基于小波的岩石节理裂隙图像处理
|
摘要
岩石节理裂隙在岩石工程中具有重要作用。例如当放射性物质掩埋后,岩石节理就成为放射性物质泄漏的主要途径;在其它如工程爆破、隧道挖掘等岩石工程中,检测岩石节理裂隙也是其中的一个重要环节。因而,图像处理在岩石节理裂隙检测中具有十分广阔的应用前景。
小波分析是目前国际上最新的时频分析工具,在信号处理方面有着广泛地应用,本文着重讨论基于小波变换的基本理论及其在图像处理中的应用。
有多种方法可以获取岩石节理裂隙图像。使用紫外线辐射岩石可以获得岩石内部非常清晰的裂隙图像,而使用可见光可以获得岩石表面的纹理信息和裂隙图像,且成本低廉,因而获得广泛的应用。
针对岩石节理裂隙紫外图像,本文提出一种基于多尺度乘积的小波边缘检测算法。将紫外图像灰度化后,对其进行分区域:全亮区域、全暗区域和过渡区域检测。通过对相邻尺度的乘积运算后,既可增强边缘信息的强度,又可以减少噪声引起的干扰。这种边缘检测方法不仅适用于岩石节理裂隙检测,同样适用于其它图像的边缘检测。
针对岩石节理裂隙图像色彩复杂、纹理噪声较多且带有切割纹理等特点,提出一种基于四元数与小波的岩石节理裂隙检测算法。将不同尺度四元数卷积模板与彩色图像进行卷积后,可以获得矢量旋转后的和,假如矢量相差不是太远,则卷积后离灰度线较近;假如两个矢量相差较大,则卷积后呈彩色边缘状。最后,使用点积获得信噪比较高的边缘信息,再结合灰度图像的微分,并利用模极大抑制获得彩色图像边缘。该算法能有效地抑制噪声,并能准确定位到岩石实际边缘。
由于岩石节理裂隙的可见光图像和紫外图像边缘具有互补作用。图像融合能够同时表达这两种性质差别较大的图像,本文提出一种基于IHS变换的小波融合算法。通过融合紫外图像的不同区域,既融入了紫外图像清晰的边缘,也减少了可见光图像细节信息的损失。
为了校正运动模糊引起的图像降质,本文提出一种基于估值的运动图像去模糊算法。先对运动模糊图像进行抽样,抽样后的各子图像在运动方向上的象素之和接近相等。再用某一个选定初始值来计算恢复图像,最后根据这些象素值来修改初始值,从而使其收敛于原始图像象素值。运动去模糊算法提高了图像检测质量,以满足不同的工程需要。
It is an important task to detect rock fractures in rock engineering. Such as the radionuclide transport and retention processes in fractured rock are very necessary in nuclear waste management. The techniques of image processing and analysis can be applied as a power tool to obtain more detailed information of rock images.
Wavelet analysis is internationally recognized up to minute tool for analyzing time frequency and is widely applied to signal processing. This thesis discusses the technique of image processing based on wavelet transform.
There are many methods to obtain the rock fracture images. The inner fractures image can be obtain by using ultraviolet; on the other hand, the external fractures image can be obtain by using visible light. The methods are efficient and low cost. To detect the ultraviolet image fractures, the thesis presents an algorithm based on multi-scale wavelet transform. The method is useful not only to rock fractures detection but also to other images edge detection.
The color images are acquired by using visible light; moreover the fractures are more complicated. In order to suppress noise, a novel fracture detection algorithm based on quaternion convolution and wavelet transform was presented in this thesis. Once the color image was convoluted using different scale quaternion operators, the dot product is applied. Finally, the edge map could be obtained by using modulus maxima suppressed. This method can obtain accurate edge location meanwhile, it is efficient for noise suppresses.
Because the visible light image is colorful but noisy and the ultraviolet image is edge clear but grey-scales, the ideal solution is fusing the two types of images. After the color image was transformed to IHS color space, the edge information is fused in different areas. The fused images contain the edge of the ultraviolet image and the color of visible light image, which are more useful for further processing.
The thesis also presents a motion deblurring algorithm based on estimation. First of all, the blurred image is sampled at blurred direction, and each sub-image is equal at the same location. Depending on the character, the original pixels can be computed and other pixels also can be calculated. The proposed method is evaluated by both simulated data and real images, at the same time the restoration qualities of different deblurring methods are compared, and the experimental results show promising results.
小波分析是目前国际上最新的时频分析工具,在信号处理方面有着广泛地应用,本文着重讨论基于小波变换的基本理论及其在图像处理中的应用。
有多种方法可以获取岩石节理裂隙图像。使用紫外线辐射岩石可以获得岩石内部非常清晰的裂隙图像,而使用可见光可以获得岩石表面的纹理信息和裂隙图像,且成本低廉,因而获得广泛的应用。
针对岩石节理裂隙紫外图像,本文提出一种基于多尺度乘积的小波边缘检测算法。将紫外图像灰度化后,对其进行分区域:全亮区域、全暗区域和过渡区域检测。通过对相邻尺度的乘积运算后,既可增强边缘信息的强度,又可以减少噪声引起的干扰。这种边缘检测方法不仅适用于岩石节理裂隙检测,同样适用于其它图像的边缘检测。
针对岩石节理裂隙图像色彩复杂、纹理噪声较多且带有切割纹理等特点,提出一种基于四元数与小波的岩石节理裂隙检测算法。将不同尺度四元数卷积模板与彩色图像进行卷积后,可以获得矢量旋转后的和,假如矢量相差不是太远,则卷积后离灰度线较近;假如两个矢量相差较大,则卷积后呈彩色边缘状。最后,使用点积获得信噪比较高的边缘信息,再结合灰度图像的微分,并利用模极大抑制获得彩色图像边缘。该算法能有效地抑制噪声,并能准确定位到岩石实际边缘。
由于岩石节理裂隙的可见光图像和紫外图像边缘具有互补作用。图像融合能够同时表达这两种性质差别较大的图像,本文提出一种基于IHS变换的小波融合算法。通过融合紫外图像的不同区域,既融入了紫外图像清晰的边缘,也减少了可见光图像细节信息的损失。
为了校正运动模糊引起的图像降质,本文提出一种基于估值的运动图像去模糊算法。先对运动模糊图像进行抽样,抽样后的各子图像在运动方向上的象素之和接近相等。再用某一个选定初始值来计算恢复图像,最后根据这些象素值来修改初始值,从而使其收敛于原始图像象素值。运动去模糊算法提高了图像检测质量,以满足不同的工程需要。
It is an important task to detect rock fractures in rock engineering. Such as the radionuclide transport and retention processes in fractured rock are very necessary in nuclear waste management. The techniques of image processing and analysis can be applied as a power tool to obtain more detailed information of rock images.
