一种基于可重叠RNAM 的灰度图像表示算法

借助于二值图像的可重叠矩形区域编码的思想,通过使用可重叠矩形非对称逆布局的模式表示模型(RNAM)和扩展的Gouraud阴影法,给出了可重叠同类块逆布局的4个准则,提出了一种基于可重叠RNAM的灰度图像表示算法,简称为ORNAMC表示算法.在ORNAMC表示算法中,通过使用3个用于标识顶点类型的水平矩阵H、垂直矩阵V和单点矩阵I代替混合矩阵R,解决了灰度图像的可重叠RNAM表示中矩阵R的不可解码性问题;同时,通过将顶点类型及码字进行重新定义,提出了一种对矩阵H,V和I中所有非零元素坐标进行编码的坐标数据压缩算法.以图像处理领域里惯用的标准灰度图像等作为典型测试对象,实验结果表明,与已提出的非重叠RNAMC和流行的STC,SDCT等灰度图像表示方法相比,在保持图像质量的前提下,ORNAMC表示方法具有更高的压缩比和更少的块数,因而是灰度图像表示的一种更好的方法.     

矩形NAM图像表示及其上的连通区域标记算法

既能减少数据量又能直接快速地进行运算是图像表示方法所追求的目标。本文为克服传统的图像层次结构限制条件过多的缺陷，在借鉴Packing问题的思想的基础上，提出了非对称逆布局模式表示模型（Non-Symmetry and Anti-Packing Pattern Representation Model，NAM）。NAM模型的非对称层次结构使其在表示一幅图像时没有过多的限制条件，因此可以获得更高的压缩比，而且它可以直接进行某些图像处理运算，其基于像素块的运算方式使它的运算效率更高，矩形NAM图像表示和基于它的连通区域标记算法证明了这一点。     

基于图结构的全景图自动识别与拼接方法

针对多幅图像的匹配和识别问题,提出了一种基于图结构的全自动识别与拼接方法.该方法能够根据用户输入的多幅无序图像,自动判别图像之间是否具有重叠部分,并对具有重叠的图像进行拼接.对输入的每一幅图像进行MOPS特征检测,通过k-d树的最近邻搜索完成不同图像特征之间的快速匹配.其次基于图像特征之间的对应关系使用RANSAC算法建立任意两幅图像之间的匹配模型,并用概率算法进行鲁棒校验.通过构建与图像匹配关系对应的无向连通图结构,实现多幅全景图像的自动识别.使用递归算法对无向连通图进行深度优先遍历,并用多频带融合算法消除拼接痕迹,合成相应的全景图像序列.     

一种基于NAMPD的快速图像分割

非对称逆布局模式表示模型(Non-symmetry and Anti-packing pattern representation Model,NAM)借助布局问题的思想,使用一个子模式集合来表示原模式。基于NAM模型,提出了一种灰度图像表示方法,非对称逆布局平面分解模式表示模型(NAM-structrued Plane Decomposition,NAMPD)。在NAMPD中,每一个子模式都对应于图像中的一个矩形区域,该区域的亮度函数由一个斜面模型逼近。图像分割是图像分析中的一种关键方法。传统的图像分割算法大多是基于点阵表示的,运算效率不高。基于NAMPD,提出了一种快速图像分割算法。因为NAMPD将图像块而不是像素作为最小操作单位,所以基于NAMPD的图像处理操作效率更高。实验结果表明,基于NAMPD的图像分割算法的速度较之经典算法更快。     

三角形和矩形NAM表示的快速面积计算算法

提出一种基于三角形和矩形NAM表示的快速面积计算算法,给出算法的形式化描述,并分析其复杂度.以图像处理领域里惯用的标准Lena、F16和Peppers等二值图像作为典型测试对象,理论分析和实验结果表明:与经典的基于紧凑四元树表示的面积计算算法相比,基于三角形和矩形NAM表示的面积计算算法具有更少的子模式数(节点数),从而计算速度更快.     

基于多示例学习的图像表示方法

提出一种基于多示例学习的图像表示方法,将图像作为多示例包,用高斯滤波器将图像滤波并取样为由颜色区域构成的矩阵,使用单颜色及相邻区域(single blob with neighbors)的包生成方法。根据用户选择的实例图像生成正包和负包,使用MIL-SVDD_I和MIL-SVDD_B算法进行实验。实验表明该图像表示方法是可行的。     

矩形NAM图像表示及其上欧拉数计算

更少的数据量和更快速的运算是图像表示方法所追求的目标,传统的图像层次结构因为强调对称性而不能得到最优分割,非对称逆布局模式表示模型（Non-Symmetry and Anti-Packing Pattern Representation Model,NAM）是借鉴Packing问题的思想提出的一种图像表示方法,它的非对称层次结构使其与传统的层次结构（如四元树）相比需要更少的数据量,而采用的基于像素块的运算方式使它在进行一些图像处理运算时速度要优于基于像素点的运算方式,采用矩形子模式的矩形NAM图像表示和基于它的欧拉数计算很好的证明了这一点.     

三角形和矩形NAM的二值图像表示方法

图像表示是图像处理和模式识别领域里的一个重要研究内容.借助于三角形和矩形布局问题的思想,提出一种三角形和矩形NAM(非对称逆布局的模式表示模型)的二值图像表示方法,同时给出编解码算法的形式化描述,并分析了该算法的总数据量.理论分析和实验结果均表明:与流行的线性四元树表示方法相比,三角形和矩形NAM表示方法能更有效地减少节点数和数据存储空间,是二值图像模式的一种良好的表示方法.     

基于改进小波矩特征的快速无损图像描述算法

为了更有效地利用小波矩不变量算法来快速无损地计算图像特征值, 提出了一种融合Mallat算法的无损采样的新型小波矩不变量算法. 在此基础之上, 结合傅里叶变换的原理及特点, 提出了基于频率幅值谱与小波矩不变量的特征提取方法. 并将改进的小波矩不变量算法与传统使用三次B样条矩的小波矩、Hu矩进行了比较. 实验表明, 改进的小波矩不变量在比传统小波矩不变量算法性能几乎没有损失的情况下, 大大加快了小波矩不变量的计算速度, 并且基于频率幅值谱的小波矩有更强的抗噪性.     

基于手持相机的文档图像拼接算法

为了把手持相机拍摄的多幅文档图像拼接成一幅大的图像,提出了一种基于全局对准模型的文档图像拼接算法。该算法首先通过估计文档图像的消隐点坐标来校正透视失真,使相邻图像的几何关系可以用仿射变换表示;然后采用随机采样方法调整特征点之间的距离,使其尽可能均匀地分布在整个重叠区域内;接着利用所有重叠图像对的局部对准约束通过建立文档图像拼接的全局对准模型来有效地消除误差积累;最后利用二值函数对图像进行剪切,以减小重叠区内的对准误差。实验结果表明,该方法无需事先标定摄像机的内外参数和限制相机的位置,不仅具有较高的对准精度,且可有效地拼接手持相机拍摄的各种文档图像。     

Fast algorithms for basic processing and analysis operations on block-represented binary images

This paper describes a binary image representation scheme, called Image Block Representation and presents new algorithms for a number of basic binary image processing and analysis operations, which are rapidly implemented on block-represented binary images. The main purpose of the Image Block Representation is to provide an efficient binary image representation that permits the execution of operations on image areas instead of image points.     

关于顶点链编码的图像区域表示和填充算法

图像区域的表示和显示是图像处理和图像分析、计算机制图和计算机图形学中的重要研究课题.以顶点链编码为基础,提出一种以顶点链编码来表示二值图像的方法,完成了对于图像区域的简单表示.同时着重提出了一种将用以表示二值图像的顶点链编码转化为原二值图像的算法.该算法对表示二值图像区域的顶点链编码点进行记录处理,配对被记录的顶点链编码点,然后运用水平扫描线来填充图像区域,从而将原图像根据顶点链编码完全恢复出来.     

改进的三角形和矩形NAM的二值图像表示方法

图像表示是计算机图形学、计算机视觉、机器人、图像处理和模式识别等领域里的一个重要问题.提出一种改进的三角形和矩形NAM的二值图像(NAMTR)表示方法,简称INAMTR表示方法.给出了算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了详细的分析.以图像处理领域里惯用的标准′Lena′、′Baboon′和′Peppers′等二值图像作为典型测试对象,理论分析和实验结果均表明:与目前新提出的NAMTR表示方法和经典的线性四元树表示方法相比,INAMTR表示方法具有更少的子模式数(或节点数),能够更有效地减少数据存储空间,是二值图像模式的一种更优的表示方法.     

基于非对称逆布局图像表示的近邻寻找算法

非对称逆布局图像表示由于不强调分割对称性,获得了较高的表示效率。然而,不对称的分割也带来了一个明显的副作用,即丧失了子模式实例间明显的空间位置关系,从而使得近邻寻找难以实现。为了表达子模式实例间的空间位置关系,本文提出了经纬网数据结构。借助于经纬网,本文提出了基于非对称逆布局图像表示的近邻寻找算法,并讨论了算法的时空复杂度。实验结果表明,基于非对称逆布局图像表示的近邻寻找算法的执行速度,比基于四元树表示和线性四元树表示的近邻寻找算法的执行速度提高了一个数量级。     

An improved algorithm for gray image representation using non-symmetry and anti-packing model with triangles and rectangles

Although the triangle non-symmetry and anti-packing model (TNAM) representation for gray images is an effective image representation method, there is still much space left for optimization. In this paper, inspired by the optimization idea of the packing problem, we proposed an improved algorithm for gray image representation using the non-symmetry and anti-packing model with triangles and rectangles (NAMTR). By comparing the representation algorithm of the NAMTR with those of the TNAM and the popular linear quadtree, theoretical and experimental results presented in this paper show that the former can greatly reduce the number of sub-patterns or nodes and simultaneously save the data storage much more effectively than the latter, and therefore it is a better method to represent gray images. Representation method of the NAMTR, as envisaged in this paper, shows a very strong promise, and it is valuable for further theoretical research and potential business foreground, such as reducing storage space, increasing transmission speed and improving pattern match efficiency.     

Non Sub-Sampled Contourlet with Joint Sparse Representation Based Medical Image Fusion

Medical Image Fusion is the synthesizing technology for fusing multimodal medical information using mathematical procedures to generate better visual on the image content and high-quality image output. Medical image fusion represents an indispensible role in fixing major solutions for the complicated medical predicaments, while the recent research results have an enhanced affinity towards the preservation of medical image details, leaving color distortion and halo artifacts to remain unaddressed. This paper proposes a novel method of fusing Computer Tomography (CT) and Magnetic Resonance Imaging (MRI) using a hybrid model of Non Sub-sampled Contourlet Transform (NSCT) and Joint Sparse Representation (JSR). This model gratifies the need for precise integration of medical images of different modalities, which is an essential requirement in the diagnosing process towards clinical activities and treating the patients accordingly. In the proposed model, the medical image is decomposed using NSCT which is an efficient shift variant decomposition transformation method. JSR is exercised to extricate the common features of the medical image for the fusion process. The performance analysis of the proposed system proves that the proposed image fusion technique for medical image fusion is more efficient, provides better results, and a high level of distinctness by integrating the advantages of complementary images. The comparative analysis proves that the proposed technique exhibits better-quality than the existing medical image fusion practices.     

集体表示分类方法及在人脸识别中的应用

近年来,基于表示的人脸图像识别方法吸引了众多学者的关注,如稀疏表示分类方法（Sparse Representation based Classification,SRC）、协作表示方法（Collaborative Representation based Classification,CRC）等。这些方法均利用单张图像的表示信息进行识别,而忽略了集体图像之间的关联性,容易存在信息不足的缺陷。为了能够充分利用多张人脸图像的相互关系,提出了一类集体表示分类方法。该方法将多张待识别图像映射为一个稀疏表示矩阵,并对每类测试图像集体重构,以最小残差为准则对每类人脸图像集分类。这种方法通过同时表示多张图像,关注到不同图像之间的相似与不同,获取到同一主体的更多信息,从而提高识别正确率。尤其在只有多张侧脸图像而无正脸图像的情况下,集体表示分类方法更能发挥优势,在两个公开人脸图像数据集上的实验结果也验证了该方法的有效性。     

一种改进的基于NAM的彩色图像表示算法

图像表示在机器人、图像处理、模式识别等领域里是一个非常重要的研究内容之一.尽管基于NAM的彩色图像表示方法是彩色图像模式的一种良好表示方法,但是该方法是建立在单类型子模式(矩形)基础之上,因而还有更进一步的优化空间.通过对多子模式类型的组合(矩形和三角形)逆布局作进一步的研究,提出了一种改进的基于NAM的彩色图像表示算法,并给出了该算法的存储结构和数据量分析.理论分析和实验结果表明:与基于NAM的彩色图像表示算法和流行的基于线性四元树的彩色图像表示方法相比,改进的基于NAM的彩色图像表示方法能更有效地减少子模式数(节点数)和数据存储空间,是彩色图像模式表示的一种更优的表示算法,为逐步逼近彩色图像模式的最优化表示提供了一种重要的研究途径.     

多值图像的直接NAM表示模型

尽管基于分层数据结构的图像表示有许多优点,但是它们过于强调分割的对称性,因此不是最优的表示方法.借助于布局问题的思想,提出一个基于非对称逆布局模型(NAM)的模式表示方法.通过描述NAM模型,给出多值图像直接NAM表示方法的编码和解码算法,并对算法的复杂性和存储的数据量进行了分析.理论分析和实验结果均表明:与传统的四元树和行程码等图像表示方法相比,直接NAM表示方法在图像数据压缩和重建质量等方面具有明显的优势,是多值图像模式表示的一种良好方法.     

图像理解

图像理解是从图像中自动提取信息的一门科学，该学科的基本技术包括图像组成模型化、图像建立和数据可视化。对于开发基于输入图像解释来做出决策的人工智能系统来说图像理解是一个重要环节。该文就知识在航空图像理解系统中的作用进行了探讨，主要介绍了自动理解中的知识表示和控制结构，并通过一个机场的例子，说明图像解释中通用知识的应用，进一步强调图像理解中知识运用的重要性。