基于离散余弦变换的活性污泥显微图像融合

来源 :激光与光电子学进展 | 被引量 : 0次 | 上传用户:fkj1022
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了构建清晰且大景深的活性污泥微生物显微图像,提出一种基于离散余弦变换(DCT)的多平面活性污泥显微图像融合算法。首先对相同位置、不同焦平面的显微图像进行边缘锐化预处理,分别计算分块图像的变换系数。然后选择系数方差大的子块作为融合图像的子块,采用DCT逆变换对子块进行图像融合。最后应用双边滤波器一致性验证对融合图像进行进一步修正。通过对某污水处理厂采集的活性污泥显微图像进行图像融合实验研究。实验结果表明,所提算法在图像融合清晰度和计算复杂度方面具有相对优势。
其他文献
针对上下文感知相关滤波跟踪算法中提取目标周围背景信息训练滤波器时,未考虑滤波器时间一致性的问题,当目标出现外观突变时,滤波器无法适应连续两帧图像中目标和背景信息的变化,易出现目标漂移等问题,提出一种自适应上下文感知相关滤波跟踪算法。首先,将目标周围的背景信息学习到滤波器中,增加滤波器对背景信息和目标的分类能力,加入时间感知项,保证学习连续两帧图像的滤波器尽可能一致。然后,采用线性插值法用于确定目标
针对应用深度学习检测数码印花缺陷需准确分类的问题,提出了基于卷积神经网络(CNN)的数码印花缺陷分类算法。该方法首先依次对图像进行RGB颜色空间直方图均衡化、高斯滤波、局部均值分辨率调整的图像预处理,提升输入网络的图像质量,并进行图像几何变换的数据增强,扩充样本数据集;然后,设计拓扑结构为2个卷积层、2个池化层、2个全连接层的CNN网络对样本进行训练,得出最优的数码印花缺陷分类CNN模型。经600
随着经济全球化的不断发展,英语在人际交往中的作用越来越重要,英语能力也成为我国评价人才的重要标准之一。这其中,英语阅读能力是一项重要的技能,需要学生努力去掌握。重点
针对图像拼接过程中传统算法存在特征点匹配正确率低和图像融合过程中出现重影、色差及拼接缝隙等问题,提出一种融合改进SURF(Speeded Up Robust Feature)和Cell加速的幂函数加权图像拼接方法。首先利用余弦相似度初步判断特征点的相似性,然后结合双向一致性算法和MSAC算法对粗匹配点进行精匹配,最后使用Cell加速的幂函数权重对图像进行融合,从而完成图像拼接。实验结果表明,相比于