TV数值计算的图像去噪

继承传统TV去噪算法的图像边缘保护性,弥补平滑区域抑噪不充分的不足,结合图像的空间梯度和像素梯度,提出了新的基于TV数值计算的去噪算法。该算法分析了图像的空间梯度;为了抑制噪声对图像平滑区域梯度的影响,对该区域的空间梯度进行抑制,克服了传统TV算法对平坦区抑噪不充分,甚至出现的虚假边缘和阶梯效应;结合像素梯度分析了图像TV去噪的迭代函数。实验结果表明,该算法实现了保边去噪且残余噪声较小,提高了图像的峰值信噪比(PSNR)和视觉效果。     

基于高效边缘检测的彩色图像灰度化算法

为了使彩色图像灰度化后能更好地保留原始对比度和细节特征，课题组提出一种基于高效边缘检测的彩色图像灰度化算法。课题组通过对线性参数模型产生的一系列备选图像采用像素差值网络（pixel difference networks, PiDiNet）实现鲁棒性、准确性的边缘检测，边界点数最多的备选图像所对应的权重则被选为映射函数的最优解，由于引用了像素差值卷积PDC，对边缘信息敏感度增强。实验结果表明：此算法相比于其他算法能较好地保留原彩色图像的细节特征，使得输出图像轮廓清晰且自然，主客观评价均较优。     

彩色图像脉冲噪声的自适应矢量滤波

提出了基于噪声像素检测的自适应矢量滤波器的新方法,该法对图像中噪声像素进行检测时,仅对噪声像素进行矢量滤波,而对非噪声像素则保持其原值不变,并可根据图像噪声情况自适应地选择滤波窗口。新滤波器能有效地滤除彩色随机脉冲噪声,并保持图像边缘与细节,其性能优于经典的矢量中值滤波器、方向一距离滤波器、方向一幅度矢量滤波器等非线性滤波器。     

基于非线性扩散与图像配准的印刷品表面缺陷检测

针对目前工业印刷品表面缺陷检测时误判率高、检测效率较低以及缺陷区域信息有限等问题,笔者提出一种基于改进Perona Malik（P M）非线性扩散模型与图像差分模型配准的印刷品表面缺陷检测方法。该方法首先利用非线性扩散模型,在维持非缺陷区域平滑程度保持不变的情况下,对待测图像进行平滑处理,将原始图像与扩散后图像做差分运算以增强缺陷区域的对比度,从而得到差分图像;然后,将差分图像与标准模板图像进行配准,检测得到缺陷所在的区域的特征值,以便对印刷品印刷质量进行分析;笔者搭建了实验平台,来验证本方法的可行性。实验结果表明：该方法能够快速并且有效地将印刷品表面的缺陷检测出来,准确率高达99.97%。该项研究能够满足印刷品生产质量需求。     

一种基于色差的彩色图像的边缘检测方法

传统的边缘检测方法大都是基于灰度图像的 ,这就不能充分利用彩色图像的全部信息。文章提出了一种基于色差的彩色图像的边缘检测方法 ,它能快速准确地检测到图像的边缘 ,具有低的错判率和较高的效率 ,优于传统基于灰度的边缘检测方法     

柔性矢量形态学梯度算子

经典的形态学梯度算子不能直接拓展到彩色图像处理中,现有的矢量形态学梯度算子对噪声较为敏感且性能较低。为解决该问题,提出了一种新的柔性矢量形态学梯度算子,并将其应用到彩色图像边缘检测中。新的形态学梯度算子利用柔性形态学原理有效地降低了噪声对彩色图像边缘的影响,从而提高了矢量形态学梯度算子的抗干扰能力。实验结果表明,新的柔性矢量形态学梯度算子在噪声条件下能获得较好的矢量梯度,对彩色图像的后续分割及目标识别具有重要的作用。     

应用改进Canny法检测工业零件含噪图像边缘

针对工业零件含噪图像边缘检测,根据Canny算法原理,提出了一些改进策略,形成了一种矩形透镜最大梯度模边缘检测算法。采用中值滤波完成图像平滑,有效抑制了图像噪声;采用5×5邻域一阶偏导有限差分计算图像的梯度幅值,提高了边缘定位的精度;采用最大类间方差法（OTSU）求解了最优区域分割阈值,实现了边缘的自动检测。以磁环和极片工业零件图像边缘检测为例进行了实验,结果表明,该算法具有较好的去噪和边缘检测效果。     

低光照彩色图像增强算法研究

为了提高低照度条件下彩色图像增强效果,在经典Retinex理论基础上作出改进,有效改善传统Retinex算法存在光晕现象等缺陷。首先利用双边滤波器取代高斯滤波器获得反射分量;经滤波后的图像采用引导滤波处理,突出图像边缘信息,同时针对光照分量进行自适应伽马校正;为了进一步增强低光照图像中边缘细节特征,对图像的亮度分量采用混合空间增强法,最后重构图像。实验结果表明:所提方法能提高低照度彩色图像的色彩饱和度,同时增强图像边缘细节特征。     

基于改进的全变差方法的图像分解

图像分解是将图像的不同组成部分利用分解算法分别提取出来,而全变差方法是基于PDE方法进行图像处理问题的一种数学方法。在Meyer等思想的影响下,对现有基于BV(Ω)空间的全变差(TV)正则项进行分析研究后,提出了一种L1(Ω)空间上的改进的全变差正则模型。在改进的TV方法基础上,首先分别推荐了改进的TV-G和TV-H-1图像分解极小泛函模型;然后给出了相应的欧拉-拉格朗日方程以及对应的数值解;最后,对3类测试图像,包括纹理类图像、航空类图像、杂类图像分别进行了图像分解数值实验,同时也进行了信噪比和时间效率的对比分析。实验结果表明:改进的TV-H-1模型在针对纹理类图像分解时,分解效果优于TV-H-1模型,而改进的TV-G模型在针对上述3类图像分解时,大部分图像分解效果优于TV-G模型。     

