基于HSV分块颜色直方图的图像检索算法

针对基于颜色的图像检索问题,提出了一种新的基于HSV非均匀量化分块颜色直方图的图像检索方法。分块直方图算法把图像固定分成若干子块,分别计算子块的颜色特征。将含有重要空间信息的分块设置权值,并将不注重空间信息的分块权值设为零：此算法充分利用了HSV非均匀量化和图像分块的优点,改善了颜色特征缺乏空间信息的缺点。研究结果表明,基于HSV非均匀量化分块颜色直方图的算法相对于全局颜色直方图有较好的检索精度。     

复杂场景中基于变块差分的运动目标检测

针对复杂场景中包含的摄像机扫描运动、随机抖动和目标运动,提出一种基于帧间可变块差分的运动目标检测算法.首先,利用全局特征点估计运动参数对帧间背景进行补偿,提取图像的全局特征点并匹配,以特征点集的最小位置误差和作为目标进行迭代,获取误差不大于0.5 pixel的全局运动参数,并精确补偿当前帧实现背景校正.然后,利用可变块...     

基于数学形态学的图像分割研究及应用

给出了一种基于图像灰度分布统计特征期望值为阈值的二值化方法．并在此基础上运用数学形态学方法进行图像目标定位分割。应用于有噪声的车牌图像二值化和分割、实验表明本文提出的二值化算法的计算复杂度．执行时间、二值化效果以及适用范围等方面均有较佳表现．形态学分割算法定位效果好、分割精度高。     

图像局部彩色化的全局扩展算法

提出了图像局部彩色化的全局扩展算法,在给样本块上色之后,将图像纹理特征和亮度统计值作为图像特征向量分量,用于建立与样本块的对应关系;利用图像邻域信息的偏度和峰度,根据样本块对整幅图像聚类;利用查找每个像素点邻域像素所属聚类域的方法确定此像素点所属聚类域,在对应样本块中选取最佳匹配像素,实现目标图像全局彩色化,使彩色化结果图像在不同颜色边界的过渡更加自然、平滑、流畅.     

联合4方向特征的全局优化图像补全

为更好地保持修复后图像的结构连贯性及与邻域信息的连续一致性,提出了联合4方向特征的全局优化图像补全算法。该方法利用Curvelet变换提取图像的水平,垂直,正对角及反对角4个方向的特征。在构造数据项和平滑项能量时,利用4方向特征与颜色信息共同衡量样本块间的相似性,以此构造符合人眼视觉要求的全局能量约束方程;同时自适应确定计算数据项和平滑项能量的样本块尺寸。最后利用图割算法求取全局能量的极小值,获得修复图像。实验显示:与现有算法相比,提出算法可以获得更优的修复结果,其峰值信噪比(PSNR)平均值比现有算法至少高出2dB,验证了提出算法的有效性;结果也表明:提出的算法可以更好地保持图像结构的连贯性及修复区域内的连续一致性,能满足人眼视觉需求。     

基于块位长的小波嵌入零块编码算法

针对小波编码算法在编码过程需要占用大量内存的问题,提出了一种基于块位长的小波嵌入零块编码算法.该算法通过以下几项措施来减少编码过程的内存占用,同时提高编码的工作效率:(1)LLn子带单独编码;(2)提出位长定义,建立块位长位图;(3)通过位长位图代替排序,细化链表,减少内存占用;(4)通过位长位图的树结构来快速搜索重要块,克服重复扫描,加快编码速度.软件测试结果表明,对一幅512 pixel×512 pixel×8 bit的图像,该算法占用的内存空间为SPECK算法的1/27;硬件实现结果显示,雷达图像质量测试完全达到国际标准;该算法在保持高信噪比的同时,有效地减少了编码过程的内存占用,易于硬件实现.     

基于神经网络和不变矩的路面破损图像识别

提出了一种应用BP神经网络识别沥青路面破损图像的图像分割方法.将路面图像等分,用灰度方差值描述子块图像特征,利用BP神经网络对子块图像进行模式分类,并将图像子块模式矩阵的不变矩作为图像的整体特征,在此基础上设计了基于全局优化算法的前馈神经网络分类器,并进行了图像识别试验,对二值图像进行特征提取,提出了学习算法,以加快收敛速度,从而实现图像识别.     

