基于主相位一致性的医学图像配准

 本文提出了一种新的图像特征——主相位一致性(Principal Phase Congruency,PPC),并在此基础上构造了一种新的基于主相位一致性的配准算法.首先计算不同尺度、方向上的相位一致性,然后利用主成分分析将它们进行融合,从而得到信息更加丰富的主相位一致性;将待配准图像的主相位一致性看作模糊集合,引入模糊数学中的贴近度概念,计算它们的模糊相似性.我们对模拟和真实数据进行了实验,结果表明在图像空间分辨率较低,有噪声影响等情况下该算法具有精度高、鲁棒性强的特点,特别适合于医学图像的配准.     

基于相位一致性的红外图像边缘检测方法

由于红外图像的灰度和对比度较可见光图像的低,用基于灰度的边缘检测方法检测红外图像的效果不佳。针对这种情况,利用相位一致性对灰度和对比度的变化具有不变性的原理,提出了基于相位一致性的红外图像边缘检测方法。首先计算红外图像的相位一致性值,然后采用K-mean法分割出包含边缘的区域,最后用形态学相关方法生成边缘曲线。实验结果表明,该方法对红外图像边缘的检测效果比Canny算法更准确。     

一种对亮度变化鲁棒的相关跟踪方法

针对复杂背景目标跟踪过程中,目标亮度和对比度发生变化易导致跟踪不稳定或失败的问题,提出了一种对亮度变化鲁棒的相关跟踪方法。该方法利用图像相位一致性特征对亮度变化不敏感的特点,对原始图像进行相位一致性计算,得到相位一致性图像,再采用传统的最小绝对差(MAD)相关跟踪方法对目标进行跟踪。实验结果表明,该方法对图像的亮度变化具有很强的适应性,较好地解决了传统相关跟踪算法因图像亮度变化导致跟踪点漂移甚至目标丢失的问题。     

基于Fourier-Mellin矩的彩色图像检索

为提高图像检索效率,本文提出一种Fourier—Mellin矩的彩色图像检索方法,该方法利用彩色图像的Hilbert变换下相位一致性和梯度幅值的结构特征.用Fourier-Mellin矩描述图像纹理特征,既利用相应一致性不受图像亮度和对比度变化的特点,叉利用Fourier Mellin矩的旋转不变性的特点,对彩色图像有很好的检索效果。为验证该算法的效率,在三个彩色图像库中进行对比实验,实验表明:该算法明显优于文中比较算法。     

基于相位一致性变换的红外图像区域匹配算法研究

由于红外图像具有高噪声、低分辨率的特点,这使得在红外图像中使用基于区域的匹配方法很难取得较好的视差图.在分析了经相位一致性变换后图像的特征后,提出了一种基于区域的匹配方法.即先对图像进行相位一致性变换,再利用变换后图像进行区域匹配.试验结果表明,相位一致性变换后的新图像,噪声得到了较好的抑制,特征更加明显.对变换后的图像采用区域匹配的方法,可以得到较好的匹配效果.     

利用对比度最大化实现SAP图像自聚焦

以对比度作为衡量图像聚焦程度的标准，研究了一种新颖的SAR图像自聚焦算法。该方法从图像域出发，通过在距离压缩相位历史域引入相位误差模型，从而改变聚上至图像对比度最大，完成相位误差的校正。对比度最大化算法的突出优点是无须在图像域分离出强点目标，因而特别适用于无任何明显特征的图像。仿真及实测数据处理结果证明了该方法的可行性。     

融合相位一致性与二维主成分分析的视觉显著性预测

为了更加有效地预测图像中吸引视觉注意的关键区域,该文提出一种融合相位一致性与2维主成分分析(2DPCA)的显著性方法。该方法不同于传统的利用相位谱的方式,而是提出采用相位一致性(PC)获取图像中重要的特征点和边缘信息,经快速漂移超像素优化后,融合局部和全局颜色对比度,生成低层特征显著图。接着提出利用2DPCA提取图像块的主成分后,计算主成分空间中图像块的局部和全局可区分性,得到模式显著图。最后,通过空间离散度度量分配合适的权重,使两者融合,提取显著性区域。在两种人眼跟踪数据库上与5种经典算法的实验对比结果表明,该算法能更加准确地预测人眼视觉关注点。     

基于相位一致性的煤矸边缘检测方法

煤矸识别以往常常采用对噪声敏感的梯度算子提取边缘,但工作场所粉尘较大,光线暗,图像清晰度差,识别效果往往不理想。为提高自动分选率,将相位一致性应用到煤矸边缘检测中,阐述了相位一致性的基本原理,并以现场图片处理效果表明,相位一致性检测图像特征的方法可以准确的提取煤块与矸石边缘,不受亮度与对比度影响。     