Wavelet analysis is internationally recognized up to minute tool for analyzing time frequency and is widely applied to signal processing. This thesis discusses the technique of image processing based on wavelet transform.
There are many methods to obtain the rock fracture images. The inner fractures image can be obtain by using ultraviolet; on the other hand, the external fractures image can be obtain by using visible light. The methods are efficient and low cost. To detect the ultraviolet image fractures, the thesis presents an algorithm based on multi-scale wavelet transform. The method is useful not only to rock fractures detection but also to other images edge detection.
The color images are acquired by using visible light; moreover the fractures are more complicated. In order to suppress noise, a novel fracture detection algorithm based on quaternion convolution and wavelet transform was presented in this thesis. Once the color image was convoluted using different scale quaternion operators, the dot product is applied. Finally, the edge map could be obtained by using modulus maxima suppressed. This method can obtain accurate edge location meanwhile, it is efficient for noise suppresses.
Because the visible light image is colorful but noisy and the ultraviolet image is edge clear but grey-scales, the ideal solution is fusing the two types of images. After the color image was transformed to IHS color space, the edge information is fused in different areas. The fused images contain the edge of the ultraviolet image and the color of visible light image, which are more useful for further processing.
The thesis also presents a motion deblurring algorithm based on estimation. First of all, the blurred image is sampled at blurred direction, and each sub-image is equal at the same location. Depending on the character, the original pixels can be computed and other pixels also can be calculated. The proposed method is evaluated by both simulated data and real images, at the same time the restoration qualities of different deblurring methods are compared, and the experimental results show promising results.
引文
[1] Wang Weixing, Eva Hakami, Rock fracture image acquisition with both visible and ultraviolet illuminations, 2nd International Symp. on Adv. Optical Manufac. and Testing Tech.: Optical Test and Measurement Tech. and Equip., 2006, 6150(14): 1-6.
[2]冈萨雷斯等,数字图像处理,北京:电子工业出版社,2005。
[3] Jiang Lixia, Zhou Wenjun, Wang Yu, Study on improved algorithm for image edge detection, The 2nd International Conference on Computer and Automation Engineering, 2010, 4: 476-479.
[4]黄贤武、王加俊、李家华,数字图像处理与压缩编码技术,成都:电子科技大学出版社,2000。
[5]芮国胜、康健等译,小波分析与傅里叶分析基础,北京:电子工业出版社,2004。
[6]李建平、杨万年译,小波十讲,北京:国防工业出版社,2004。
[7]成礼智、王红霞、罗永,小波的理论与应用,北京:科学出版社,2004。
[8]陈武凡,小波分析及其在图像处理中的应用,北京:科学出版社,2003。
[9]章毓晋,图像分割,北京:科学出版社,2001。
[10] Stephane Mallat, Sifen Zhong, Characterization of signals from multiscale edges, IEEE transactions on pattern analysis and machine intelligence, 1992, 14(7): 710-732.
[11] Andreas Koschan, Mongi Abidi, Detection and classification of edges in color images, IEEE signal processing magazine, 2005, 22(1): 64-73.
[12] A. Cumani, Edge detection in multispectral images, Comput. Vis. Graph. Image process.: Graphical models image processing, 1991, 53(1): 40-51.
[13] P.W. Trahanias and A.N. Venetsanopoulos, Color edge detection using vector order statistics, IEEE Trans. Image Processing, 1993, 2(2): 259–264.
[14] S. J. Sangwine, Colour image edge detector based on quaternion convolution, Electronics Letters, 1998, 34(10): 969-971.
[15] Chunhua Li, Kun He, Jiliu Zhou, Edge Detection of Image on the Local Feature, Second International Symposium on Intelligent Information Technology Application, 2008, 2: 326-330.
[16] Lianghai Jin, Dehua Li, An efficient color-impulse detector and its application to color images, IEEE signal processing letters, 2007, 14(6): 397-4000.
[17] Adrian N. Evans, Xin U. Liu, A morphological gradient approach to color edge detection, IEEE transactions on image processing, 2006, 15(6): 1454-1463.
[18] Ruzon, M.A., Tomasi, C., Color edge detection with the compass operator, Computer Vision and Pattern Recognition, 1999, 2: 160-166.
[19]刘敏翔、王卫星,基于紫外光图像的岩石裂隙骨架抽取,计算机应用,2008,28(11):2900-2903。
[20] Weixing Wang, Jia Zongpu, Liwan Chen, Rock fracture image acquisition and analysis, 3rd international symp. On advanced optical manufac. and testing tech.: advanced optical manufacturing technologies, 2007, 6722.
[21] Weixing Wang, Rock fracture network image analysis, Proceedings of the 6th World Congress on Intelligent Control and Automation, 2006, 2: 9827-9830.
[22] Weixing Wang, Lei Li, Eva Hakami, Image analysis of multiple rock fractures, Proceedings of the IEEE International Conference on Mechatronics & Automation, 2005, 3: 1272-1276.
[23]王卫星,段姣,基于数字图像处理技术的岩石节理宽度测量,微型机与应用, 2005, 10: 51-53.
[24]董鸿燕,边缘检测的若干技术研究,国防科学技术大学博士论文,2008年。
[25] John Canny, A computational approach to edge detection, IEEE transactions on pattern analysis and machine intelligence, 1986, PAMI-8(6): 679-698.
[26] W. K. Pratt, Digital Image Processing, Wiley, 1991, New York.
[27]王慧燕,图像边缘检测和图像匹配研究及应用,浙江大学博士学校论文,2003。
[28]黄超、王卫星,基于裂隙方向的岩石节理裂隙缝合,图像处理,2007,23: 292-293。
[29]王青竹、王珂、袁国良、刘准,多层次自适应空间系数高斯小波图像边缘检测,中国图象图形学报,2009,14(7): 1347-1353。
[30]张全胜、杨更社、高广运、蒲毅彬,X射线CT技术在岩石损伤检测中的应用研究,力学与实践,2005,27(6): 11-19。
[31]刘惠芳、于吉顺,电子显微镜图像法测定岩石的孔隙度,电子显微学报,2006,25(增刊): 358-359。
[32]陈星、康文军、孙万林、陈兴周,裂隙岩体损伤断裂分形研究,现代矿业,2009,10: 49-51。
[33]李锐、金文标,岩石节理二值图像的细化,图像处理,2007,23(6): 294-296。
[34]朱珍德、渠文平、蒋志坚,岩石细观结构量化试验研究,岩石力学与工程学报,2007,26(7): 1313-1324。
[35]杨钊,一种基于分数阶微分的岩石裂隙图像提取算法,电脑与信息技术,2009,17(5): 6-8。
[36]王卫星,基于紫外光和可见光的岩体节理裂隙图像获取,金属矿山,2006,3: 18-21。
[37]周金和、彭福堂,一种有选择的图像灰度化方法,计算机工程,2006,32(20): 198-200。
[38]张建德、邵定宏,改进的基于颜色空间距离的图像灰度化算法,机械与电子,2008,1: 63-65。
[39]陈芬,基于多尺度小波变换的边缘检测,计算机工程与应用,2009,45(27): 160-162。
[40]杜鹃、刘斌,基于层内相关性的小波相位边缘检测,湖北大学学报,2008,30(1): 34-38。
[41]江勇,多尺度异常变化检测及其在裂隙检测中的应用,成都理工大学硕士学位论文,2005。
[42] Paul Bao, Lei Zhang, Xiaolin Wu, Canny Edge Detection Enhancement by Scale Multiplication, IEEE Transaction on Pattern Analysis and Machine Intelligence, 2005, 27(9): 1485-1490.