融合分层连续梯度特征的高铁隧道漏缆卡扣检测

基于局部二值模式的深度挖掘算法和多特征融合算法是提取铁路隧道漏缆卡扣特征的有效方法,但它们存在描述子表述性不强且特征维度过高的问题.提出分层连续梯度二值模式,能够实现卡扣轮廓特征的尺度变换并降低描述子的特征维度,提高故障卡扣图像的分类准确率.首先采用改进的中心对称局部二值模式和根据全局灰度均值获得的自适应阈值,计算采样...     

基于改进LBP和DBN的人脸识别算法研究

针对传统LBP算法的人脸识别易受光照、背景、遮挡等因素的影响,使用改进局部二值模式(LBP)和深度信念网络(DBN)相结合的方法,用多尺度块局部二值模式(MB-LBP)算法获取人脸图像的纹理特征,在此人脸纹理特征的基础上使用中心对称局部二值模式(CS-LBP)算法获取图像的纹理特征,然后将两次获得的纹理特征图像的直方图进行融合,并将其输入到DBN中进行训练,优化网络参数。     

一种实时自适应图像二值化方法

本文介绍一种用单片机和高速静态RAM统计直方图数据,并利用直方图数据和图像变换的原理来计算图像二值化的切割阈值的方法。这种方法实现了实时自适应图像二值化,并具有二值化速度快、效果好、电路简单、成本低廉的特点,适用于实时图像处理。     

基于全局特征与局部特征的图像分级匹配算法研究及应用

移动机器人基于拓扑地图导航时要求图像特征提取与匹配算法具有高的精度和鲁棒性、良好的实时性,针对此,提出了基于全局特征和局部特征的图像分级匹配算法。首先对输入的待匹配图像应用改进的形状上下文算法提取全局特征与图像库中图像进行遍历粗匹配,得到与当前待匹配图像相似度最高的3幅图像并构建临时图像库;然后利用改进的SIFT算法提取输入图像局部特征与临时图像库中3幅图像的局部特征进行精确匹配,最终得到与待匹配图像相似度最高的图像作为匹配结果输出。所提出的图像分级匹配算法将基于全局特征的改进形状上下文算法和基于局部特征的改进SIFT算法相结合,从而达到优势互补的目的。实验结果表明,该算法在机器人基于拓扑地图导航过程中有效地提高了图像匹配效率,缩短了运行时间。     

结合局部特征及全局特征的显著性检测

针对目前大多数显著性检测方法中采用背景种子以及局部区域对比度显著性检测模型的缺点,本文提出了一种综合考虑局部特征以及全局特征的显著性检测算法。在对图像进行分割之后,算法首先融合了采用多特征方式生成的背景显著图与采用前景区域对比度方式生成的前景显著图,之后使用高斯滤波器对融合后的结果进行优化形成局部特征显著图。其次,在局部特征显著图的基础上提取多种特征的样本集合进行训练,从而得到全局特征显著图。算法最后将第一步生成的局部特征显著图与全局特征显著图进行结合生成最终的显著图。实验部分验证了算法各部分的有效性,并且在3个公开数据集上对文章方法与近年来优秀的显著性检测算法进行了对比,实验结果显示,本文算法在CSSD数据集上的准确率、召回率以及F-measure分别达到了0.837 5、0.743 4和0.813 7,在其它数据集上也有良好表现。实验表明,本文算法能够有效抑制背景区域,并且高亮前景区域,更好地检测出显著目标。     

纹理粗糙度在红外图像显著性检测中的应用

提出了基于纹理粗糙度的红外图像显著性检测算法,以解决红外图像对比度低,目标显著性检测难的问题。首先,研究了Tamura的粗糙度原理,对粗糙度进行分析和评价,提出了新的粗糙度计算方法。然后,将图像分解为超级像素集合,并计算超级像素的最大平均强度差;利用最大平均强度差定义超级像素的最佳尺度,作为纹理粗糙度的度量。最后,将超级像素区域均匀外延,利用粗糙度的局部对比度和灰度信息度量红外图像的显著性。通过实验验证了本文算法的有效性,结果表明:在10%的噪声水平下,本文粗糙度保持不变,粗糙度特征图一致性较好,而Tamura的粗糙度特征图中杂点明显增多。与其它显著性检测算法对比,本文算法击中率最高,为0.752。该算法挖掘了红外图像的纹理粗糙度特征,为红外图像显著性检测提供了新的特征选择。     

Derivation of Optimal Global Equalization Function with Variable Size Block Based Local Contrast Enhancement

A conventional global contrast enhancement is difficult to apply in various images because image quality and contrast enhancement are depndent on image characteristics largely.And a local contrast enhancement not only causes a washed-out effect,but also blocks.To solve these drawbacks,this paper derives an optimal global equalization function with variable size block based local contrast enhancement.The optimal equalization function makes it possible to get a good quality image through the global contrast enhancement.The variable size block segmentation is firstly executed using intensity differences as a measure of similarity.In the second step,the optimal global equalization function is obtained from the enhanced contrast image having variable size blocks.Conformed experiments have showed that the proposed algorithm produces a visually comfortable result image.     

