提出了一种独立分量分析和BP神经网络相结合的人耳识别新方法(ICABP法).首先采用快速独立分量分析方法提取人耳图像的独立基图像和投影向量,然后采用改进的三层BP神经网络进行分类识别.该方法将ICA的空间局部特征提取功能和BP神经网络的自适应功能有机地结合起来,增强了系统的鲁棒性.实验表明,ICABP法取得了很高的识别率

6.1.2高通滤波器 6.1.3带通（带阻）滤波器 6.1.4同态滤波器

6.1 频域滤波 6.1.1频域平滑 6.1.2频域锐化 6.1.3带通（带阻）滤波 6.1.4同态滤波 6.1.5小结

6.4线性空域滤波器 ◼ 线性空域滤波器 ◼ 与频域滤波器的关系 ◼ 线性平滑滤波 ◼ 锐化滤波

常规检查，由于CT的密度分辨率高，对软组织的显示优 于常规X线检查。 增强CT扫描检查，除能分辨血管的解剖结构外，还能观 察血管与病灶之间关系，病灶部位的血供情况和血液动力学 的变化。 因为轻微活动会造成伪影，使图像难以诊断，除取得患 者合作外，对难于合作的患者或儿童需给予镇静剂或麻醉

为尽可能高地提高液晶显示器（LCD）的动态范围以实现高动态范围显示，提出了一种基于动态阈值背光亮度提取和液晶像素补偿两步法的区域背光算法，以提高液晶显示器背光模组和液晶面板的动态范围，从而使调光后图像的对比度和视觉质量都得到增强.仿真结果表明，用该算法区域调光后图像的对比度平均提高了113.60%.此外，用自主研发的直下式白光LED分区背光液晶显示样机通过显示具体图像对所提出算法进行性能测试，显示结果表明区域调光后图像的层次和色彩得到了增强且提高了对比度，证明了所提出算法能有效提高液晶显示器的对比度并改善显示画质

针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法

提出了基于具有输入密钥的等差数列来构造一类n维广义Arnold变换矩阵的方法,并给出了构造变换矩阵和逆变换矩阵的计算算法,算法仅与密钥有关,其时间复杂度相当于n(n+1)/2次乘法运算.在图像置乱时用该矩阵作为变换矩阵,采取图像位置空间与色彩空间的多轮乘积型双置乱,算法具有周期长和算法完全公开等特点,可有效防止多种攻击,增强了系统的安全性.此外,通过逆变换对置乱图像进行恢复,无须计算变换矩阵的周期.实验结果表明,该置乱变换算法效率高,安全性强

针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT (motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能