[43] Zhang Jin-Yu, Chen Yan, Huang Xian-Xiang, Edge detection of images based on improved Sobel operator and genetic algorithms, The International Conference on Image Analysis and Signal Processing, 2009, 31-35.
[44] Lei Zhang, Paul Bao, Edge detection by scale multiplication in wavelet domain, Pattern recognition letters, 2002, 23(14): 1771-1784.
[45]闫成新,基于区域的图象分割技术研究,华中科技大学博士学位论文,2004年。
[46]姜庆玲、刘万军、张闯,基于CNN的分块自适应彩色图像边缘检测的研究,计算机应用研究,2009,26(3): 1131-1134。
[47]张莹、王太勇、黄国龙、冷永刚,基于参数自适应CNN的灰度图像边缘检测,计算机工程与应用,2008,44(18): 160-162。
[48]曾希君、于博,基于改进BP神经网络图像边缘检测的研究,微电子学与计算机,2009,26(8): 215-218。
[49]李峰,刘雄飞,自适应多结构元形态学边缘检测方法,计算机仿真,2009,26(10): 265-268。
[50]马金发,基于细胞神经网络的图像边缘检测研究,科学技术与工程,2009,9(12): 3543-3545。
[51]蒋晓悦、赵荣椿,B-样条子波在图像边缘检测中的应用,中国体视学与图像分析,2002,7(4): 198-201。
[52]邱慧敏、杨济安,B样条函数与图像边缘检测,重庆邮电学院学报,1999,11(4): 46-49。
[53]解梅、马争,B样条小波边缘检测算子的应用研究,电子学报,1999,27(1): 106-108。
[54]常辉、胡荣强,基于B样条小波的图像边缘检测,武汉理工大学学报,2002,24(3): 31-33。
[55]连静、王珂、吕智莹,基于B样条小波的自适应阈值多尺度边缘检测,吉林大学学报,2005,35(5): 542-545。
[56]田岩岩、齐国清,基于小波变换模极大值的边缘检测方法,大连海事大学学报,2007,33(1): 102-106。
[57]陈武凡、鲁贤庆、陈建军、吴国雄,彩色图象边缘检测的新算法,中国科学,1995,25(2): 219-224。
[58]王静、李利军,彩色图像边缘检测方法的对比研究,计算技术与自动化,2003,22(4): 55-58。
[59] R. Nevatia, A color edge detector and its use in scene segmentation, IEEE transactions on systems, man, and cybernetics, 1977, 7(11): 820-826.
[60] Saber E., et al., Automatic image annotation using adaptive color classification, Graphical models and image processing, 1996, 58(2): 115-126.
[61]魏宝刚、李向阳、鲁东明、潘云鹤,彩色图像分割研究进展,计算机科学,1999,26(4): 59-62。
[62] Slawo Wesolkowski, Ed Jernigan, Color edge detection in RGB using jointly Euclidean distance and vector angle, Vision Interface’99, 1999, 9-16.
[63] Y. Yang, Colour edge detection and segmentation using vector analysis, 1995, Master’s thesis, Electrical and computer engineering, University of Toronto, Canada.
[64] R. D. Dony, S. Wesolkowski, Edge detection on color images using RGB vector angle, Proc. of IEEE CCECE’99, 1999, 2:687-692.
[65]杨方方、陈秀宏,基于向量排序的图像边缘提取方法,计算机工程与设计,2008,29(24): 6296-6298。
[66] J. Scharcanski, A. N. Venetsanopoulos, Edge detection of color images using directional operators, IEEE transactions on circuits and systems for video technology, 1997, 7(2): 397-401.
[67] Cong-Kha Pham, Koutaro Yamano, An Edge Extraction Method for Color Image Using Multiple-Valued LoG Filter and Color Space, 6th IEEE/ACIS International Conference on Computer and Information Science, 2007.
[68] Shu-Yu Zhu, Konstantinos N. Plataniotis, Anastasios N. Venetsanopoulos, Comprehensive analysis of edge detection in color image processing, Optical engineering, 1999, 38(4): 612-625.
[69] A. Shiozaki, Edge extraction using entropy operator, Comput. Vis. Graph. Image Process., 1986, 33: 116-126.[70] Jiangyan Xu, Weixing Wang, Changtao He, Wang Luo, Color Edge Detection Using Density Value, 2008 China-Korea-Japan Graduates Workshop on Electronic Information, 2008, 36-39.
[71] T. Carron, P. Lambert, Fuzzy color edge extraction by inference rules quantitative study and evaluation of performances, Proceedings of the 1995 international conference on image processing, 1995, 2: 181-184.
[72] M. A. Ruzon, C. Tomasi, Edge, junction, and corner detection using color distributions, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001, 23(11): 1281-1295.
[73] S. Di Zenzo, A note on the gradient of a multiimage, Computer Vision, Graphics, and Image Processing archive, 1986, 33(1): 116-125.
[74] D. Zugaj, V. Lattuati, A new approach of color images segmentation based on fusing region and edge segmentations outputs, Pattern Recognition, 1998, 31(2): 105-113.
[75] A. Koschan, A comparative study on color edge detection, In proc. 2nd Asian conf. on computer vision-ACCV’95, 1995, 3: 574-578.
[76] M. Heath, S. Sarkar, T. Sanocki and K. Bowyer, Comparison of edge detectors: a methodology and initial study, in 1996 IEEE Conf. on Computer Vision and Pattern Recognition, 1996.
[77] Dutta S., Chaudhuri B. B., A Color Edge Detection Algorithm in RGB Color Space, The International Conference on Advances in Recent Technologies in Communication and Computing, 2009, 337-340.
