差异系数变型的投资组合的研究

本文先分析了马柯维茨的投资组合理论及其局限性,然后利用收益率的协方差矩阵通过主成分分析,用特征根模拟组合的风险,并在差异系数的变化后建立不同于马柯维茨投资组合模型的目标函数,以此作为投资组合收益极大化的指标,同时给出了在卖空——非卖空条件下具体的投资组合策略,最后给出一个具体的实例加以说明.     

基于混沌理论和Arnold变换的X射线数字图像加密算法

图像经单一的混沌算法加密后,还留有原图像轮廓,存在加密强度不足的问题。文章提出应用二维Arnold矩阵变换和混沌理论混合加密X射线图像的算法,利用Arnold扰乱图像位置的特点,结合混沌加密理论,有效地解决了单一混沌加密算法对图像加密强度不够的问题。最后,通过实验验证了该算法的有效性。实验结果表明,该算法的加密安全性很高。