基于小波分析的X线医学图像噪声综合抑制方法

提出了一种基于小波分析理论的医学X线图像噪声的综合抑制方法．将X线图像的试验处理结果与邻域平均、中值滤波去噪处理方法进行对比分析，结果表明该方法不仅能消除噪声提高图像质量，而且有效地保留了影像中丰富的细微影纹和边缘信息．     

电视包装的色彩文化及应用分析

近年来,从中央电视台到地方电视台,电视包装各具特色,尤其是在色彩的运用上呈现出五彩斑斓的态势。湖南卫视科学运用色彩进行自身包装的成功实践表明：色彩作为视觉传达力中最活跃的因素,其在电视包装设计应用中要达到两个目的：让观众在最短的时间内因其特别的色彩效果而关注该频道或节目;在观众的记忆里烙上难以抹去的印记。在电视包装中,色彩的运用必须配合节目才能体现其内在意蕴,传递带有某种哲理意味的思想文化,因此,频道包装、栏目策划等各方面意图都要力求与所运用色彩相呼应。同时,色彩在电视包装中具有一定的时效性,在实际运用中既要保持相对的稳定性,又要随时代环境而不断更新。     

组建少儿电视专门频道的实践意义

广播影视少儿频道是未成年人的良师益友和精神园地。文章结合广东南方电视台少儿频道的实践,论述了开办少儿专门频道在聚集儿童视线、整合节目资源、塑造品牌、组织少儿活动和推进少儿电视节目研究方面的意义。     

电视文化传播及其在新农村建设中的作用 ———来自全国27 个省市区农户的调查报告

文章采用面对面进行问卷调查的方法采集数据,了解农村电视信息服务需求、现状和存在的问题,为探究电视文化传播在新农村建设中的作用提供第一手资料。研究结果表明,农民最需求的信息是新技术类信息,但电视传播农业新技术的效果欠佳;而通过电视媒介传播“文化信息”对农民的观念改变、乡风文明建设发挥着举足轻重的作用。文章提出电视虽是农民获取信息的主要渠道,可电视不是万能的,应正视电视传播信息的功能;电视的单向信息服务模式不能满足农民的科技信息需求。建议利用电视媒介自身的传播优势,充分发挥电视文化信息传播的职能作用;提高电视媒体采编人员的乡村传播素质,重视农村电视节目议程设置,不同级别的电视部门应根据不同地区不同类型农民所需,提供贴近性科技信息;同时,增加对农节目的播出时数,重视农民受众的主体地位,加强对农节目的参与性等。     

从“新闻联播换主持人”看消息类电视新闻的改革

以当前有关“新闻联播换主持人”的争鸣为现实背景,以《新闻联播》为例,分析我国消息类电视新闻节目的生存现状,认为单一的信息提供已经不能满足受众的信息需求。从三个方面对消息类电视新闻的困境所在进行剖析,在此基础上提出应对之策:消息类电视新闻要转变传播理念,改革新闻内容编排,改变播报形式。通过研究,以期给消息类电视新闻的改革提供可资借鉴之处。     

互联网对中国贸易的影响--基于29个省市的空间动态效应实证分析

以经济贸易关联的新视角分析了互联网对中国不同地区出口贸易所产生的影响,采用2003—2012年29个省市的年度面板数据,通过区域间贸易关联空间权重矩阵测算中国不同地区的区域内和区域间贸易溢出效应,并进一步将区域间溢出效应分解为前向溢出效应和后向溢出效应,系统地测算了互联网产业对其他区域出口额的溢出效应。实证结果显示,互联网产业既存在正向的区域内溢出效应,又存在正向区域间溢出效应,并且互联网产业前向溢出效应和后向溢出效应存在明显差异,前向和后向溢出效应均显著为正。     

基于稀疏分解的图像去噪

基于稀疏分解的图像去噪处理是将被噪声污染的图像分解成图像的稀疏成分和其他成分。稀疏成分对应于图像中的有用信息,其他成分对应于图像中的噪声。由图像的稀疏成分重建图像,可达到去除图像噪声的目的。实验结果表明基于稀疏分解的图像去噪处理具有一定的效果。     

基于SIR模型的微博信息扩散规律仿真分析

微博作为一个爆炸式传播信息的社会化媒体受到了越来越多人的关注,掌握微博信息的扩散规律可以对不良信息传播进行有效监管。本文采用易感者、传染者及免疫者(SIR)模型将微博用户分成未转发用户、已转发用户和已淹没用户三类,成功模拟了微博用户的转发行为。通过Matlab仿真得到微博信息扩散过程的曲线,发现了微博中信息扩散的主要规律。基于仿真结果的分析,对微博管理提出了政策建议。     

互信息在图像检索中的应用

提出了一种新的相似性图像检索方法,它利用信息熵理论,分别对图像的颜色、形状和纹理特征进行描述,给出一个综合的相似性匹配算法。该方法首先分割图像,把一幅图像划分为若干子区域,抽取图像的主要形状和统计其所含的角度信息;然后利用信息熵计算图像之间的颜色、形状和纹理互信息。试验结果表明与其他方法相比,新的相似性图像检索方法具有更好的图像检索效果。