[78] A. Witkin, Scale-space filtering, in Proc. 8th. Int. Joint Conf. on Artificial Intelligence, 1983, 2: 1019-1022.
[79] J. S. J. Lee, R. M. Haralick, L. G. Shapiro, Morphologic edge detection, IEEE J. Robot Automat, 1987, 142-156.
[80] Y. T. Zhou, V. Venkateshwar, R. Chellappa, Edge detection and linear feature extraction using a 2D random field model, IEEE Trans. Pattern. Anal. Mach. Intell., 1989, 84-95.
[81] A. Koschan, How to Utilize Color Information in Dense Stereo Matching and in Edge-Based Stereo Matching, Proceedings of the 3rd International Conference on Automation, Robotics and Computer Vision, 1994, 1: 419-423.
[82] Comaniciu, D., Meer, P. Mean shift: a robust approach towardfeature space analysis, IEEE Trans. Pattern Anal. Mach. Intell., 2002, 24(5): 603-619.
[83] S. C. Pei, C. M. Cheng, Color Image Processing by Using Binary Quaternion-Moment-Preserving Thresholding Technique, IEEE transactions on imaging processing, 1999, 8(5): 614-628.
[84] C. Cai, S. K. Mitra, A normalized color difference edge detector based on quaternion representation, Processing of IEEE international conference on image processing, Canada, 2000: 816-819.
[85]李葆青,基于四元数描述的彩色图象边缘检测器,中国图象图形学报,2003,8(7): 774-777。
[86] Jiangyan Xu, Weixing Wang, Linning Ye, Rock fracture edge detection based on quaternion convolution by scale multiplication, Optical Engineering, 2009, 48(9): 097001-7.
[87]许姜严、王卫星,基于平均加权四元数卷积的岩石节理裂隙检测,光电工程,2009,36(10): 1-5。
[88]史丰、陈福民,一种非常有效的彩色图像边缘检测方法,微计算机应用,2005,26(3): 312-314。
[89]郎方年、周激流、闫斌、宋恩彬、钟凡,四元数与彩色图像边缘检测,计算机科学,2007,34(11): 212-216。
[90]许存禄,图像纹理分析的新方法及其应用,复旦大学博士学位论文,2005。
[91]谢国庆,分形多小波理论和纹理图像分割,广西师范大学硕士学位论文,2001。
[92]许姜严、王卫星,抑制图像纹理的岩石节理裂隙检测,计算机工程与应用,2010,46(6): 1-2。
[93]马瑜、王晓辉,基于Quaternion-Gabor滤波器的彩色纹理分割算法研究,计算机工程与应用,2007,43(28): 51-54。
[94]傅一平、李志能、袁丁,用于多类型边缘提取的最佳Gabor滤波器设计,浙江大学学报(工学版),2004,38(7): 839-844。
[95]苏金善、栾雪琴,基于Gabor滤波器的图像去噪研究,伊犁师范学院学报,4: 15-19。
[96]狄红卫、张文琴,Canny准则小波边缘检测在图像融合中的应用,光电工程,2005,32(6): 79-82。
[97]李玲玲,像素级图像融合方法研究与应用,华中科技大学博士学位论文,2005。
[98]张强,基于多尺度几何分析的多传感器图像融合算法研究,西安电子科技大学博士学位论文,2008。
[99]洪日昌,多源图像融合算法及应用研究,中国科学技术大学博士学位论文,2007。
[100] O. Rockinger, T. Fechner, Pixel-level image fusion: The case of image sequences, Proc. SPIE, 1998, 3374:378-388.
[101] Wenjuan Zhang, Jiayin Kang, Edge Detection Based on Fusion of Wavelet Transform and Mathematical Morphology, The International Conference on Information Engineering andComputer Science, 2009, 1-4.
[102]孙凤梅,多传感器图像彩色融合方法研究,湖南大学硕士学位论文,2009。
[103]陈玉春,多源图像融合算法研究,西北工业大学博士学位论文,2006。
[104]毛士艺、赵巍,多传感器图像融合技术综述,北京航空航天大学学报,2002,28(5): 512-518。
[105]李伟、庞其昌、李洪、靳贵平,小波变换在紫外图像融合中的应用,科学技术与工程,2005,5(15): 1067-1069。
[106]周礼、王章野、金剑秋、彭群生,基于HVS的小波图像融合新算法,中国图象图形学报,2004,9(9): 1088-1094。
[107]刘红毅、韦志辉,基于分数阶样条小波与IHS变换的图像融合,南京理工大学学报,2006,31(1): 81-84。
[108]蒋年德、王耀南,一种新的基于主分量变换与小波变换的图像融合方法,中国图象图形学报,2005,10(7): 910-914。
[109]陈东、李飚、沈振康,SAR与可见光图像融合算法的研究,系统工程与电子技术,2000,22(9): 5-7。
[110]刘佳敏,基于边缘信息的SAR与可见光影像匹配算法,遥测遥控,2003,24(2): 9-13。
[111]江兴方、金龙、陶纯堪,基于MSR和边缘提取的彩色图像融合新方法,光电工程,2006,33(3): 110-113。
[112]郎方年、周激流、钟钒、宋恩彬、闫斌,基于四元数的图像信息并行融合,自动化学报,2007,33(11): 1136-1143。
[113]吉书鹏、丁晓青,可见光与红外图像增强融合算法研究,红外与激光工程,2002,31(6): 519-521。
[114]蒋晓瑜、高稚允、周立伟,小波变换在多光谱图像融合中的应用,电子学报,1997,25(8): 105-108。
[115]刘贵喜、赵曙光、陈文锦,红外与可见光图像融合的多分辨率方法,光电子·激光,2004,15(8): 980-984。
[116]郑永安、陈玉春、宋建社、赵伟舟,基于提升机制小波变换的SAR与多光谱图像融合算法,计算机工程,2006,32(6): 195-197。
[117]孙巍,像素级多聚集图像融合算法研究,吉林大学博士学位论文,2008。
[118]刘鹏、张岩、毛志刚,一种基于小波变换边缘保护的图像融合算法,计算机应用,2005,25(7): 1620-1622。
[119]佘二永、王润生,基于线性融合模型的多传感器图像融合,电子学报,2005,33(6):1008-1010。
[120]刘刚、敬忠良、孙韶媛、李建勋,一种综合纹理和边缘信息的多尺度图像融合方法,遥感学报,2005,9(3): 247-252。
[121]李晓春、陈京,基于小波变换的图像融合算法研究,遥感技术与应用,2003,18(1): 27-30。
[122]陈小梅、倪国强、李勇量,图像融合中小波边缘效应的消除方法,北京理工大学学报,2003,23(4): 525-528。
[123]唐国良,基于多源信息融合的图像处理,河南科技大学硕士学位论文,2006。
[124]董九英,多传感器数据融合的主成分方法研究,计算机工程与应用,2009,45(33): 111-113。
[125]陆冬华、赵英俊,基于改进型Brovey算法的高光谱数据融合技术,世界核地质科学,2006,23(3): 177-180。
[126]邓蕴昊、张纳温,一种改进的加权融合算法,弹箭与制导学报,2008,28(6): 311-313。
[127] Jiangyan Xu, Weixing Wang, Liwan Chen, Image fusion algorithm for rock fracture detection using wavelet transform, 3rd International Symposium on Advanced Optical Manufacturing and Testing Technologies: Optical Test and Measurement Technology and Equipment, 2007, 6723.
