一种基于小波变换的文字检测与提取方法

视频中包含的文字信息与视频的语义内容有很强的相关性,将视频中的文字信息提取出来进行分析处理可以有效地理解电视视频语义,从而实现对视频内容的安全监控。针对文字检测提出一种基于小波变换、角点特征图像和统计特征的有效方法,并运用基于彩色空间的文字提取方法获取二值图像,更有利于后面OCR的文字识别。     

基于色彩和纹理特征融合的模糊人脸识别方法

基于纹理特征的方法被广泛应用于人脸识别。然而纹理特征依赖于图像的高频细节信息,当图像出现模糊时,单纯利用纹理特征的识别方法的识别精度会急剧下降。为了克服纹理特征的在模糊人脸识别中的不足,提出了一种基于色彩特征和纹理特征融合的识别方法。首先参照人类的对立色感知机制提取人脸的色彩特征;然后,将该色彩特征和纹理特征分别用于识别分类;最后,将二者的识别相似度进行融合,得到最终的识别结果。该色彩特征描述了图像的低频信息,其对图像模糊不敏感,并且与描述图像高频信息的纹理特征具有良好的互补性。在FERET 和AR 人脸库上的实验表明,融合色彩特征和纹理特征有效地提高了模糊人脸的识别精度。     

基于模糊信息原理的纹理图像分割方法

提出了一种基于同步自回归（ＳＡＲ） 模型和模糊信息原理进行纹理分割的方法。利用二阶ＳＡＲ 模型对图像纹理进行描述,用最小平方误差方法对模型参数进行估计,在对模型参数分析的基础上,将估计的参数进行改进后作为纹理的特征向量用于纹理图像的分类与分割。由于实际图像带有许多的模糊信息,组成纹理的基元和基元之间的关系也具有很大的模糊性,文中根据模糊信息原理,分析了纹理图像的模糊特性,给出了一种基于模糊贴近度的纹理分割方法。实验结果表明,与常规的距离方法相比,用文中的方法进行图像纹理分割能取得更好的效果。     

基于内容的多层次语义视频对象提取方法研究

视频对象的提取在序列图像的分析中起着重要作用.提出一个基于内容的多层次视频的对象提取算法,利用高斯马尔可夫模型对其进行颜色和纹理的混合特征图像分割.利用Normalize-cut准则,对其运动信息进行分析,然后进行区域聚合,即得到具有语义的视频对象.对于背景运动信息较丰富的序列图像可以取得良好的提取效果.     

基于显著性的无参考模糊图像质量评价

为了有效得评价模糊图像的质量分数,提出了一种基于显著性的无参考模糊图像质量评价方法.该方法首先通过改进的的显著值将图像分为显著块和非显著块,并舍弃非显著块;然后,根据模糊检测概率计算块的整体模糊,此外为了在评价过程中引入图像的结构细节信息,将标准差作为块的细节模糊;最后,对整体模糊和细节模糊进行几何融合得到块的质量分数,从而将人眼视觉信息与图像结构细节信息相融合,并利用改进的显著值对其所在的块进行加权,最终得到模糊图像质量评价方法.试验结果显示在LIVE、TID2013、CSIQ三大数据库上,该方法的评价效果都具有较好的准确性与预测性.该算法利用的图像信息相对比较全面,主要适用于纹理信息比较丰富的模糊图像.     

机器翻译中的多模糊语义自动判断方法研究

为了提高机器翻译对模糊语句的准确翻译能力,提出基于多模糊语义自动判断的机器翻译优化方法。构建机器翻译的主题词表的上下文语义映射的概念树模型,基于语义本体主题词表对翻译文本进行规则约简和文本信息模糊语义特征抽取,采用多模糊自然语言形式化结构分析方法进行模糊语句的自动翻译判断,提高翻译的自动配准性。仿真结果表明,采用所提方法进行机器翻译中的多模糊语义自动判断,能提高翻译的准确度。     

基于语义分割的双目场景流估计

针对现有场景流计算方法在复杂场景、大位移和运动遮挡等情况下易产生运动边缘模糊的问题,提出一种基于语义分割的双目场景流估计方法.首先,根据图像中的语义信息类别,通过深度学习的卷积神经网络模型将图像划分为带有语义标签的区域;针对不同语义类别的图像区域分别进行运动建模,利用语义知识计算光流信息并通过双目立体匹配的半全局匹配方法计算图像视差信息.然后,对输入图像进行超像素分割,通过最小二乘法耦合光流和视差信息,分别求解每个超像素块的运动参数.最后,在优化能量函数中添加语义分割边界的约束信息,通过更新像素到超像素块的映射关系和超像素块到移动平面的映射关系得到最终的场景流估计结果.采用KITTI 2015标准测试图像序列对本文方法和代表性的场景流计算方法进行对比分析.实验结果表明,本文方法具有较高的精度和鲁棒性,尤其对于复杂场景、运动遮挡和运动边缘模糊的图像具有较好的边缘保护作用.     

