广义S变换，用于时频分析，是S的改进形式

三维激光扫描点云为文物模型重建提供了新的数据支持，但扫描所得海量点云包含大量冗余数据，给建模带来很大不便。针对扫描点云过密、冗余数据较多的问题，提出了一种基于自适应分层的文物点云数据压缩算法。算法的基本思想是：首先通过基于倒角距离变换的自适应分层方法对原始点云进行自适应分层；然后使用弦高差值作为特征点的判别依据来删除冗余数据，采用改进的弦高差法对每层点云进行压缩，保留对模型特征贡献较大的特征点。实验结果表明，通过形状误差控制分层厚度，能在平缓部位减少层数以提高效率的同时不至于使复杂部位因分层过厚而损失重要特征，改进的弦高差法在保留大曲率特征的同时不至于使平缓部位出现孔洞，从而保证了模型重建的精度。

是对现有的时频分析方法中饭的S变换的综合和创新，有了新的间隔和改进，效果很好

用荧光染料标记的血浆中的红细胞 (RBC) 在显微镜下显示为黑色圆盘。 移动的 RBC 在时空图像上产生黑色条纹，例如，在双光子显微镜上使用线扫描成像。 可以从条纹的角度计算 RBC 速度。 Radon 变换可以测量条纹角，但需要在计算速度和精度之间进行权衡。 此外，不随时间变化且随时间缓慢变化的伪影会妨碍准确的角度测量。 此处提供的 Matlab m 文件从时空图像中去除此类伪影，同时通过使用垂直 3x3 Sobel 算子过滤图像来增强条纹边缘。 Radon 变换的迭代应用以最少的 Radon 变换次数提供了非常精确的角度测量，从而解决了计算速度与精度之间的权衡问题。 该 m 文件基于 Pratik Yashvant Chhatbar 和 Prakash Kara 在 Frontiers in Brain Imaging Methods 上发表的论文，题为“使用混合图像过滤和迭代氡变换改

本论文主要介绍了作者对图像处理中基元特征提取常用算法Hough变换算法的改进。主要内容包括图像边缘检测，直线特征提取，圆及椭圆特征提取算法的实现。本论文的目的是基础性理论研究，从而使基元特征提取过程具有较高速度，高精度以及较好鲁棒性，为使理论成果走向实用打下基 础。