[128]王卫星,岩石颗粒计算机视觉系统,有色金属,2002,54(6): 16-19。
[129]林萌、李翠华、黄剑航,基于Radon变换的运动模糊图像参数估计,计算机技术与发展,2008,18(1): 33-36。
[130]朱冬梅、徐贵力、程月华、田裕鹏,基于方向微分的运动模糊方向鉴别的改进算法,航空兵器,2009,3: 43-46。
[131]黄琦、张国基、唐向京,基于霍夫变换的图像运动模糊角度识别法的改进,计算机应用,2008,1: 211-213。
[132]蒋岩峰、于起峰、梁永辉,基于频谱分析的匀速运动模糊图像模糊方向识别,光学与光电技术,2008,6(4): 68-70。
[133]邸慧、于起峰,基于自相关的匀速运动模糊尺度参数识别,国防科技大学学报,2006,28(5): 123-125。
[134]陈前荣、陆启生、成礼智,利用拉氏算子鉴别运动模糊方向,计算机应用,2004,24(9): 4-6。
[135]贺卫国、黎绍发,匀速直线运动模糊长度的精确估计,计算机应用,2005,25(6): 1316-1317。
[136] Y. Yitzhaky, N. S. Kopeika, Identification of blur parameters from motion blurred images,Graphical models and image processing, 1991, 59(5): 310-320.
[137]许姜严、王卫星、彭宏,基于估值的运动模糊图像恢复算法,2007年全国博士生学术论坛,2007,249-253。
[138]王彪、姜志国、赵丹培,遥感图像运动模糊恢复方法及评价标准研究,航天返回与遥感,2009,30: 18-24。
[139]赵琳、金伟其、陈翼男、张桂清、沈亚中、杨春松,一种新的运动模糊图像超分辨率盲复原算法,光子学报,2008,37(11): 2355-2359。
[140]陈波,一种新的运动模糊图像恢复方法,计算机应用,2008,28(8): 2024-2026。
[141]王晓红,一种有效的运动模糊图像恢复算法,计算机工程,2003,29(17):13-14。
[142]李秀怡、黄继风,基于Radon变换的运动模糊方向精确估计,计算机工程与科学,2008,30(9): 51-52。
[143]周鸣争、汪军、强俊、楚宁,基于空间域的车辆运动模糊图像的恢复,安徽工程科技学院学报,2005,20(4): 21-24。
[144]郑捷文、蔡利栋,匀速直线运动模糊图像的恢复,暨南大学学报(自然科学版),2002,23(3): 42-45。
[145]刘微,运动模糊图像恢复算法的研究与实现,中国科学院研究生院博士学位论文,2005。
[146]明文华、孔晓东、屈磊、梁栋,运动模糊图像的恢复方法研究,计算机工程,2004,30(7): 133-135。
[147]张秉仁、陈里铭、高游,运动模糊图像的降质过程分析与恢复技术研究,中国图象图形学报,2004,9(7): 815-819。
[148]周玉、彭召意,运动模糊图像的维纳滤波复原研究,计算机工程与应用,2009,45(19): 181-183。
[149]胡家升,运动模糊图像的判定与恢复,大连理工大学硕士学位论文,2006。
[150]武庆、郭平,运动模糊图像的Kalman滤波盲复原研究,计算机科学,2004,31(12): 159-161。
[151] Moshe Ben-Ezra, Shree K. Nayar, Motion-Based motion deblurring, IEEE transactions on pattern analysis and machine intelligence, 2004, 26(6): 689-698.
[152]陈湘凭、杨大磊、陈玺,图像的运动模糊复原技术研究,计算机与数字工程,2008,36(8): 136-139。
[2]冈萨雷斯等,数字图像处理,北京:电子工业出版社,2005。
[3] Jiang Lixia, Zhou Wenjun, Wang Yu, Study on improved algorithm for image edge detection, The 2nd International Conference on Computer and Automation Engineering, 2010, 4: 476-479.
[4]黄贤武、王加俊、李家华,数字图像处理与压缩编码技术,成都:电子科技大学出版社,2000。
[5]芮国胜、康健等译,小波分析与傅里叶分析基础,北京:电子工业出版社,2004。
[6]李建平、杨万年译,小波十讲,北京:国防工业出版社,2004。
[7]成礼智、王红霞、罗永,小波的理论与应用,北京:科学出版社,2004。
[8]陈武凡,小波分析及其在图像处理中的应用,北京:科学出版社,2003。
[9]章毓晋,图像分割,北京:科学出版社,2001。
[10] Stephane Mallat, Sifen Zhong, Characterization of signals from multiscale edges, IEEE transactions on pattern analysis and machine intelligence, 1992, 14(7): 710-732.
[11] Andreas Koschan, Mongi Abidi, Detection and classification of edges in color images, IEEE signal processing magazine, 2005, 22(1): 64-73.
[12] A. Cumani, Edge detection in multispectral images, Comput. Vis. Graph. Image process.: Graphical models image processing, 1991, 53(1): 40-51.
[13] P.W. Trahanias and A.N. Venetsanopoulos, Color edge detection using vector order statistics, IEEE Trans. Image Processing, 1993, 2(2): 259–264.
[14] S. J. Sangwine, Colour image edge detector based on quaternion convolution, Electronics Letters, 1998, 34(10): 969-971.
[15] Chunhua Li, Kun He, Jiliu Zhou, Edge Detection of Image on the Local Feature, Second International Symposium on Intelligent Information Technology Application, 2008, 2: 326-330.
[16] Lianghai Jin, Dehua Li, An efficient color-impulse detector and its application to color images, IEEE signal processing letters, 2007, 14(6): 397-4000.
[17] Adrian N. Evans, Xin U. Liu, A morphological gradient approach to color edge detection, IEEE transactions on image processing, 2006, 15(6): 1454-1463.
[18] Ruzon, M.A., Tomasi, C., Color edge detection with the compass operator, Computer Vision and Pattern Recognition, 1999, 2: 160-166.