传统相机的空间变化离焦去模糊

为解决传统相机空间变化离焦去模糊的难题,提出了一种基于模糊映射图和L1-2优化的空间变化离焦去模糊方法。首先对相机的离焦模型进行研究与分析,概括了圆盘离焦模型和高斯离焦模型的原理、特性和适用范围;然后利用边缘属性对局部对比度先验条件进行修改,结合模糊边缘的梯度信息得到模糊映射图,并利用一种向导滤波的方法去除边缘附近的歧义性和映射图中的噪声,获得一幅更好的模糊映射图;最后采用一种合并了类Tikhonov规整化和TV规整化的L1-2优化对图像进行去模糊,采用变量分裂和惩罚的方法完成L1-2的优化,并利用尺度选择和图像重构方法得到全聚焦图像。基于人工合成图像和实际拍摄图像的实验结果表明,所提方法性能优于当前技术条件下的空间不变去模糊方法和空间变化去模糊方法。     

基于Choquet模糊积分的运动目标检测算法

本文提出了一种基于Choquet模糊积分的运动目标检测算法（CIMOD, Choquet Integrate-based Moving Object Detection）。将模糊测度和模糊积分理论应用于运动目标与背景分类中,提出了自适应阈值的Choquet积分算法,实现了图像的颜色特征和纹理特征相融合;选择YCbCr颜色空间代替传统RGB空间,将图像亮度与色度分离,降低了光照变化对运动检测的影响;利用局部二元模式（LBP,Local Binary Pattern）纹理特征对亮度级的单调的变化具有不变性的特点,将其融合到检测算法中,有效抑制了阴影的干扰。仿真实验结果表明,即使在光照变化、阴影干扰等复杂背景情况下,该算法也能够准确的检测出运动区域。     

基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。     

基于嵌入式零树小波编码直方图图像检索

图像和视频应用的快速增长，使得根据图像和视频内容进行查询的技术变得越来越重要，人们提出了许多基于像素域或压缩域的图像检索技术，因为多媒体数据库通常具有相当大的数据量，所以基于像素域图像检索技术的计算复杂度相当大，因此，许多文献提出更快的基于压缩域的图像检索技术，本文提出一种改进的基于嵌入式零树小波编码直方图的图像检索技术，特征提取综合考虑图像的颜色，纹理，频率和空间信息，所有的特征可以在压缩过程中自动得到，图像检索的过程就是匹配待检索图像和来自数据库的侯选图像的索引，实验证明这种方法具有好的检索性能。     

医学图像模糊增强方法研究

针对传统医学图像增强效果不理想、边界模糊不清、不利于病情诊断等问题,提出了一种改进的医学图像增强算法。首先创建一个适合的隶属度函数实现图像由时域到变换域的变换,通过迭代方法加强变换域的细节成分,最后通过模糊逆变换得到增强后的时域图像。采用的适合隶属度函数,增强了图像效果,使图像细节更清晰。实验表明,采用模糊方法比传统的几种方法可以更有效抑制噪声,提取医学图像中的有用信息,更加有利于病情的诊断。     

一种视频监控图像条纹噪声去除算法

针对视频图像中图像传感器故障引起的等间距横纹噪声去除问题,提出了基于陷波滤波器的去除条纹噪声算法;首先将视频条纹图进行傅里叶变换,通过频域累积分布函数映射法构造自适应滤波器,用该滤波器对变换后的条纹图像进行滤波,最后用Laplacian算子进行锐化处理得到最终去噪声图像。实验结果表明,本算法适合用于去除有图像传感器故障引起的等间距横纹噪声。     

