结合双边滤波和多帧均值滤波的图像降噪

针对单幅图像空间降噪中存在的问题,提出一种利用同一场景的多帧图像进行噪声抑制的自适应空域滤波方法。首先对每一帧用双边滤波器进行滤波,以在平滑噪声的同时,保护图像边缘;然后对每一像素进行帧间平均值滤波,以利用多幅图像的信息进一步滤除噪声,并减轻双边滤波后的卡通效果。提出的算法在两组多帧图像上进行了测试。实验显示,与单帧双边滤波和简单的多图像平均方法相比,该方法的降噪性能有所提高。     

多幅相同场景的图像的降噪

随着数字图像采集设备的发展,利用多幅相同场景的图像以获得更高质量的图像的方法已具有现实意义。文章分析了多幅图像降噪中面临的问题,并以高斯白噪声污染图像为例,论证了多幅图像的最佳线性组合方法,采用自适应维纳滤波与均值滤波相结合的降噪方法,试验证明了多幅图像降噪效果比单幅图像降噪效果明显要好。     

基于稀疏图像序列的雕塑点自动云三维重构方法

为了提高对雕塑点稀疏图像的点云三维重建的分析能力,提出一种基于稀疏图像序列的雕塑点自动云三维重构方法,基于稀疏散乱点三维重建和锐化模板特征匹配方法进行图像三维重建。采用三维角点检测和边缘轮廓特征提取方法,进行雕塑点稀疏图像三维点云特征检测,对检测的雕塑点稀疏图像点云数据进行信息融合处理,采用梯度运算方法进行特征分解,实现对雕塑点稀疏图像的信息增强和融合滤波。结合局部均值降噪方法进行图像的提纯处理,提高雕塑点稀疏图像轮廓重建能力,采用锐化模板特征匹配和块分割技术,实现雕塑点自动云三维重构。仿真结果表明,采用该方法进行雕塑点自动云三维重构的准确性较高,图像匹配能力较好,且重构输出信噪比较高。     

CMOS图像传感器的自适应降噪方法研究

提出了一种用于CMOS图像传感器的新型自适应降噪方法,并进行了逻辑电路实现。该方法通过运动检测和边缘检测技术进行噪声功率统计和分析,选择性的利用中值滤波、均值滤波以及运动自适应滤波方法,对传感器输出图像进行了数字降噪处理。实验表明本文方法降低了高斯噪声和椒盐噪声的影响,有效提高了图像质量和峰值信噪比。其结构易于电路实现,适用于CMOS图像传感器内部的实时降噪处理。     

基于多尺度形态学融合的分水岭图像分割方法

提出了一种基于多尺度形态学融合的分水岭图像分割方法，采用多尺度结构元素对输入图像并行滤波，并对结果图像进行基于小波变换的图像信息融合。针对小波分解的不同频率域，选择不同的融合规则，既抑制噪声又保持目标轮廓信息。最后，采用最大熵法自适应确定算法的初始阈值，并给出一种有效的区域合并方法来优化分割结果。实验证明，采用此分割方法可以获得较好的分割结果。     

基于X光机的多帧PCB图像去噪算法的研究

单幅图像降噪方法已经相当丰富,但对于多幅图像降噪方法,受到图像采集设备的限制,研究并不多．通常使用的方法是多幅图像平均。由于图像噪声的多样性,任何单一算法对图像进行处理都无法使图像清晰．可以采用复合型算法：中值滤波与多帧平均滤波算法。     

自适应中值滤波器在图像降噪技术中的应用

为了弥补传统中值滤波器在进行图像降噪处理中的不足,在图像降噪技术中应用了自适应中值滤波器.重点分析了在实际应用中的关键技术,并与传统中值滤波器进行了比较,结果表明在对含有空间密度较大的脉冲噪声图像进行滤波时,自适应中值滤波较传统中值滤波具有很大的优越性.     