[19]刘敏翔、王卫星,基于紫外光图像的岩石裂隙骨架抽取,计算机应用,2008,28(11):2900-2903。
[20] Weixing Wang, Jia Zongpu, Liwan Chen, Rock fracture image acquisition and analysis, 3rd international symp. On advanced optical manufac. and testing tech.: advanced optical manufacturing technologies, 2007, 6722.
[21] Weixing Wang, Rock fracture network image analysis, Proceedings of the 6th World Congress on Intelligent Control and Automation, 2006, 2: 9827-9830.
[22] Weixing Wang, Lei Li, Eva Hakami, Image analysis of multiple rock fractures, Proceedings of the IEEE International Conference on Mechatronics & Automation, 2005, 3: 1272-1276.
[23]王卫星,段姣,基于数字图像处理技术的岩石节理宽度测量,微型机与应用, 2005, 10: 51-53.
[24]董鸿燕,边缘检测的若干技术研究,国防科学技术大学博士论文,2008年。
[25] John Canny, A computational approach to edge detection, IEEE transactions on pattern analysis and machine intelligence, 1986, PAMI-8(6): 679-698.
[26] W. K. Pratt, Digital Image Processing, Wiley, 1991, New York.
[27]王慧燕,图像边缘检测和图像匹配研究及应用,浙江大学博士学校论文,2003。
[28]黄超、王卫星,基于裂隙方向的岩石节理裂隙缝合,图像处理,2007,23: 292-293。
[29]王青竹、王珂、袁国良、刘准,多层次自适应空间系数高斯小波图像边缘检测,中国图象图形学报,2009,14(7): 1347-1353。
[30]张全胜、杨更社、高广运、蒲毅彬,X射线CT技术在岩石损伤检测中的应用研究,力学与实践,2005,27(6): 11-19。
[31]刘惠芳、于吉顺,电子显微镜图像法测定岩石的孔隙度,电子显微学报,2006,25(增刊): 358-359。
[32]陈星、康文军、孙万林、陈兴周,裂隙岩体损伤断裂分形研究,现代矿业,2009,10: 49-51。
[33]李锐、金文标,岩石节理二值图像的细化,图像处理,2007,23(6): 294-296。
[34]朱珍德、渠文平、蒋志坚,岩石细观结构量化试验研究,岩石力学与工程学报,2007,26(7): 1313-1324。
[35]杨钊,一种基于分数阶微分的岩石裂隙图像提取算法,电脑与信息技术,2009,17(5): 6-8。
[36]王卫星,基于紫外光和可见光的岩体节理裂隙图像获取,金属矿山,2006,3: 18-21。
[37]周金和、彭福堂,一种有选择的图像灰度化方法,计算机工程,2006,32(20): 198-200。
[38]张建德、邵定宏,改进的基于颜色空间距离的图像灰度化算法,机械与电子,2008,1: 63-65。
[39]陈芬,基于多尺度小波变换的边缘检测,计算机工程与应用,2009,45(27): 160-162。
[40]杜鹃、刘斌,基于层内相关性的小波相位边缘检测,湖北大学学报,2008,30(1): 34-38。
[41]江勇,多尺度异常变化检测及其在裂隙检测中的应用,成都理工大学硕士学位论文,2005。
[42] Paul Bao, Lei Zhang, Xiaolin Wu, Canny Edge Detection Enhancement by Scale Multiplication, IEEE Transaction on Pattern Analysis and Machine Intelligence, 2005, 27(9): 1485-1490.
[43] Zhang Jin-Yu, Chen Yan, Huang Xian-Xiang, Edge detection of images based on improved Sobel operator and genetic algorithms, The International Conference on Image Analysis and Signal Processing, 2009, 31-35.
[44] Lei Zhang, Paul Bao, Edge detection by scale multiplication in wavelet domain, Pattern recognition letters, 2002, 23(14): 1771-1784.
[45]闫成新,基于区域的图象分割技术研究,华中科技大学博士学位论文,2004年。
[46]姜庆玲、刘万军、张闯,基于CNN的分块自适应彩色图像边缘检测的研究,计算机应用研究,2009,26(3): 1131-1134。
[47]张莹、王太勇、黄国龙、冷永刚,基于参数自适应CNN的灰度图像边缘检测,计算机工程与应用,2008,44(18): 160-162。
[48]曾希君、于博,基于改进BP神经网络图像边缘检测的研究,微电子学与计算机,2009,26(8): 215-218。
[49]李峰,刘雄飞,自适应多结构元形态学边缘检测方法,计算机仿真,2009,26(10): 265-268。
[50]马金发,基于细胞神经网络的图像边缘检测研究,科学技术与工程,2009,9(12): 3543-3545。
[51]蒋晓悦、赵荣椿,B-样条子波在图像边缘检测中的应用,中国体视学与图像分析,2002,7(4): 198-201。
[52]邱慧敏、杨济安,B样条函数与图像边缘检测,重庆邮电学院学报,1999,11(4): 46-49。
[53]解梅、马争,B样条小波边缘检测算子的应用研究,电子学报,1999,27(1): 106-108。
[54]常辉、胡荣强,基于B样条小波的图像边缘检测,武汉理工大学学报,2002,24(3): 31-33。
[55]连静、王珂、吕智莹,基于B样条小波的自适应阈值多尺度边缘检测,吉林大学学报,2005,35(5): 542-545。
[56]田岩岩、齐国清,基于小波变换模极大值的边缘检测方法,大连海事大学学报,2007,33(1): 102-106。
[57]陈武凡、鲁贤庆、陈建军、吴国雄,彩色图象边缘检测的新算法,中国科学,1995,25(2): 219-224。
[58]王静、李利军,彩色图像边缘检测方法的对比研究,计算技术与自动化,2003,22(4): 55-58。
[59] R. Nevatia, A color edge detector and its use in scene segmentation, IEEE transactions on systems, man, and cybernetics, 1977, 7(11): 820-826.
[60] Saber E., et al., Automatic image annotation using adaptive color classification, Graphical models and image processing, 1996, 58(2): 115-126.
[61]魏宝刚、李向阳、鲁东明、潘云鹤,彩色图像分割研究进展,计算机科学,1999,26(4): 59-62。
[62] Slawo Wesolkowski, Ed Jernigan, Color edge detection in RGB using jointly Euclidean distance and vector angle, Vision Interface’99, 1999, 9-16.
[63] Y. Yang, Colour edge detection and segmentation using vector analysis, 1995, Master’s thesis, Electrical and computer engineering, University of Toronto, Canada.
[64] R. D. Dony, S. Wesolkowski, Edge detection on color images using RGB vector angle, Proc. of IEEE CCECE’99, 1999, 2:687-692.
