1) Sonar image processing
水声图象处理
1.
Sonar image processing system is an important intelligent system of autonomous underwater vehicle.
水声图象处理系统是无缆水下机器人的重要智能系统，它以ＴＭＳ３２０Ｃ３０高速数字信号处理器为核心，实时地完成水声图象压缩和水声目标参数计算（包括妨碍航行的障碍识别）等功能。
2) Ultrasonic-image processing
声图象处理
3) acoustical image processing
水声图像处理
1.
In this thesis, two key-techniques of high-resolution imaging sonar are studied: beam-forming and acoustical image processing.
论文对高分辨率成像声纳的两个关键技术:波束形成技术和水声图像处理技术进行了研究。
4) underwater acoustic image
水声图象
1.
In order to detect the object in seabed in underwater acoustic image automatically,a synchro method based on matched filter and fractional detection is proposed in this paper.
为实现水声图象中沉底目标的自动探测,提出一种匹配滤波和分形检测相融合的方法。
5) image processing
图象处理
1.
Application of image processing based on the image segmentation in weld detection;
基于图象分割的图象处理法在焊缝识别中的应用
2.
Research on the object-oriented architecture of general image processing systems;
面向对象的通用图象处理系统的体系结构研究
3.
Morphology and its Application in Image Processing;
数学形态学原理及其在图象处理中的应用
6) image manipulation
图象处理
1.
The appearance of the point-like meter is snapped and analyzed by camera and Matlab image manipulation module.
利用Matlab的图象处理功能对摄象头采集到的仪表图象进行分析,得到指示值,同时利用dll技术,在虚拟仪器编程软件Labview中调用,输出得到对应的计算值,实现了对指针式仪表的自动监控,增加了整个系统的稳定性和可靠性。
2.
Seismic data image manipulation is an edge-technology.
地震数据图象处理技术是一门边缘技术，它是数据处理与图象处理的结合，对于地球物理研究具有较深远的影响，多年来成功的经验表明，水平叠加是提高信噪比的有效手段。
补充资料：彩色图象处理
彩色图象处理
color image processing
。l，…，a3，仍，。3，并进行下面的计算可以是一个标定的过程: R‘=a IR+b1G+ciB G’=aZR+bZG+cZB B‘=a3尺+63G+e3B 伪彩色我们的眼睛比较容易发现彩色的变化，而对亮度的逐渐变化则不敏感。据研究，人们只能辨认50多种单色等级，但是辨认200多种彩色是不成问题的。所以利用彩色可以增强或改善人们的视觉效果。伪彩色技术将灰度图象f(x，y)映射为伪彩色图象【R(x，y)，G(x，y)，B(x，y)]，其中，R(x，刃=Fr【f(x，刃〕，G(x，y)二乓〔f(x，妇」，B(x，刃二凡【f(x，刃〕。Fr，凡，凡为不同彩色分量的映射函数。例如，为了表示一幅黑白图象中的山地的起伏，我们可利用下面表格把16个等级的单色图象变成伪彩色的图象。┌──┬─┬─┬─┬─┬─┬─┬─┬─┬─┬──┬─┬─┬─┬─┬─┬─┐│单色│0 │1 │冈│同│4 │5 │同│7 │8 │【，│困│1l│12│阎│l4│15│├──┼─┼─┼─┼─┼─┼─┼─┼─┼─┼──┼─┼─┼─┼─┼─┼─┤│红 │0 │0 │0 │0 │0 │19│23│35│49│54 │63│54│63│52│54│63│├──┼─┼─┼─┼─┼─┼─┼─┼─┼─┼──┼─┼─┼─┼─┼─┼─┤│绿 │0 │14│17│20│25│27│31│42│49│33 │26│0 │0 │0 │29│63│├──┼─┼─┼─┼─┼─┼─┼─┼─┼─┼──┼─┼─┼─┼─┼─┼─┤│蓝 │国│国│0 │0 │国│0 │0 │0 │0 │0 │0 │0 │0 │53│58│63│└──┴─┴─┴─┴─┴─┴─┴─┴─┴─┴──┴─┴─┴─┴─┴─┴─┘ 彩色在机器视觉中的应用在机器视觉系统中，往往需要进行图象分割，彩色信息可以用来帮助进行图象分割。但是，彩色图象分割并不是简单地增加图象中信息的维数，而是有其自身的特殊物理本质的。彩色信息最重要的优点之一是物体表面的颜色在几何形状和位置变化时比相应的图象亮度要稳定得多。颜色的变化在很大程度上是与景物的光学反射特性有关。物体的反射特性及光源决定了物体的颜色、辉光(物体上的亮斑)和影调(亮度在物体表面的变化)。人们往往利用所谓的彩色反射模型来说明图象中由于反射造成的颜色变化的规律。例如，双色反射模型认为，反射光由两种成分组成:一种是界面反射成分，它具有镜面反射的分布特性。另一种是本体反射成分，它具有漫反射的分布特性。双色反射模型还认为，物体上某一点的颜色是界面反射分量和本体反射分量的线性组合。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条