图像纹理联合关联规则挖掘研究

提出以纹理联合关联规则来表达图像纹理特征以及挖掘纹理联合关联规则的算法。在纹理关联规则定义基础上,通过图像降噪预处理和数据挖掘预处理,采用模板统计挖掘方法挖掘低维和高维图像纹理联合关联规则。实验表明联合关联规则能够较好表达图像纹理特征,可以据此进行纹理分割。     

一种新的全变分块匹配声呐图像降噪算法研究

乘性斑点噪声广泛存在于声呐图像中,严重影响图像质量,该噪声服从瑞利分布 特性。为此,结合基于全变分算法与三维块匹配图像降噪算法(BM3D)设计思路,提出了一种新 的全变分块匹配声纳图像降噪算法。首先对含噪声呐图像利用 2-范数进行块匹配分组;其次由 于声呐图像模糊、纹理细节信息较少等特点,用全变分算法对分组后的图像块进行滤波降噪; 最后对滤波后的图像块进行加权聚类得到降噪后图像。经过实验结果显示,该算法相对于经典 的 Lee 滤波、Frost 滤波、BM3D 和全变分算法有更好的降噪效果。     

双目立体匹配图像对的预处理研究

在进行双目立体匹配过程中，对获取的双目立体图像对，分别采取邻域平均和中值滤波的方法进行预处理研究，从实验仿真结果得出，在双目立体图像对求取视差场前采用高斯模板对其进行滤波预处理后，能较好地改善视差场的质量，提高视差场的精度，并对该预处理在工程实现中的一些问题进行了分析研究。     

基于潜在主题的分布式视觉检索模型

为将文档聚类划分的分布式检索方法直接应用于视觉检索领域,提出一种基于潜在主题的分布式视觉检索模型。给出模型框架,包括图像视觉单词的数据集划分方法和图像子集选择方法,以此优化图像分布式检索性能。实验结果表明,该模型在不降低检索准确率的前提下,能优先选择少量的图像子集进行检索,并提高查询的吞吐量。     

重加权在多类别不平衡医学图像检测中的应用

在医学图像检测中,由于数据集经常存在每类样本数目不均衡的情况,使数据集样本出现长尾分布的问题,严重影检测模型的性能.针对网络在训练多类别不均衡数据集中训练时出现的过拟合现象,采用重加权的方式改进原有损失函数,并用CLAHE算法对X光图像进行预处理,以突出图像的内部细节,选用ResNext50网络作为特征提取网络.以co...     

Transform Based Lossy Compression of Multispectral Images

We have composed compression methods, which are based on the one-, two- and three-dimensional wavelet transforms. In addition, clustering the spectra of the image is considered. These compression methods, combining compression in the spectral and spatial domains, are compared by using a dataset of 65 multispectral images. The experimental results show that, at low compression ratios, the best method is based on the three-dimensional wavelet transform, where the spatial and spectral dimensions are transformed simultaneously. At higher compression ratios, a high quality wavelet-based compression method in the spatial dimensions combined with the principal component analysis in the spectral dimension gives the best results. This means that components of compressed images can be used as features in pattern analysis applications. The selection of the compression parameters is image-dependent. The results also show that, for multispectral images, both spectral and spatial compression could be used, and for best results, optimal bit allocation in encoding should be found. The results from the methods suggested are compared to the results found in the literature.     

基于表观的归一化坐标系分类视线估计方法

视线估计能够反映人的关注焦点,对理解人类的情感、兴趣等主观意识有重要作用。但目前用于视线估计的单目眼睛图像容易因头部姿态的变化而失真,导致视线估计的准确性下降。提出一种新型分类视线估计方法,利用三维人脸模型与单目相机的内在参数,通过人脸的眼睛与嘴巴中心的三维坐标形成头部姿态坐标系,从而合成相机坐标系与头部姿态坐标系,并建立归一化坐标系,实现相机坐标系的校正。复原并放大归一化得到的灰度眼部图像,建立基于表观的卷积神经网络模型分类方法以估计视线方向,并利用黄金分割法优化搜索,进一步降低误差。在MPIIGaze数据集上的实验结果表明,相比已公开的同类算法,该方法能降低约7.4%的平均角度误差。     

