细粒度图像分类算法

多个剖面的粒度测量表明 ,黄土高原的黄土和古土壤中普遍存在超细粒组分 ,其平均粒径大致 014 μm,在全样中的含量大致 5%～6%。超细粒组分的含量在黄土中低 ,在古土壤中高;并且同一地层自西北至东南增加 ,这些特征都显示超细粒组分的形成与成壤作用强度相关。一般情况下超细粒组分的粒度在黄土中粗 ,在古土壤中细。

第26卷　第6期2006年11月

第　四　纪　研　究QUATERNARY　SCIENCES

Vol.26,No.6November,2006

文章编号　　1001-7410(2006)06-928-09

黄土粒度分布中的超细粒组分及其成因

孙　东　怀

(兰州大学资源环境学院西部环境教育部重点实验室,兰州　730000)

3

μm,在摘要　　多个剖面的粒度测量表明,黄土高原的黄土和古土壤中普遍存在超细粒组分,其平均粒径大致014全样中的含量大致5%～6%。超细粒组分的含量在黄土中低,在古土壤中高;并且同一地层自西北至东南增加,这些特征都显示超细粒组分的形成与成壤作用强度相关。一般情况下超细粒组分的粒度在黄土中粗,在古土壤中细。黄土高原各季节的现代天然粉尘中同样存在超细粒组分,然而干旱区成壤作用较少的天然降尘中基本不存在超细粒组分。以上特征说明,黄土中

一、 图像放大算法

图像放大有许多算法，其关键在于对未知像素使用何种插值方式。以下我们将具体分析几种常见的算法，然后从放大后的图像是否存在色彩失真，图像的细节是否得到较好的保存，放大过程所需时间是否分配合理等多方面来比较它们的优劣。

当把一个小图像放大的时候，比如放大400%，我们可以首先依据原来的相邻4个像素点的色彩值，按照放大倍数找到新的ABCD像素点的位置并进行对应的填充，但是它们之间存在的大量的像素点，比如p点的色彩值却是不可知的，需要进行估算。

图1-原始图像的相邻4个像素点分布图

图2-图像放大4倍后已知像素分布图

1、最临近点插值算法(Nearest Neighbor)

最邻近点插值算法是最简单也是速度最快的一种算法，其做法是將放大后未知的像素点P，將其位置换算到原始影像上，与原始的邻近的4周像素点A,B,C,D做比较，令P点的像素值等于最靠近的邻近点像素值即可。如上图中的P点，由于最接近D点，所以就直接取P=D。

这种方法会带来明显的失真。在A,B中点处的像素值会突然出现一个跳跃，这就是出现马赛克和锯齿等明显走样的原因。最临近插值法唯一的优点就是速度快。

2、双线性插值算法(Bilinear Interpol

一、 图像放大算法

图像放大有许多算法，其关键在于对未知像素使用何种插值方式。以下我们将具体分析几种常见的算法，然后从放大后的图像是否存在色彩失真，图像的细节是否得到较好的保存，放大过程所需时间是否分配合理等多方面来比较它们的优劣。

当把一个小图像放大的时候，比如放大400%，我们可以首先依据原来的相邻4个像素点的色彩值，按照放大倍数找到新的ABCD像素点的位置并进行对应的填充，但是它们之间存在的大量的像素点，比如p点的色彩值却是不可知的，需要进行估算。

图1-原始图像的相邻4个像素点分布图

图2-图像放大4倍后已知像素分布图

1、最临近点插值算法(Nearest Neighbor)

最邻近点插值算法是最简单也是速度最快的一种算法，其做法是將放大后未知的像素点P，將其位置换算到原始影像上，与原始的邻近的4周像素点A,B,C,D做比较，令P点的像素值等于最靠近的邻近点像素值即可。如上图中的P点，由于最接近D点，所以就直接取P=D。

这种方法会带来明显的失真。在A,B中点处的像素值会突然出现一个跳跃，这就是出现马赛克和锯齿等明显走样的原因。最临近插值法唯一的优点就是速度快。

2、双线性插值算法(Bilinear Interpol

一种图像相似度匹配的算法,

1、图片大小规格化

为了比较两个图像，应该使其大小完全一致，这里可以设置为两个图片中较大的那个大小，长宽。

function Resize(const Source: TBitmap; var Dest: TBitmap): Boolean;

begin

if not Assigned(Dest) then

Dest := TBitmap.Create;

Dest.pixelformat := pf24bit;

Dest.Width := BMPWIDTH;

Dest.Height := BMPHEIGHT;

Dest.Canvas.CopyRect(Rect(0, 0, Dest.Width - 1, Dest.Height - 1), Source.Canvas, Rect(0, 0, Source.Width - 1, Source.Height - 1));

end;

2、图像灰度化

图像灰度化的方法有多种，这里介绍两种。一种是绝对平均值，一种是加权平均值。其实质就是将RGB三原色的色值相加，平均后赋予新值。不同的只是RGB三原色的权重不同。

绝对平均值

function Gray1(const Source: TBitmap): Bo

ISO 13322-2（2006-11-01）

第2部分： 动态图像分析方法 1. 范围

ISO13322的这部分描述的是控制液体、气体或传输机上运动颗粒的位置，进行颗粒的图像采集和图像分析方法。将颗粒在液体、气体或传输机上被适当的分散后再测量其粒径及其分布。当使用这部分的ISO13322时，列出了衍生颗粒尺寸的限制因素。 2. 规范性引用文件

