摘要：本发明公开了一种基于自适应窗口固定及传播的多尺度纹理图像分割方法。其过程为：提取待分割图像纹理对应的图像块n进行小波变换，求其对应的HMT模型参数θ_n；分别求出待分割图像在小波分解各尺度上对应的数据块对应的似然值和待分割图像像素点对应的似然值，并将该两者组合，得到最终融合所需的似然值likelihood_n^k；取出融合最粗尺度k＝4上的似然值，并求得该尺度上对应的分割结果类标图；确定融合尺度k上的标记场和各类纹理的物理聚类中心；采用自适应窗口固定及传播的多尺度分割，得到下一融合尺度k-1上的分割结果类标图；根据分割结果类标图的融合尺度是否为0，确定分割的最终结果。本发明具有区域一致性和边缘定位性好的优点，可用于对包含纹理信息的图像分割。

摘要：本发明公开了一种基于特征选择和隐马尔科夫模型的图像分割方法。其过程为：提取待分割图像纹理对应的图像块，提取其对应的训练特征集；求其模型参数θ_j^c；分别求出待分割图像在多尺度分解对应的各尺度上数据块对应的似然值和待分割图像像素点对应的似然值，并将该两者组合，得到最终融合所需的似然值likelihood_k^c；求出各尺度上的初分割结果；先后采用context-2和context-6进行图像多尺度后融合分割；取尺度0上的结果作为最终分割结果；本发明目的在于解决传统的基于隐马尔科夫模型的图像分割方法中对于图像信息的利用不够充分以及后融合时指导图像分割的背景不能够充分保留细尺度上边缘信息的缺点，可用于合成孔径雷达SAR图像、遥感图像、自然纹理图像的分割。

摘要：本发明公开了一种基于改进多尺度Wedgelet变换的SAR图像边缘检测方法，它涉及图像处理领域。其目的在于解决传统边缘检测方法很难同时兼顾噪声抑制和对边缘完整准确的定位问题。其过程为：1.将SAR图像转化为灰度图像并将其分成多个子图像；2.对每个子图像，自适应地按照自下向上的尺度进行多尺度Wedgelet分解，用四叉树存储各个尺度的分解系数；3.根据分解得到的系数四叉树，对每个子图像进行多尺度Wedgelet逼近，最终得到整幅图像的多尺度Wedgelet逼近；4.根据得到的多尺度Wedgelet逼近图像，通过边缘提取梯度算子检测逼近图像的边缘；5.去除边缘图像中长度小于设定阈值的杂边缘对边缘图像的干扰。本发明具有运行时间快和边缘检测效果好的优点，可用于SAR图像的边缘检测。

摘要：本发明公开了一种基于小波域隐马尔科夫树模型的图像分割方法，主要解决传统基于小波域隐马尔科夫树模型方法中对于小波域信息的利用不充分以及后融合时指导图像分割的背景利用不全面的缺点。其过程为：提取待分割图像纹理对应的图像块，提取其对应的训练数据；计算EM算法参数的初始值；求出训练数据对应的模型参数θ_j^c；求出最终融合所需的似然值likelihood_j^c；在不同尺度上采用不同的上下文背景进行图像多尺度后融合分割，取尺度0上的结果作为最终分割结果；本发明具有区域一致性好和边缘准确的优点，可用于合成孔径雷达SAR图像、遥感图像、自然纹理图像的分割中。

摘要：本发明公开了一种基于非下采样Contourlet变换的HMT图像分割方法，主要解决已有分割方法区域一致性和边缘保持差的缺点。其步骤为：(1)取待分割图像和每类的训练图像，分别对其进行非下采样Contourlet变换得到多尺度变换系数；(2)根据训练图像的非下采样Contourlet系数，按照一一对应的父子状态关系的隐马尔科夫树模型，估计模型参数；(3)计算待分割图像在各尺度系数子带对应的似然值，使用标记树融合多尺度似然函数得到多尺度最大后验概率分类；(4)对每一尺度依次根据上下文信息context-5模型，更新类别标记；(5)结合隐马尔科夫随机场模型和待分割图像相邻像素空间相关性信息，更新类别标记，得到最终分割结果。本发明具有区域一致性和边缘保持性好的优点，可用于合成纹理图像的分割。