[65]杨方方、陈秀宏,基于向量排序的图像边缘提取方法,计算机工程与设计,2008,29(24): 6296-6298。
[66] J. Scharcanski, A. N. Venetsanopoulos, Edge detection of color images using directional operators, IEEE transactions on circuits and systems for video technology, 1997, 7(2): 397-401.
[67] Cong-Kha Pham, Koutaro Yamano, An Edge Extraction Method for Color Image Using Multiple-Valued LoG Filter and Color Space, 6th IEEE/ACIS International Conference on Computer and Information Science, 2007.
[68] Shu-Yu Zhu, Konstantinos N. Plataniotis, Anastasios N. Venetsanopoulos, Comprehensive analysis of edge detection in color image processing, Optical engineering, 1999, 38(4): 612-625.
[69] A. Shiozaki, Edge extraction using entropy operator, Comput. Vis. Graph. Image Process., 1986, 33: 116-126.[70] Jiangyan Xu, Weixing Wang, Changtao He, Wang Luo, Color Edge Detection Using Density Value, 2008 China-Korea-Japan Graduates Workshop on Electronic Information, 2008, 36-39.
[71] T. Carron, P. Lambert, Fuzzy color edge extraction by inference rules quantitative study and evaluation of performances, Proceedings of the 1995 international conference on image processing, 1995, 2: 181-184.
[72] M. A. Ruzon, C. Tomasi, Edge, junction, and corner detection using color distributions, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001, 23(11): 1281-1295.
[73] S. Di Zenzo, A note on the gradient of a multiimage, Computer Vision, Graphics, and Image Processing archive, 1986, 33(1): 116-125.
[74] D. Zugaj, V. Lattuati, A new approach of color images segmentation based on fusing region and edge segmentations outputs, Pattern Recognition, 1998, 31(2): 105-113.
[75] A. Koschan, A comparative study on color edge detection, In proc. 2nd Asian conf. on computer vision-ACCV’95, 1995, 3: 574-578.
[76] M. Heath, S. Sarkar, T. Sanocki and K. Bowyer, Comparison of edge detectors: a methodology and initial study, in 1996 IEEE Conf. on Computer Vision and Pattern Recognition, 1996.
[77] Dutta S., Chaudhuri B. B., A Color Edge Detection Algorithm in RGB Color Space, The International Conference on Advances in Recent Technologies in Communication and Computing, 2009, 337-340.
[78] A. Witkin, Scale-space filtering, in Proc. 8th. Int. Joint Conf. on Artificial Intelligence, 1983, 2: 1019-1022.
[79] J. S. J. Lee, R. M. Haralick, L. G. Shapiro, Morphologic edge detection, IEEE J. Robot Automat, 1987, 142-156.
[80] Y. T. Zhou, V. Venkateshwar, R. Chellappa, Edge detection and linear feature extraction using a 2D random field model, IEEE Trans. Pattern. Anal. Mach. Intell., 1989, 84-95.
[81] A. Koschan, How to Utilize Color Information in Dense Stereo Matching and in Edge-Based Stereo Matching, Proceedings of the 3rd International Conference on Automation, Robotics and Computer Vision, 1994, 1: 419-423.
[82] Comaniciu, D., Meer, P. Mean shift: a robust approach towardfeature space analysis, IEEE Trans. Pattern Anal. Mach. Intell., 2002, 24(5): 603-619.
[83] S. C. Pei, C. M. Cheng, Color Image Processing by Using Binary Quaternion-Moment-Preserving Thresholding Technique, IEEE transactions on imaging processing, 1999, 8(5): 614-628.
[84] C. Cai, S. K. Mitra, A normalized color difference edge detector based on quaternion representation, Processing of IEEE international conference on image processing, Canada, 2000: 816-819.
[85]李葆青,基于四元数描述的彩色图象边缘检测器,中国图象图形学报,2003,8(7): 774-777。
[86] Jiangyan Xu, Weixing Wang, Linning Ye, Rock fracture edge detection based on quaternion convolution by scale multiplication, Optical Engineering, 2009, 48(9): 097001-7.
[87]许姜严、王卫星,基于平均加权四元数卷积的岩石节理裂隙检测,光电工程,2009,36(10): 1-5。
[88]史丰、陈福民,一种非常有效的彩色图像边缘检测方法,微计算机应用,2005,26(3): 312-314。
[89]郎方年、周激流、闫斌、宋恩彬、钟凡,四元数与彩色图像边缘检测,计算机科学,2007,34(11): 212-216。
[90]许存禄,图像纹理分析的新方法及其应用,复旦大学博士学位论文,2005。
[91]谢国庆,分形多小波理论和纹理图像分割,广西师范大学硕士学位论文,2001。
[92]许姜严、王卫星,抑制图像纹理的岩石节理裂隙检测,计算机工程与应用,2010,46(6): 1-2。
[93]马瑜、王晓辉,基于Quaternion-Gabor滤波器的彩色纹理分割算法研究,计算机工程与应用,2007,43(28): 51-54。
[94]傅一平、李志能、袁丁,用于多类型边缘提取的最佳Gabor滤波器设计,浙江大学学报(工学版),2004,38(7): 839-844。
[95]苏金善、栾雪琴,基于Gabor滤波器的图像去噪研究,伊犁师范学院学报,4: 15-19。
[96]狄红卫、张文琴,Canny准则小波边缘检测在图像融合中的应用,光电工程,2005,32(6): 79-82。
[97]李玲玲,像素级图像融合方法研究与应用,华中科技大学博士学位论文,2005。
[98]张强,基于多尺度几何分析的多传感器图像融合算法研究,西安电子科技大学博士学位论文,2008。
[99]洪日昌,多源图像融合算法及应用研究,中国科学技术大学博士学位论文,2007。
[100] O. Rockinger, T. Fechner, Pixel-level image fusion: The case of image sequences, Proc. SPIE, 1998, 3374:378-388.
[101] Wenjuan Zhang, Jiayin Kang, Edge Detection Based on Fusion of Wavelet Transform and Mathematical Morphology, The International Conference on Information Engineering andComputer Science, 2009, 1-4.