下列引用文件对于本文件的应用是必不可少的。凡是注日期的引用文件，其随后所有的修改单(不包括勘误的内容)或修订版均不适用于本部分。凡是不注日期的引用文件，其最新版本适用于本部分。

ISO 13322-1:2004，粒径分析—图像分析方法—第一部分：静态图像分析方法

3. 术语，定义和符号 3.1 术语和定义

3.1.1 流动池：测量池，液体颗粒混合物在该池内流动。

3.1.2 带孔洞的导管：带有分散颗粒的一股液体从孔洞流入导管中。 3.1.3 鞘流：指引带有颗粒的清洁液体流入特定的测量区域。

3.1.4 粒子照度：带有电子曝光时间控制器的图像采集设备或间歇式图像采集设备。

3.1.5 测量体积：图像分析仪测定的颗粒的体积。 3.1.6 景深：图像的最边缘达到了预先设定的最佳值。 3.1.7图像采集设备：

基于小波变换和分类矢量量化的图像压缩算法

西北大学学报(自然科学网络版) 2004年1月，第2卷，第1期 Science Journal of Northwest University Online Jan. 2004，Vol.2，No. 1

基于小波变换和分类矢量量化的图像压缩算法

黄 晴，张书玲

（西北大学 数学系，陕西 西安 710069）

摘 要：提出一种用于图像压缩的分类矢量量化算法，该算法在对图像进行多级小波变换后，利

用3个方向上各自小波系数之间的相关性，构造符合图像特征的跨频带矢量，依据矢量能量和零

树矢量综合判定进行矢量分类，并采用了基于人眼视觉特性的加权均方误差准则和基于成对最近

邻算法(PNN)的LBG算法进行矢量量化，提高了图像的编码效率和重构质量。仿真结果表明，该

算法实现简单，在较低的编码率下，可达到较好的压缩效果。

关 键 词：小波变换，跨频带矢量构造，矢量分类，矢量量化

中图分类号：TN911.73 文献标识码：A 文章编号：1000-274X(2003)0041-06

图像压缩在图像的传输和存储中起着至关重要的作用。小波变换[1,

目 录

引 言 ............................................................................................................... 3 1图像匹配技术的发展和研究意义 ................................................................... 7

1.1图像匹配技术的发展和研究意义 .................................................................................... 7 1.2图像匹配技术的研究现状 ................................................................................................ 7 1.3研究问题及内容 .........................................................................................

目 录

引 言 ............................................................................................................... 3 1图像匹配技术的发展和研究意义 ................................................................... 7

1.1图像匹配技术的发展和研究意义 .................................................................................... 7 1.2图像匹配技术的研究现状 ................................................................................................ 7 1.3研究问题及内容 .........................................................................................

毕业设计（论文）

图像分割算法研究与实现

学 院

专 业：

学 号： 姓 名：

职 称： 指导老师：

中国 二○一二年五月

讲师

诚信承诺书

本人郑重承诺：我所呈交的毕业论文《图像分割算法研究与实现》是在指导教师的指导下，独立开展研究取得的成果，文中引用他人的观点和材料，均在文后按顺序列出其参考文献，论文使用的数据真实可靠。

承诺人签名：

日期： 年 月 日

II

图像分割算法研究与实现

摘 要

数字图像目标分割与提取是数字图像处理和计算机视觉领域中一个备受关注的研究分支，其中最主要的是运用MATLAB对图像进行仿真分割，并用各个方法进行分析、对比并得出结论。本文主要介绍了图像分割的基本知识，从原理和应用效果上对经典的图像分割方法如边缘检测、阈值分割技术和区域生长等进行了分析。在边缘检测时对梯度算法中的Sobel算子、Prewitt算子、LoG(Laplacian-Gauss)算子、Canny算子的分割原理逐一介绍并比较各种算子的分割效果。而阈值分割技术的关键在于阈值的确定，只有阈值确定好了才能有效的划分物体与背景，本文着重实现基于迭代法

河北农业大学

题 目：

本科毕业设计开题报告

图像平滑算法研究 学 院： 信息科学与技术学院 学生姓名： 吕亮 专 业： 电子信息科学与技术 班级学号： 2007234020113 指导教师姓名： 杨断利 马丽 指导教师职称： 副教授 助教

2011 年 3月 1 日

学生姓名 吕亮 专业班级 电子0701 学 号 2007234020113 信息学院 指导教师 杨断利马丽 职 称 题目 图像平滑算法研究 副教授、助教 所在学院 选题依据： 目的:一幅图像的生成、传递过程中常常会受到噪声的干扰，受到噪声干扰后的图像视觉效果会大大受到影响，图像平滑技术正是为了减少来自系统内部和外部的图像噪声。 理论意义：在图像处理过程中,图像的平滑,降噪是底层的处理。噪声可能是在图像的采集、量化等过程中产生,也可能在图像传输的过程中产生.噪声的存在极大干扰了图像的信息。对于图像的后继处理、分析都有影响。所以,图像平滑处理一直是图像处理和计算机视觉研究的热点，是数字图像处理的重要组成部分。 实践意义：图像平滑技术是数字图像处理技术的