正确的视盘(OD)定位和分割是糖尿病视网膜病变自动筛选系统中的两个主要步骤.鉴于此,提出一种基于显著性目标检测和改进局部高斯分布拟合(LGDF)模型的视神经盘分割方法.该方法主要包含两个阶段:第一阶段,将显著性检测技术应用到增强的视网膜图像中实现视盘的自动定位;第二阶段,通过增加椭圆约束信息来改进局部高斯分布拟合(LGDF)模型分割视盘边界.使用公开数据库Diaretdbq对所提出方法的性能进行测试,并与其他先进的方法进行对比,结果验证了所提出方法的优越性和有效性.

本文研究了EPLL图像复原算法，该算法是基于外部图像库先验知识对图像进行复原。本文通过构建不同类型的图像库，将它们分别应用于不同类型的图像进行复原。得出的结论是，如果图像库是和待复原的图像是属于同一类型的，往往恢复效果相对不同类型的图像库的恢复效果会好一些。不同的图像库对同一个图像的还原始终会存在着一定差距。本文通过一个图像小块对算法进行跟踪，得出算法在不断迭代过程中对图像的优化会使得这种差距不断变小。最后本文提出了对算法作优化的建议，即预先判断图片的类型，通过寻找与图片相似的图片构建图像库，来对图片进行复原，效果会更好。

我们希望通过这项研究，能够完成一套能够生成高质量的逼真的人脸图像的系统，能够做到如下几个方面的内容： 1.1与传统的图像补绘方法不同，人脸补绘需要目标对象的内容、轮廓和结构信息，以实现真实的输出。 1.2考虑人脸的特殊特征，充分挖掘和利用人脸所包含的信息，以生成和谐自然的人脸。 1.3对大面积缺失的人脸信息进行补全，注重对特征自然和谐的人脸部位的重建，在结构和外观上保持一致的情况下，为缺失的关键部件生成新的语义像素。 适用大学生参考学习。 大创-大学生创新创业训练计划项目申报书-软件-基于人脸先验信息的人脸图像补全研究-参考

针对高光谱图像中含有大量混合像元，且大多数解混算法未能利用真实地物信息的问题，提出了一种利用先验信息约束的非负矩阵分解方法对高光谱进行解混。首先利用顶点成分分析法和全约束最小二乘法分别对端元矩阵和丰度矩阵进行初始化，然后利用本文算法对高光谱数据进行解混，最后对估计端元和估计丰度进行评价分析。实验显示，利用本文提出的方法对数据解混的结果优于其他约束的非负矩阵分解算法得到的结果，在求解过程中有很好的抗噪性能。

图像的先验信息在降低CS反演的计算复杂度和提高重建质量方面起着重要作用。 本文提出了一种基于小波的多元追踪算法，该算法利用了图像的先验信息，而这些信息超越了简单稀疏性。 所提出的方法以多变量方式从多次测量中重建图像小波系数，并以提取的图像边缘作为先验信息来指导算法在CS恢复中的追踪过程。 通过边缘信息与多元联合恢复的交互作用，该算法显着提高了边缘明显，稀疏度高的CT，MRI等图像的重建质量。 数值实验表明，与其他最新的CS算法相比，所提出的算法具有更高的重构质量并保持更高的计算效率。