彩色图像中文本的定位

随着基于内容检索技术的发展，人们逐渐意识到包含在彩色图像和视频中的文本具有重要的语义作用。提取并识别图像中的文本首先需要确定它们的位置。本文提出了一种新的基于连通区域确定彩色图像中文本位置的方法，它首先对图像进行多通道分解以得到连通区域，然后对连通区域的尺寸和位置排列进行分析以确定图像中文本的位置。本文方法不仅能确定水平排列和垂直排列文本的位置，也能确定按一定倾角排列的文本的位置。实验结果表明，该方法可得到较好的文本定位效果。     

沙尘环境下视频图像增强方法的研究

针对沙尘暴环境下,因大气介质中悬浮的沙尘颗粒的散射作用导致的视频图像质量严重下降,清晰度与对比度降低,边缘模糊等问题,本文提出了一种空间域与变换域相结合的沙尘图像增强方法。先将降质图像转换到模糊域进行全局沙尘图像的PAL模糊增强;然后在空间域利用带限局部直方图自适应均衡算法对局部分量进行增强处理,最后利用POSHE算法对局部细节再次进行增强处理。实验结果表明,所提方法能够有效的提高沙尘图像的对比度,突出图像细节与边缘信息,增强了图像的整体视觉效果。     

基于三维滤波的视频去噪算法研究

视频去噪的目的是将原始视频从观测到的含噪视频中还原出来。对基于三维滤波的视频去噪算法进行了研究。首先利用贝叶斯阈值对视频序列的各帧在小波域中滤波,之后对帧间连续三帧图像进行帧间滤波。仿真结果表明该算法的有效性。     

基于互信息量和模糊梯度相似性的医学图像配准

本文分析了基于互信息量的医学图像配准算法中存在的鲁棒性问题,提出创建图像的模糊梯度场及建立模糊梯度相似性测度,并将其结合到互信息量配准算法当中.实验证明,本方法很好的解决了传统基于互信息量的方法中存在的鲁棒性问题,能够快速稳定地实现医学图像配准.     

基于近邻搜索花授粉优化的直觉模糊聚类图像分割

为克服传统模糊聚类算法应用于图像分割时,易受噪声影响,对聚类中心初始值敏感,易陷入局部最优,模糊信息处理能力不足等缺陷,该文提出基于近邻搜索花授粉优化的直觉模糊聚类图像分割算法。首先设计一种新颖的图像空间信息提取策略,进而构造融合图像空间信息的直觉模糊聚类目标函数,提高对于噪声的鲁棒性,提升算法处理图像中模糊信息的能力。为了优化上述目标函数,提出一种基于近邻学习搜索机制的花授粉算法,实现对于聚类中心的寻优,解决对于聚类中心初始值敏感,易陷入局部最优的问题。实验结果表明所提算法能在多种噪声图像上取得令人满意的分割效果。     

Information loss recovery for block-based image coding techniques-afuzzy logic approach

A new technique to recover the information loss in a block-based image coding system is developed in this paper. The proposed scheme is based on fuzzy logic reasoning and can be divided into three main steps: (1) hierarchical compass interpolation/extrapolation (HCIE) in the spatial domain for initial recovery of lost blocks that mainly contain low-frequency information such as smooth background (2) coarse spectra interpretation by fuzzy logic reasoning for recovery of lost blocks that contain high-frequency information such as complex textures and fine features (3) sliding window iteration (SWI), which is performed in both spatial and spectral domains to efficiently integrate the results obtained in steps (1) and (2) such that the optimal result can be achieved in terms of surface continuity on block boundaries and a set of fuzzy inference rules. The proposed method, which is suitable for recovering both isolated and contiguous block losses, provides a new approach for error concealment of block-based image coding systems such as the JPEG coding standard and vector quantization-based coding algorithms. The principle of the proposed scheme can also be applied to block-based video compression schemes such as the H.261, MPEG, and HDTV standards. Simulation results are presented to illustrate the effectiveness of the proposed method.     

基于模糊算子的红外图像去模糊研究

针对镜头抖动,目标移动等因素引起的图像运动模糊问题,本文提出了一种基于模糊算子的红外图像去模糊算法,使用深度自编码网络对数据集中的模糊算子进行编码,通过编码后的模糊算子去逼近一个未知的模糊算子并搜索对应的清晰图像,从而实现真实场景下红外图像去模糊,弥补了现有基于深度学习的图像去模糊模型在跨域应用时对真实场景下运动模糊图像去模糊效果较差的不足。在红外图像上的实验结果表明,相比于其他去模糊算法,本文提出的去模糊算法取得了更高的性能指标,恢复出的图像有着清晰的边缘轮廓和局部细节,显著提升了红外图像的清晰度。