基于RA-Unet的CT图像肝脏肿瘤分割

CT图像肝脏肿瘤分割是进行肝癌前期诊断、肿瘤负荷分析和放射治疗的重要前提。为实现肿瘤的精确自动分割,提出一种融合残差模块和注意力机制的深度U形网络。该网络首先在跳跃连接层中引入一条带有反卷积与激活操作的残差路径和卷积模块,实现图像特征的分离传递以及高级表征,确保跳跃连接层主要传递图像边缘信息和小目标全局信息,其次在解码路径中引入注意力机制,通过将跳跃连接层与反卷积解码获得的特征信息赋予不同权重,进一步增强肿瘤特征,抑制其他无关信息。提出方法在LiTS数据集上获得的全局Dice值高达86.71%,明显高于其他多种现有方法,且相较于其他方法,该方法对于小尺寸、对比度低、边界模糊的肿瘤具有明显的分割优势。     

基于卷积神经网络的光学遥感图像检索

提出了一种基于深度卷积神经网络的光学遥感图像检索方法。首先,通过多层卷积神经网络对遥感图像进行卷积和池化处理,得到每幅图像的特征图,抽取高层特征构建图像特征库;在此过程中使用特征图完成网络模型参数和Softmax分类器的训练。然后,借助Softmax分类器在图像检索阶段对查询图像引入类别反馈,提高图像检索准确度,并根据查询图像特征和图像特征库中特征向量之间的距离,按相似程度由大到小进行排序,得到最终的检索结果。在高分辨率遥感图像数据库中进行了实验,结果显示:针对水体、植被、建筑、农田、裸地等5类图像的平均检索准确度约98.4%,增加飞机、舰船后7类遥感图像的平均检索准确度约95.9%;类别信息的引入有效提高了遥感图像的检索速度和准确度,检索时间减少了约17.6%;与颜色、纹理、词袋模型的对比实验表明,利用深度卷积神经网络抽取的高层信息能够更好地描述图像内容。实验表明该方法能够有效提高光学遥感图像的检索速度和准确度。     

基于手背静脉图像多特征稀疏表示的身份识别

为了准确地对人的身份进行识别,提出了一种对采集静脉图像的全局特征和局部特征进行稀疏表示的识别算法.该算法首先应确定静脉样本库中所有的静脉对象,并在不同光强下对每一手背静脉进行采集,此外将采集图像进行适当压缩与旋转,并将变换后的所有图像作为库中描述该静脉对象的样本;其次,分别提取该静脉对象所有样本的全局特征与局部特征,并通过求解每一特征系数向量的最小1范数,对未知静脉图像的全局与局部特征进行稀疏表示;最后,融合稀疏表示结果,完成静脉识别的过程.通过在3种光强下对200个人的手背静脉进行采集,并经过图像压缩与旋转调整后建立实验所需的静脉样本数据库,识别实验表明该识别方法正确识别率达到98％以上,并且对于采集时出现多种不合作因素具有较好的鲁棒性,同时具有较好的实用价值.     

采用轮廓特征匹配的红外-可见光视频自动配准

为了精确地配准近平面场景下的红外-可见光视频序列,本文提出了一种基于轮廓特征匹配的自动配准方法,通过迭代匹配目标轮廓特征来解决异源图像中配准特征的提取和匹配难题。首先,采用运动目标检测技术获取目标轮廓,并由曲率尺度空间(CSS)角点检测算法提取轮廓特征点。此后,建立全局形状上下文描述子和局部边缘方向直方图描述子描述特征,从而实现可靠的特征匹配。来自不同时刻的匹配点对被保存在一个基于高斯距离准则的特征匹配库中。最后,为了克服近平面场景中目标深度变化的影响,本文结合前景样本随机抽样策略计算配准矩阵的损失函数,完成对全局配准矩阵的更新。在LITIV数据库上对方法进行实验验证,结果表明本文方法的配准精度优于当前先进的对比方法,在9个测试视频上的平均重叠率误差仅为0.194,与对比方法相比下降了18.5%。基本满足了近平面场景下红外-可见光视频序列配准的精度要求,且具有较高的鲁棒性。