《美国牧歌》的神话原型解读

本文拟以神话原型理论为理论基础来解析菲利普.罗斯的著名作品《美国牧歌》。根据弗莱对原型的定义,指出该小说呈现了人物原型、主题原型、意象原型等。这些看似偶然的原型形成了普遍的结构关联,决定了作品的内在一致性。作者通过再现特定历史时期的原型,激发读者重新思考过去、现在和未来的联系。     

BM弹头雷达一维像干扰初探

根据目前反导雷达使用宽带信号对目标进行一维成像,检测目标几何特征的特点,从弹道导弹(BM)弹头雷达一维像(HRRP)特征出发,参照宽带线性调频雷达成像原理,讨论了对BM弹头HRRP可采取的几种电子干扰措施,包括对BM弹头HRRP的模拟和遮盖,给出了模拟BM弹头HRRP时所需生成的各信号特征,分析了每种遮盖干扰信号的功率利用情况,最后分析了每种干扰措施的优缺点。     

基于标准化信息距离的彩色图像检索方法

针对标准化信息距离（Normalized Information Distance,NID）在图像检索（Image Retrieval,IR）应用中的优势和不足,结合图像的显著图,给出了一种改进的基于NID的IR算法,并进行了仿真实验。结果表明：改进算法的检索性能有了较好的改善。     

一种新的形态中值小波图像去噪方法

图像去噪是图像预处理中一项重要环节.针对线性小波分析在图像去噪中会丢失一些细节信息这一缺点,利用数学形态学算子的非线性特征,构建了一种非线性的可用于灰度图像处理的形态中值小波,并应用于图像去噪.对比实验结果表明,该方法比线性小波去噪方法具有更好的去噪性能,图像细节信息损失更小.     

运动模糊图像的运动模糊方向鉴别

曝光瞬间造成图像模糊的运动通常作为直线运动近似处理,若能找出模糊图像的运动模糊方向,并将之旋转到水平轴,则二维问题可简化为一维来处理,大大简化由模糊图像估计出运动模糊点扩散函数以及图像恢复的过程,并为图像恢复的并行计算创造有利条件。由于运动模糊降低了运动方向上图像的高频成分,沿着运动方向实施高通滤波(方向微分),可保证微分图像灰度值(绝对值)之和最小。基于此,本文利用双线性插值的方法,固定并适当选取方向微分的微元大小,构造出3×3方向微分乘子,得到了高效高精度的自动鉴别运动模糊方向的新方法,并通过数值实验进行了验证。     

基于因子分解和光束法平差从航空序列图像恢复三维结构

从航空序列图像恢复目标三维结构是航空摄影测量的基本问题。针对现有算法中精度与计算量的矛盾,提出一种基于因子分解与光束法平差的新算法。作为因子分解与光束法平差的桥梁,提出基于"R T"模式共线方程的概念,详细推导了其线性化公式。仿真实验和真实图像实验表明,新算法精度高、稳定性好,可应用于航空测绘、虚拟现实、军事侦察等工程实践。     

基于二进小波变换的噪声图像自适应增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,提出了一种基于二进小波变换的图像增强新算法。该算法充分利用了二进小波变换的平移不变性和各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大和边缘失真问题。此外,算法具有高度的自适应能力,适用性更强。实验结果表明,与目前已有的各类多尺度图像增强算法相比,该算法在抑制噪声和凸显图像特征两方面均有明显改进。     

一种改进的红外图像降噪算法与FPGA实现

由于实时目标的红外图像具有信噪比低、边界模糊等问题,在研究红外图像噪声特点的基础上,提出了一种基于动静态检测算法的红外图像降噪算法。通过一种动静态检测算法将图像分成动态图像和静态图像,用改进的自适应维纳滤波算法处理动态图像,用改进的NL-means降噪算法处理静态图像,并用FPGA实现红外图像降噪系统设计。实验表明,红外图像经算法处理后,其PSNR和细节方差-背景方差比(DV/BV)均高于经典降噪算法,算法能有效减少图像噪声,并能很好地保持图像的边界细节信息。     

基于样块改进的图像修复算法

图像修复是指对图像破损区域进行填充或者将图像中多余物体进行移除。在Criminisi算法的基础上进行改进,在待修复块优先权的计算过程中,由于等照度线的曲率可以反映图像的局部特征,块与块之间的方差值可以反映图像的边缘信息,因此,将二者考虑进来,确保修复过程能够准确有序地进行。在寻找最佳匹配块时,将等照度线的曲率也作为一个因素增加进来,有效地提高了最佳匹配块搜索的精确性。经过仿真实验证明,改进后的算法不仅在PSNR值上比原算法有所提高,而且修复结果也比原算法更加准确可靠。     

结合层次法与主成分分析特征变换的宫颈细胞识别

对宫颈细胞进行多分类可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法进行实验后,选取支持向量机作为基分类器,先用一对一策略训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。考虑不同层特征模式的差异性,在保证识别性能的同时,每层分类前先采用主成分分析法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次主成分分析法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。