摘要：本发明公开一种基于第二代Curvelet变换的弧形窗局部Wiener滤波方法，它涉及数字图像处理领域，主要克服现有基于第二代Curvelet变换的阈值法对系数的“过扼杀”及方形窗口方向选择性差的不足。其实现步骤为：(1)选取测试对象，加入高斯噪声，得到噪声图像；(2)对噪声图像进行第二代Curvelet变换；(3)在变换域进行各子带噪声方差的估计；(4)在变换后的各子带中，选取一个以当前要处理系数为中心的弧形区域；(5)估计当前系数的信号方差；(6)对每一个系数进行局部Wiener滤波；(7)对处理过的系数进行第二代Curvelet反变换，得到原始图像的估计。本发明具有系数萎缩灵活、方向选择性好、边缘及细节信息清晰和峰值信噪比高的优点，可用于滤除自然图像中的高斯噪声。

摘要：本发明公开了一种基于Fast Slant Stack变换的图像边缘检测方法，它涉及图像处理领域。主要解决传统Radon方法计算复杂度高、定位精度低的缺点。其过程为：输入待检测图像，根据滑动窗大小和重叠度对其分块，每次检测提取一个小图像块，根据其灰度均方差判断块中是否存在边缘，对存在边缘的图像块做Fast Slant Stack变换，并对变换结果的零值区域进行填充；对填充后的图像块做二进小波变换，搜索变换后小波域系数极大值MAX，并根据极大值MAX所处的位置用基于共轭梯度法的Fast Slant Stack逆变换重构空域中的图像，存放到输出矩阵中对应的位置；将所有的分块都完成检测后输出检测结果。本发明具有计算速度快、抗噪性能好和边缘定位精度高的优点，可用于多种类型图像的边缘检测。

摘要：本发明提出了一种基于PBIL算法的图像配准方法，旨在提高图像配准的精度，实现步骤为：分别构建参考图像和待配准图像的尺度空间；在参考图像和待配准图像的尺度空间中分别进行极值点检测；根据参考图像和待配准图像的极值点检测结果生成关键点的特征向量；根据参考图像和待配准图像的特征向量生成关键点特征描述子；根据参考图像和待配准图像的关键点特征描述子对参考图像和待配准图像进行初始匹配；对初始匹配结果进行提纯；采用PBIL算法以图像的互信息为优化对象，对提纯后的匹配结果进行筛选；根据筛选后的匹配结果，搜索最优变换参数；融合参考图像和待配准图像，得到配准图像。本发明的图像配准精度高，配准结果稳定性好。

摘要：本发明公开了一种基于结构信息和空间约束的遥感图像配准方法，主要解决了传统遥感图像配准方法中匹配点对较少，以及配准失效或精度较低的问题，本发明的步骤是：(1)读取数据；(2)检测特征点；(3)采用结构信息生成特征描述符；(4)利用空间约束筛选匹配点对；(5)获得几何形变参数；(6)将待配准图像进行几何变换。本发明与现有技术相比，采用结构信息生成特征描述符，提高了特征描述符的有效性和鲁棒性，利用空间约束筛选匹配点对，增强了对错误匹配点对的滤除能力，增加了正确匹配点对数量，解决了遥感图像配准失效问题，提高了遥感

摘要：本发明公开了一种递进式滚子料架，包括框体、料盒、设置于所述框体上且用于将各个所述料盒依次输送至取放料位置的传送机构和与传送机构连接的操纵机构，传送机构上设置多个料盒。本发明的递进式滚子料架，可节省取放料的作业时间，大大提高作业效率；可避免员工大幅度作业，符合人机工程理念。