[102]孙凤梅,多传感器图像彩色融合方法研究,湖南大学硕士学位论文,2009。
[103]陈玉春,多源图像融合算法研究,西北工业大学博士学位论文,2006。
[104]毛士艺、赵巍,多传感器图像融合技术综述,北京航空航天大学学报,2002,28(5): 512-518。
[105]李伟、庞其昌、李洪、靳贵平,小波变换在紫外图像融合中的应用,科学技术与工程,2005,5(15): 1067-1069。
[106]周礼、王章野、金剑秋、彭群生,基于HVS的小波图像融合新算法,中国图象图形学报,2004,9(9): 1088-1094。
[107]刘红毅、韦志辉,基于分数阶样条小波与IHS变换的图像融合,南京理工大学学报,2006,31(1): 81-84。
[108]蒋年德、王耀南,一种新的基于主分量变换与小波变换的图像融合方法,中国图象图形学报,2005,10(7): 910-914。
[109]陈东、李飚、沈振康,SAR与可见光图像融合算法的研究,系统工程与电子技术,2000,22(9): 5-7。
[110]刘佳敏,基于边缘信息的SAR与可见光影像匹配算法,遥测遥控,2003,24(2): 9-13。
[111]江兴方、金龙、陶纯堪,基于MSR和边缘提取的彩色图像融合新方法,光电工程,2006,33(3): 110-113。
[112]郎方年、周激流、钟钒、宋恩彬、闫斌,基于四元数的图像信息并行融合,自动化学报,2007,33(11): 1136-1143。
[113]吉书鹏、丁晓青,可见光与红外图像增强融合算法研究,红外与激光工程,2002,31(6): 519-521。
[114]蒋晓瑜、高稚允、周立伟,小波变换在多光谱图像融合中的应用,电子学报,1997,25(8): 105-108。
[115]刘贵喜、赵曙光、陈文锦,红外与可见光图像融合的多分辨率方法,光电子·激光,2004,15(8): 980-984。
[116]郑永安、陈玉春、宋建社、赵伟舟,基于提升机制小波变换的SAR与多光谱图像融合算法,计算机工程,2006,32(6): 195-197。
[117]孙巍,像素级多聚集图像融合算法研究,吉林大学博士学位论文,2008。
[118]刘鹏、张岩、毛志刚,一种基于小波变换边缘保护的图像融合算法,计算机应用,2005,25(7): 1620-1622。
[119]佘二永、王润生,基于线性融合模型的多传感器图像融合,电子学报,2005,33(6):1008-1010。
[120]刘刚、敬忠良、孙韶媛、李建勋,一种综合纹理和边缘信息的多尺度图像融合方法,遥感学报,2005,9(3): 247-252。
[121]李晓春、陈京,基于小波变换的图像融合算法研究,遥感技术与应用,2003,18(1): 27-30。
[122]陈小梅、倪国强、李勇量,图像融合中小波边缘效应的消除方法,北京理工大学学报,2003,23(4): 525-528。
[123]唐国良,基于多源信息融合的图像处理,河南科技大学硕士学位论文,2006。
[124]董九英,多传感器数据融合的主成分方法研究,计算机工程与应用,2009,45(33): 111-113。
[125]陆冬华、赵英俊,基于改进型Brovey算法的高光谱数据融合技术,世界核地质科学,2006,23(3): 177-180。
[126]邓蕴昊、张纳温,一种改进的加权融合算法,弹箭与制导学报,2008,28(6): 311-313。
[127] Jiangyan Xu, Weixing Wang, Liwan Chen, Image fusion algorithm for rock fracture detection using wavelet transform, 3rd International Symposium on Advanced Optical Manufacturing and Testing Technologies: Optical Test and Measurement Technology and Equipment, 2007, 6723.
[128]王卫星,岩石颗粒计算机视觉系统,有色金属,2002,54(6): 16-19。
[129]林萌、李翠华、黄剑航,基于Radon变换的运动模糊图像参数估计,计算机技术与发展,2008,18(1): 33-36。
[130]朱冬梅、徐贵力、程月华、田裕鹏,基于方向微分的运动模糊方向鉴别的改进算法,航空兵器,2009,3: 43-46。
[131]黄琦、张国基、唐向京,基于霍夫变换的图像运动模糊角度识别法的改进,计算机应用,2008,1: 211-213。
[132]蒋岩峰、于起峰、梁永辉,基于频谱分析的匀速运动模糊图像模糊方向识别,光学与光电技术,2008,6(4): 68-70。
[133]邸慧、于起峰,基于自相关的匀速运动模糊尺度参数识别,国防科技大学学报,2006,28(5): 123-125。
[134]陈前荣、陆启生、成礼智,利用拉氏算子鉴别运动模糊方向,计算机应用,2004,24(9): 4-6。
[135]贺卫国、黎绍发,匀速直线运动模糊长度的精确估计,计算机应用,2005,25(6): 1316-1317。
[136] Y. Yitzhaky, N. S. Kopeika, Identification of blur parameters from motion blurred images,Graphical models and image processing, 1991, 59(5): 310-320.
[137]许姜严、王卫星、彭宏,基于估值的运动模糊图像恢复算法,2007年全国博士生学术论坛,2007,249-253。
[138]王彪、姜志国、赵丹培,遥感图像运动模糊恢复方法及评价标准研究,航天返回与遥感,2009,30: 18-24。
[139]赵琳、金伟其、陈翼男、张桂清、沈亚中、杨春松,一种新的运动模糊图像超分辨率盲复原算法,光子学报,2008,37(11): 2355-2359。
[140]陈波,一种新的运动模糊图像恢复方法,计算机应用,2008,28(8): 2024-2026。
[141]王晓红,一种有效的运动模糊图像恢复算法,计算机工程,2003,29(17):13-14。
[142]李秀怡、黄继风,基于Radon变换的运动模糊方向精确估计,计算机工程与科学,2008,30(9): 51-52。
[143]周鸣争、汪军、强俊、楚宁,基于空间域的车辆运动模糊图像的恢复,安徽工程科技学院学报,2005,20(4): 21-24。
[144]郑捷文、蔡利栋,匀速直线运动模糊图像的恢复,暨南大学学报(自然科学版),2002,23(3): 42-45。
[145]刘微,运动模糊图像恢复算法的研究与实现,中国科学院研究生院博士学位论文,2005。
[146]明文华、孔晓东、屈磊、梁栋,运动模糊图像的恢复方法研究,计算机工程,2004,30(7): 133-135。
[147]张秉仁、陈里铭、高游,运动模糊图像的降质过程分析与恢复技术研究,中国图象图形学报,2004,9(7): 815-819。
[148]周玉、彭召意,运动模糊图像的维纳滤波复原研究,计算机工程与应用,2009,45(19): 181-183。
[149]胡家升,运动模糊图像的判定与恢复,大连理工大学硕士学位论文,2006。
[150]武庆、郭平,运动模糊图像的Kalman滤波盲复原研究,计算机科学,2004,31(12): 159-161。
[151] Moshe Ben-Ezra, Shree K. Nayar, Motion-Based motion deblurring, IEEE transactions on pattern analysis and machine intelligence, 2004, 26(6): 689-698.
[152]陈湘凭、杨大磊、陈玺,图像的运动模糊复原技术研究,计算机与数字工程,2008,36(8): 136-139。
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |