纹理融合新空间关系下颜色的刑侦图像检索

为提高刑侦图像检索的准确率,针对现有刑侦图像检索算法对图像颜色空间信息提取不足以及缺乏对局部纹理描述的问题,提出一种纹理融合新空间关系下颜色的刑侦图像检索算法。该算法通过3级分区划分图像,在计算颜色自相关图的基础上,利用图像块之间的街区距离反映颜色特征的空间关系。同时,使用具有旋转不变特性的局部二值模式(rotation invariant local binary patterns,RILBP)描述算子提取图像的纹理特征。并采用加权相似性度量融合颜色与纹理特征的相似性来实现检索。在刑侦图像库上的实验结果表明,该算法具有较好的检索性能。     

基于正交图像生成人脸模型的合成分析方法

针对采用现有基于图像的人脸建模方法生成的三维人脸模型存在的人工性缺陷问题,提出了一种基于合成分析方法的个性化三维人脸建模方法.利用合成方法由两幅正交人脸图像生成一个初始三维人脸模型,比较基于颜色直方图方法合成的人脸图像纹理与输入图像纹理的差异,根据纹理差异来指导对人脸网格的局部自适应细分,不断调整合成的三维人脸模型,从而更好地保持了人脸的精细细节特征.实验结果表明,使用该细分反馈算法,可以减少模型的人工性缺陷,在整体上提高了合成人脸模型纹理的真实感.     

基于轮廓-纹理分解的图像修补技术研究

研究了传统整体变分去噪算法和图像修补算法,提出了一种基于轮廓-纹理分解的图像修补算法.算法首先将待修补图像分解为轮廓结构图像和纹理细节图像.再对轮廓结构图像的空缺进行轮廓结构修补,并对纹理细节图像的空缺进行纹理合成.最后将修补后的轮廓结构图像及纹理合成后的纹理细节图像进行合成,得到需要的修补图像.这种方法能够很好地修补图像空缺部分的轮廓结构及纹理细节.实验结果表明,该算法比纯结构图像修补法或纯纹理合成法要好.     

基于改进生成式对抗网络的图像去雾算法研究

针对传统图像去雾算法存在颜色失真并被雾图先验理论束缚的问题,提出一种基于GAN(Generative Adver?sarial Networks)的去雾算法Defog-GAN,将雾天图片和普通图片分别送入GAN的生成器与鉴别器,利用卷积神经网络对图像的颜色与纹理信息特征进行提取,鉴别器最终引导生成器生成去雾图像.以分块输入形式对GAN的鉴别器做了改进,提高了模型训练速度,引入新的激活函数LeakyRelu,使输入在负值上也有一定的输出,加强图像细节的还原.对输出的去雾图像进行局部颜色直方图匹配,增强图像真实度.实验表明,改进后的网络模型缩短了训练时间,且在真实图像中去雾效果更好,主观评价和客观评价优于其他算法.     

基于灰度合成的图像素描效果生成算法

提出一种采用灰度合成的图像素描效果快速生成算法,实现真实感图像的艺术化生成.不同于已有算法只是利用经典的边缘检测方法来提取图像的边缘特征,本算法通过灰度信息分布来控制素描图像的细节特征,通过灰度合成得到图像边缘特征的加强和柔化,形成素描效果.算法首先得到输入图像的灰度反色图,并对其进行高斯模糊滤波,平滑边缘特征.然后采用灰度合成将滤波后的反色图和输入图像的灰度图进行合成,并同时起到对混合的图像的亮度进行自适应调整的作用,形成图像素描艺术风格.实验结果表明,算法在突出边缘特征的同时,能够较好地保持输入图像的细节特征,并实现素描效果.     

基于引导滤波与稀疏表示的医学图像融合

为提升融合图像清晰度,提出一种基于引导滤波器与自适应稀疏表示的多模态医学图像融合算法.该算法利用高斯滤波器将输入图像分解为细节层和基础层;基于显著性特征和引导滤波器求得基础层权值图,根据该权值图结合加权平均融合规则对基础层进行融合;同时,采用自适应稀疏表示算法融合细节层;最后,将融合的细节层和基础层相加得到融合图像.在...     

基于SK注意力残差网络的水下图像增强

针对水下图像颜色失真、关键信息模糊和细节特征丢失的问题，提出一种基于SK注意力残差网络的水下图像增强方法.该方法通过改进生成对抗网络中的生成器结构，引入残差模块，减少编码器和解码器之间的特征丢失，增强了图像细节和颜色.为了使网络能适应不同尺度的特征图提取图像关键信息，该方法在残差模块后添加SK注意力机制，采用参数修正线性单元来提高网络的拟合能力.将本文方法分别在真实和合成的水下图像数据集中进行验证，采用传统方法和深度学习的方法进行主客观评价.在主观效果分析中发现，本文方法增强后的图像颜色、关键信息和细节特征都有很大提升.在客观评价指标中发现，本文方法指标值均高于现有的水下图像增强算法，验证了该算法的有效性.     

结肠镜图像自动分割技术研究

提出了一种融合颜色、亮度、空间距离和纹理等特征的彩色结肠镜图像分割新算法.纹理特征采用一组Gabor滤波器对原始图像滤波后计算得到的分形维特征.利用基于元素问相似性的随机聚类方法对特征空间进行聚类.通过对图中的切割进行采样,自动获得最佳的类别数目,算法复杂度较低,其随机特性使得它具有抗噪声的鲁棒性.对多幅结肠镜图像进行分割实验,结果证实了该算法的有效性.     

上下文信息多样聚合的图像修复算法

为解决现有算法修复大面积、不规则语义缺失图像时存在结构扭曲和纹理模糊的缺陷，提出了一种基于上下文信息的多样聚合图像修复算法。首先，用编码器提取待修复图像的信息，估计缺失内容，经纹理信息生成模块融合来自各种感受野的上下文信息，增强缺失区域的结构与纹理信息；然后，经解码器恢复原始图像特征；最后，使用掩码匹配鉴别器对生成图像进行鉴别训练，结合对抗损失、重建损失、感知损失和风格损失共同优化模型，促进生成器合成清晰的纹理。在公开数据集上，对所提算法进行训练和测试，实验结果表明，修复随机不规则大面积语义缺失图像时，所提算法可得到比对比算法更清晰合理的结构和纹理细节，其峰值信噪比和结构相似度等客观指标均优于对比算法。     

基于视频的微帧组合动态场景生成

针对基于视频的动态场景在时域上的不连续问题,提出了一种新的场景生成方法.以微帧为组成单元,以纹理合成特征匹配为基础,采用平滑过渡的方法达到时域的连续性,以获得具有真实感的视觉效果,同时应用无缝纹理混合方法保持视频帧的完整性和平滑性.实验结果表明,该算法具有良好的适应性,能够生成具有良好真实感的新动态场景,可以应用于三维仿真和虚拟现实等领域.     

基于GIF滤波分解的低照度图像增强算法

针对常见的对比度增强方法在处理低照度图像时不能兼顾提升图像亮度、对比度,和增强细节的问题,提出基于引导滤波器(guided image filter,GIF)的低照度图像增强算法。首先将输入图像从RGB颜色空间转换到HSV颜色空间;再利用GIF滤波器对图像进行图像分解,得到一个基本层和一个细节层;然后对基本层进行自适应Gamma校正,提高图像的整体亮度和对比度;再对细节层进行S型曲线增强,突出图像的局部细节;最后合成并恢复颜色,得到增强图像。将本文算法、全局Gamma校正、MSRCR 3种算法分别对低照度Bridge和Street图像进行处理,实验结果表明:本文算法能够在有效提升对比度的同时增强图像细节,提升了低照度图像的视觉效果。     

3D建筑重建的纹理提取与映射方法的实现

以往通过采集图片中建筑物平面上的纹理构建场景的方法,大部分都是半自动完成的。针对此问题,提出了一种解决方法,即:通过校正输入图像,融合透视图提取纹理图片,对纹理图像进行校正,消除透视扭曲,通过补偿光源颜色估计纹理色彩。仿真实验结果表明,该方法避免了3D测量的中间过程,较好地解决了拍摄过程中的相关问题如不均匀光源、高光以及遮挡灯。     

用USM锐化生成铅笔画的新方法

给出了一种根据真实2D图像自动生成相应的非真实感铅笔画的新方法。首先将彩色图像进行Unsharp Mask(USM)锐化处理,再进行色彩缩放运算,得到具有一定半径的图像的边缘细节。然后,为了更好地产生铅笔画的光线效果及其局部走势纹理,采用线积分卷积(LIC)的方法生成类似的效果,并且用适当的图像分割方法来获取有意义的区域进行LIC处理。最后,把前面得到的边缘细节和LIC处理的结果分为两层进行叠底和透明处理就能得到较好的铅笔画效果。试验结果表明:使用本文方法可以产生更接近于手绘铅笔画的效果,并且生成的速度更快。     

基于分数阶全变差和自适应正则化参数的图像去模糊

为更好地复原图像的纹理细节,避免求解图像去模糊模型时面临正则化参数难以选择的问题,提出了一种基于分数阶全变差（FOTV）模型和自适应更新正则化参数的非盲去模糊图像重建方法。首先,在分析不同分数阶下FOTV的幅频响应特性的基础上,采用不同分数阶次的FOTV模型约束图像的平滑（低频）部分和纹理细节（高频）部分,从而建立图像非盲去模糊重建模型。其次,为了有效地求解重建模型和实现两个正则化参数的自适应更新,采用交替方向乘子法(ADMM)将原本含有两个正则化参数的复杂问题分解成两个相对容易的子问题进行求解,每个子问题只含一个正则化参数。最后,根据偏差准则,在迭代求解过程中实现了两个正则化参数的自适应更新。将所提算法应用于包含平滑、边缘和纹理细节的多幅图像中,测试4种不同模糊核下的去模糊效果;与传统的4种去模糊算法相比,实验结果表明所提算法能自适应地更新两个正则化参数,对于纹理细节适中的图像具有较好的去模糊效果。     

基于细节特征的高动态范围图像获取算法

为了解决真实场景的动态范围与数字图像的动态范围不匹配的问题,提出一种基于细节特征合成的高动态范围图像获取算法。该方法首先提取多幅不同曝光的低动态范围图像的细节特征,细节特征值越大表明所含细节信息越多,然后将归一化的特征值作为权重,合成多幅低动态范围图像,得到一幅高质量的合成图。实验表明,该算法能得到一幅含有较丰富细节特征、动态范围较广的图像,合成图像不需要色调映射就可以较好地在低动态范围显示器上直接显示。     

基于条件边界平衡生成对抗网络的河流表面流速估测

针对不同流速类类间差异小而造成的分类困难问题,提出条件边界平衡生成对抗网络和多特征融合的卷积分类网络,分别进行流速图像的生成和分类. 为了达到数据增强效果,引入标签机制和验证模块实现相应类别图像数据的拟合与生成;为了加强图像不同纹理特征信息对流速估测的影响,引入多特征融合机制对所有真实样本和生成伪样本进行特征提取和流速识别,实现对差异性较小的图像的分类. 将该方法应用于实际的河流表面流速估测,结果表明,在图像生成模块中,引入的标签信息和验证机制在一定程度上能强制引导模型的数据生成方向;在图像识别模块中,引入的多特征融合机制使所提出方法相较于其他方法,在差异性较小的水流图像的识别上更具鲁棒性.     

Riemann-Liouville分数阶图像增强算法及其电路实现

为了解决整数阶微分对图像纹理增强效果不明显及Grümwald-Letnikov（G-L）微分后会使RGB彩色图像边缘色彩失真的问题,提出了一种Riemann-Liouville（R-L）分数阶图像增强算法并讨论了该算法的电路实现.从R-L定义出发,推导出分数阶微分方程,构造了数字图像8个方向上的0~1阶分数阶微分模板并讨论了其数值运算规则,在此基础上构造并实现了数字图像的R-L分数阶微分电路,并在HSI空间对I分量进行分数阶微分实现彩色图像增强.实验结果表明,该算法能比较明显地增强图像的纹理和边缘细节,增强后的图像清晰度和对比度提高,图像视觉效果明显,具有非线性增强灰度图像和彩色图像的复杂纹理特征及边缘信息的独特优势和良好效果.     

一种基于NSCT和自适应PCNN医学图像融合的改进算法

由于医学影像成像原理不同,不同模态图像的质量、空间和时间特性有较大区别,因此临床上需要将不同模态的图像融合进行综合分析。为了准确并全面地融合MRI和PET图像,提出了一种基于NSCT和自适应PCNN医学图像融合的改进算法。算法采用NSCT得到图像的低频和各方向子带信息,采用符合人类视觉系统的自适应PCNN选择融合图像系数,重构得到融合图像。采用颅脑MRI和PET医学图像进行了仿真实验。结果表明,基于NSCT自适应PCNN算法在提高空间纹理细节和减少颜色失真方面明显优于其它的融合算法。     

基于穗帽变换的IKONOS多光谱和全色影像融合

将IKONOS多光谱影像进行穗帽变换,生成亮度、绿度、湿度等特征波段,然后对IKONOS全色波段与亮度波段进行直方图匹配,用匹配后生成的变量代替穗帽变换生成的亮度波段,再进行逆变换得到融合后的影像.比较了常规融合方法与穗帽融合方法对IKONOS多光谱波段和全色波段影像的融合效果.结果表明,穗帽融合方法较好地将多光谱影像的光谱信息与全色影像的纹理信息融入到融合后影像.目视及定量评价结果都表明,穗帽融合方法优于HIS、Brovey、主成分变换以及加权融合方法.平滑滤波亮度调节（SFIM）方法在光谱信息保真方面表现较好,而穗帽融合方法在纹理信息增加方面表现较好.     

基于深度学习特征融合的遥感图像场景分类应用

针对传统手工特征方法无法有效提取整体图像深层信息的问题,本文提出一种基于深度学习特征融合的场景分类新方法.利用灰度共生矩阵（GLCM）和局部二值模式（LBP）提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息;通过基于AlexNet迁移学习网络提取图像的深层信息,在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出;将两种特征进行自适应融合,最终输入到网格搜索算法优化的支持向量机（GS-SVM）中对遥感图像进行场景分类识别.在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明,5次实验的平均准确率分别达94.77%和93.79%.该方法可有效提升遥感图像场景的分类精度.