结合梯度与彩色直方图的人头识别

提出了结合图像灰度梯度信息和彩色直方图信息的人头识别算法.该算法中:灰度梯度信息可以排除背景图像中的颜色干扰,彩色直方图信息可以适应识别目标的形状变化和背景中的纹理对识别目标的影响.对2种算法的结果进行规一化处理,实现两者的相互补充.最后通过实验证明了该算法的有效性.     

结合梯度与彩色直方图的人头识别

提出了结合图像灰度梯度信息和彩色直方图信息的人头识别算法．该算法中：灰度梯度信息可以排除背景图像中的颜色干扰，彩色直方图信息可以适应识别目标的形状变化和背景中的纹理对识别目标的影响．对2种算法的结果进行规一化处理，实现两者的相互补充．最后通过实验证明了该算法的有效性．     

一种基于改进SUSAN算子的钨矿初选算法

以改进SUSAN算子为核心的钨矿石初选算法是一种针对性较强的算法.此算法采用改进的SUSAN算子的边缘提取方法,利用形态学开运算估计背景,与原始图像全局灰度进行几何运算来减弱背景的复杂纹理和噪声对图像的影响,以此来改善目标边缘提取的效果,并结合SUSAN基于图像灰度相似性比较的边缘检测算法.它不需梯度的计算,具有算法简单、定位准确、抗噪声能力强等特点,提高了算法效率,实现二者的优势互补,提高图像边缘检测的效果.     

零件几何参数测量中的边缘检测算法的研究

提出了一种综合利用图像灰度信息和灰度梯度信息的边缘检测算法．首先,使用基于Sobel算子的改进的边缘检测算法对灰度图像进行处理得到梯度图像．其次,综合应用其他边缘检测算法,完成对目标边缘的准确检测,最后,沿边缘的梯度方向进行多项式插值法亚像素细分计算,对边缘进行亚像素精确定位．     

基于塔型结构和LIP模型的图像增强方法

为了提高医学灰度图像的整体对比度,通过融合金字塔结构和对数图像处理(Logarithm Image Processing,LIP)模型,给出一种图像增强算法。新算法引入图像金字塔结构,对灰度图像进行塔型分解,并采用梯度锐化和LIP模型对分解图像进行增强后,再实现图像重建,并逐层累加突出图像细节,以挖掘LIP模型的局部增强特性。仿真结果表明,新算法可改善灰度图像的纹理细节和对比度。     

基于T-GLCM和Tamura融合特征的纹理材质分类

虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高,纹理因素复杂且无规律,单一的纹理提取算法并不能准确地描述图像纹理的特点.因此提出基于GLCM(灰度共生矩阵)和Tamura融合特征的纹理材质分类算法.此外,本文对传统灰度共生矩阵GLCM进行优化,提出了改进的GLCM(T-GLCM)算子,提升了GLCM的旋转不变性并减少了大量的冗余信息.利用Tamura纹理特征对图像进行量化,然后将各特征区域量化后级联成一组特征向量,融合T-GLCM的纹理特征,通过支持向量机(SVM)对纹理材质进行分类.实验结果表明,相比传统纹理特征提取算法,本文算法具有更高的分类精度且鲁棒性更好.     

基于图像分块目标区域的检索技术研究

为了解决图像检索中视觉感知缺失所造成的检索率偏低问题,提出了一种基于目标区域检索算法.借鉴方块编码的方法将图像进行二值化处理,从而转化为位平面图,在此基础上,提取图像的背景区域和目标区域,为提取图像的空间分布信息,采用环形分割的方法提取图像的环形分布直方图作为内容特征用于检索.该算法既利用了图像的灰度信息和人眼对纹理的视觉敏感特性,又充分考虑了图像的空间分布对检索效率的影响,试验表明该算法和以往算法相比具有较高的检索效率.     