CT图像肺及肺病变区域分割方法综述

计算机断层扫描（computed tomography,CT）技术能为新冠肺炎（corona virus disease 2019,COVID-19）和肺癌等肺部疾病的诊断与治疗提供更全面的信息,但是由于肺部疾病的类型多样且复杂,使得对肺CT图像进行高质量的肺病变区域分割成为计算机辅助诊断的重难点问题。为了对肺CT图像的肺及肺病变区域分割方法的现状进行全面研究,本文综述了近年国内外发表的相关文献：对基于区域和活动轮廓的肺CT图像传统分割方法的优缺点进行比较与总结,传统的肺CT图像分割方法因其实现原理简单且分割速度快等优点,早期使用较多,但其存在分割精度不高的缺点,目前仍有不少基于传统方法的改进策略;重点分析了基于卷积神经网络（convolutional neural network,CNN）、全卷积网络（fully convolutional network,FCN）、U-Net和生成对抗网络（generative adversarial network,GAN）的肺CT图像分割网络结构改进模型的研究进展,基于深度学习的分割方法具有分割精度高、迁移学习能力强和鲁棒性高等优点,特别是在辅助诊断COVID-19病例时,基于深度学习方法的性能明显优于基于传统方法的性能;介绍肺及肺病变区域分割的常用数据集和评价指标,在解决如COVID-19数据样本量少等问题时,使用GAN以合成高质量的对抗性图像用以扩充数据集,从而增加训练样本的数量和多样性;讨论了肺CT图像的肺及肺病变区域的高精度分割策略的研究趋势、现有挑战和未来的研究方向。     

Hilbert填充曲线与空间分布模式探测的点数据集空间划分方法

空间数据划分是空间索引、并行GIS数据分解以及分布式数据管理与调度等问题的核心环节之一。针对点数据集多目标空间划分问题,引入Hilbert空间填充曲线和空间分布模式探测过程,提出针对规则、随机和聚集分布模式的点数据集空间划分方法。实验结果表明,该方法能够在缺少覆盖范围信息的条件下准确判定空间分布类型,该方法能够兼顾空间聚集性、数据量均衡与空间重叠度3种约束条件。     

A MapReduce-based distributed SVM algorithm for automatic image annotation

Machine learning techniques have facilitated image retrieval by automatically classifying and annotating images with keywords. Among them Support Vector Machines (SVMs) have been used extensively due to their generalization properties. However, SVM training is notably a computationally intensive process especially when the training dataset is large. This paper presents MRSMO, a MapReduce based distributed SVM algorithm for automatic image annotation. The performance of the MRSMO algorithm is evaluated in an experimental environment. By partitioning the training dataset into smaller subsets and optimizing the partitioned subsets across a cluster of computers, the MRSMO algorithm reduces the training time significantly while maintaining a high level of accuracy in both binary and multiclass classifications.     

基于图像与点云的三维障碍物检测

为提高平截头点云网络在三维障碍物检测中的精度,基于平截头点云网络的结构提出一种扩张平截头点云的检测方法。采用图像和点云数据,使用二维目标检测网络Yolov3,检测障碍物的二维包围框;扩张包围框的大小,在点云数据中提取出障碍物对应的点云;通过改进的Pointnet网络对该点云计算,得到障碍物的三维信息。在原模型基础上,加入扩张包围框,提高点云数据提取的完整性。通过KITTI数据集的验证和测试,实验结果表明,通过扩张二维包围框可以有效提高检测网络的性能。     

基于多尺度卷积特征融合的肺结节图像检索方法

为了解决肺结节图像检索中特征提取难度大、检索精度低下的问题,提出了一种深度网络模型——LMSCRnet用于提取图像特征。首先采用多种不同尺寸滤波器卷积的特征融合方法以解决肺结节大小不一引起的局部特征难以获取的问题,然后引入SE-ResNeXt块来得到更高级的语义特征同时减少网络退化,最后得到肺结节图像的高级语义特征表示。为满足现实中大数据量检索任务的需求,将距离计算及排序过程部署到Spark分布式平台上。实验结果表明,基于LMSCRnet的特征提取方法能够更好地提取图像高级语义信息,在肺结节预处理数据集LIDC上能够达到84.48%的准确率,检索精度高于其他检索方法,而且使用Spark分布式平台完成相似度匹配及排序过程使得检索方法能够满足大数据量检索任务需求。     

基于多模态特征融合的三维点云分类方法

针对点云数据本身信息量不足导致现有三维点云分类方法分类精度较低的问题,结合多模态特征融合,设计一种三维点云分类模型。通过引入投影图对点云数据信息进行扩充,将点云数据与图像数据同时作为输入,对PointCNN模型提取的点云特征与CNN模型提取的投影图特征进行加权融合,从而得到最终分类结果。在ModelNet40数据集上的分类结果表明,该模型的分类精度达到96.4%,相比PointCNN模型提升4.7个百分点。