数字乳腺层析图像纹理特征联合提取与识别

为提高乳腺组织图像特征提取的正确率,结合灰度共生矩阵纹理特征与Tamura纹理特征,给出一种联合提取与识别算法。采用双边滤波、受约束限制自适应直方图均衡和L0梯度滤波,对数字乳腺层析图像进行预处理,滤除其噪声并提高对比度;同时考虑灰度共生矩阵与Tamura纹理特征,通过增加特征值维度,将两者融合入一个矩阵之中,并依据特征选择规则提取最适特征;用支持向量机对特征向量分类。与仅依赖其中一种纹理特征的提取算法相比,所给算法可提高特征提取与识别正确率,从而更好地实现图像分类。     

基于人眼视觉特性和模糊集的自适应图像增强算法

根据人眼的视觉特性，利用梯度和差分原理相结合而产生的锐化算子处理图像，进一步提升了图像中细节丰富的区域和灰度变化平坦区域的边缘，然后结合模糊集合理论对不同的区域进行不等的灰度拉伸，提出了一种基于人眼视觉特性的自适应图像增强算法。该算法可有效地在提高图像灰度动态范围的同时，增强图像的细节和对比度。该算法兼有增强和平滑作用，在增强图像的同时，能较好地抑制噪声。     

基于图像形状特征和纹理的中药材牡丹皮规格分类研究

首先研究傅里叶图像形状特征提取算法和灰度共生矩阵纹理特征提取算法;其次使用傅里叶图像形状特征提取算法对中药材牡丹皮图像的形状特征进行提取,并且用灰度共生矩阵纹理特征提取算法提取中药材牡丹皮图像纹理数据;最后运用DBT-SVM算法对两种融合数据进行分类,并分析权重、训练集和测试集占比对分类准确率的影响。实验结果优于传统的SVM算法。     

基于BP神经网络的复合材料预制件表面纹理特征分析

讨论了基于神经网络的复合材料预制件的表面纹理分类,提出了BP神经网络在预制件图像边缘增强,特征提取的基础上加感知器而实现纹理有效识别的应用方法,实验证明,该方法具有一定的可靠性,为复合材料的力学分析创造了条件。     

基于柱面反投影算法的三维物体表面纹理重建

从图像中提取纹理用作纹理映射是三维重建的常用方法之一,然而通过相机获取的照片纹理经常存在失真变形．不能直接用于纹理映射,故需要研究失真纹理的校正针对圆柱面物体提出一种柱面反投影算法,将物体在圆柱面上的影像纹理投影到二维视平面上显示,并用线性插值算法对缺损的像素值进行插值校正,然后利用SIFT（Scale Invariant Feature Transform）尺度不变特征点匹配算法对校正后的纹理图像进行特征点提取与匹配,最后采用加权平滑算法实现图像的拼接,从而得到宽视角的纹理图像．实验表明,利用上述方法能够有效地生成三维重建所需的纹理．     

非接触式带钢表面缺陷检测纹理方向特征分析

带钢表面缺陷图像纹理方向特征分析是否合理,关乎缺陷图像识别的正确率。针对带钢表面缺陷, 提炼描述缺陷图像的纹理特征量,给出检测距离和检测方向角的关系以及缺陷图像纹理特征提取的基本方法。通过带钢表面无噪声和有噪声的裂纹缺陷图像实例分析,提出纹理方向的特征量取最小值,与纹理方向垂直的特征量取最大值;检测距离根据具体情况选取,不易过大或过小;夹杂噪声的缺陷图像分析时阈值取较小值。     

基于角向功率谱的复合材料预制件表面编织角的测量

基于纹理分析理论，采用谱分析技术，对三维编织复合材料预制件表面边缘图像进行傅立叶变换，得到其功率谱图和角向功率谱图，可进行平均编织角测量．与传统的三点法、四点法和手工测量法比较，结果表明，该方法的测量结果与手工法设计参数相吻合，对三维编织复合材料预制件表面编织角的自动测量具有实际意义和理论价值．     

基于可见光图像的红外图像纹理映射方法

为有效仿真大规模背景景物红外图像纹理,提出一种基于可见光图像的红外图像纹理映射方法.该方法以相应景物的可见光图像灰度范围为参照,基于同景物某时刻红外图像的温度及灰度分布,计算景物红外图像的温度与灰度对应关系.将对应景物温度分布偏差信息叠加在相关景物不同时刻的均值温度上,映射在该景物可见光图像的灰度范围内,生成对应景物不同时刻的红外图像纹理.另外,将仿真的背景图像分为单一组分和混合组分的背景图像,对于单一组分背景图像,采用提出的方法进行红外图像纹理映射;对于混合组分的背景图像,首先采用该背景图像对应的可见光图像进行材质分类,在此基础上采用提出的方法进行混合组分背景图像的红外图像纹理映射.实验结果验证了本文方法的有效性,该方法可为快速仿真不同时刻、不同景物的红外图像纹理提供一种方便有效的途径.     

基于空间分数阶偏微分方程的图像去噪模型研究

为了在获取更高信噪比的同时更多地保留图像边缘和纹理等细节信息,将分数阶微积分理论和偏微分方程方法有效结合,构建了基于空间分数阶偏微分方程的图像去噪模型,并利用分数阶微分掩模算子来实现去噪模型的数值计算。该去噪模型通过引入以分数阶梯度模值为参数的边缘停止函数并选择合适的分数阶微分阶次,由此能够在一定程度上解决传统去噪模型存在的不足之处。实验结果表明,基于空间分数阶偏微分方程的图像去噪模型较传统的去噪模型不仅可以提高图像的信噪比,而且可以更好地保留图像边缘和纹理等细节信息。     

基于小波和Contourlet的改进的图像复原算法

不同的数学变换工具能够有效表示图像的不同细节结构,小波变换能够有效表示图像中的奇异点,而con-tourlet变换能够有效表示奇异线,为了更好地利用不同变换工具的优势,文中提出一种基于小波和Contourlet的改进的图像复原算法。算法首先分别应用不同的小波基和不同的Contourlet基,基于正则化方法求解出复原图像;然后,将经过不同的滤波器组得到的复原图像通过加权平均的方式融合,得到一幅效果较好的恢复图像。实验结果表明,加权平均之后的图像相比使用单一滤波器的复原图像,其改善的信噪比提高0.1～0.5dB。     

块核范数的RPCA分解与熵权类稀疏的壁画修复

针对图像修复过程中,颜色纹理光学属性分离不彻底,以及在稀疏表示图像修复时字典设计单一,导致壁画图像修复结果易出现结构不连贯和模糊效应等问题,提出了一种基于块核范数的鲁棒主成分分析(robust principal component analysis, RPCA)分解与熵权类稀疏的壁画修复方法。首先,采用提出的基于块核范数的RPCA图像分解算法,将壁画图像分解为结构层和纹理层,利用块核范数进行纹理矫正操作,克服了RPCA结构纹理分离不完全的问题。然后,提出熵加权k-means方法对结构层图像进行聚类,构建得到稀疏子类字典,并通过奇异值分解和分裂Bregman迭代优化的类稀疏修复方法,完成结构层图像的重构。最后,利用双三次插值算法实现对纹理层图像的修复,将修复后的结构层和纹理层进行融合,完成破损壁画的修复。通过对真实敦煌壁画数字化修复,实验结果表明,该算法能够有效地保护壁画图像的边缘和纹理等重要特征信息,无论从视觉效果还是从峰值信噪比等定量评价方面,提出的方法修复效果均优于比较算法,且修复执行效率更高。     

基于DCT域的数字纹理图像置乱度评价方法

为了实现对图像置乱程度的评价,提出了基于DCT（Discrete Cosine Transform）域的数字纹理图像置乱度评价方法。该方法先对图像进行DCT变换,提取DCT系数的大小和分布特征,作为评价图像的置乱程度,再结合DCT利用图像的纹理特征,给出了图像置乱度评价公式,并对图像置乱方法进行了分析和评价。利用图像进行仿真测试的结果表明,与传统的Arnold变换方法比较,置乱程度提高了2倍左右。     

基于整数小波系数的纹理图像检索方法研究

提出了一种用整数小波系数检索纹理图像的方法，纹理图像的主要特征表现在细节部分，而高频部分的小波系数体现了图像的细节，所以从这些小波系数中提取的特征，能够表征纹理图像的主要特性；实验结果表明，用该方法检索纹理图像，能够达到较好的检索效果，并且对亮度不敏感，这一特点是传统的纹理分析方法难以达到的。