一种基于保角相位的图像边缘检测新方法

为了提高边缘检测精确度与抗噪性能,该文提出一种基于保角相位的图像边缘检测新方法。该方法首先利用保角单演信号能够表达不同本征维数的图像局部结构的特点,采用指数函数计算相位偏差,有效地抑制了相位一致模型边缘检测中产生的伪边缘和噪声,提高了边缘检测的精确度;其次,利用Poisson核在空域中有解析表示的优势,降低了算法复杂度。仿真实验结果表明,与现有的相位一致性图像边缘检测方法相比,该方法提取的图像边缘更精确、更完整、更均匀,对噪声具有更好的鲁棒性,同时,计算复杂度较低。     

基于相位相关法改进的ORB图像匹配算法

为了提高图像平移后ORB特征点匹配的准确率,提出了一种基于相位相关法改进的ORB图像匹配算法。该算法首先采用相位相关法求取左右两幅图像间的像素偏移量,以确定图像的重合部分;其次,提取图像FAST特征点并计算BRIEF描述子;接着,对要匹配的点增加窗口约束,以缩小匹配范围;然后,采用快速近似最近邻（FLANN）特征点匹配算法完成图像重合部分特征点的匹配;最后,将匹配错误的特征点采用随机采样一致性（RANSAC）算法进行删除。经实验验证,该算法将ORB特征点匹配的精确度有效的地89.7%提升至93.1%。     

基于卷积分析稀疏表示和相位一致性的低照度图像增强

针对低照度图像存在的对比度低、视觉效果差等问题,提出一种基于卷积分析稀疏表示和相位一致性的低照度图像增强方法.该方法基于Retinex模型,在估计照度图像时采用卷积分析稀疏表示进行约束,所用滤波器一部分人工设定,一部分由样本训练自动获得;在计算反射图像时利用单演相位一致性特征,施加相位一致性残余最小约束来恢复细节;通过联合约束并进行优化,得到的反射图像即为最终的增强结果.对大量低照度图像进行实验,并与当前先进方法相比,结果表明,本文方法不仅提高了图像的亮度与对比度,增强了细节,而且在多个客观评价指标上都优于其他方法.     

Perceptual image quality assessment using phase deviation sensitive energy features

Full reference image quality assessment (FR-IQA) algorithms aim to establish generic measures of perceptual image quality independent of distortion types. Recent developments in FR-IQA have marked the use of phase congruency features. Phase congruency is a dimensionless, normalized feature calculated from the log-Gabor energy of the image, equipped to be relatively insensitive to noise variations due to calculation of noise circle. The underlying assumptions on the nature of the noise used in this calculation affect the performance of phase congruency based FR-IQA measures. In this work, we (a) test the hypothesis that using the phase deviation sensitive energy features obtained from the log-Gabor filtered image instead of the noise adjusted, normalized phase congruency features will improve the general applicability of an FR-IQA measure, (b) reduce execution time by omitting noise circle calculation and (c) study how the modifications in parameter values, changes the correlation between the subjective scores and objective image quality values. Experiments on six benchmark databases suggest the effectiveness of the proposed method which improves over the existing phase congruency based algorithms, achieves competitive performance with the state-of-the-art methods and delivers the best average performance across all databases in terms of prediction monotonicity and accuracy.     

基于相位一致与区域生长的自然彩色图像分割

提出一种自然彩色图像中有意义区域的分割方法.利用相位一致模型检测图像边界,根据边界颜色在图像空间及色彩空间的联合分布,对长边界进行K-means聚类形成有意义的种子生长点,合并短边界以克服局部细节的干扰,最后区域生长方法作用于色彩空间得到封闭的分割区域.算法克服了传统区域生长算法缺少区域模型的局限性,同时将其成功应用到彩色图像,并得到与视觉判断相一致的有意义的分割结果.实验结果显示了所提方法对于不同自然彩色图像的有效性与适应性.     

基于广义回归神经网络无参考模糊图像质量评价

提出一种基于广义回归神经网络的无参考模糊图像质量评价方法.该方法首先通过相位一致变换生成待评测图像的相位一致图像,然后利用灰度共生矩阵计算相位一致图像的信息熵、能量、对比度、相关性和同质性5个特征,最后利用广义回归神经网络模型训练学习,预测得到无参考模糊图像质量得分.在3个公开数据库模糊图像上的实验结果表明,新方法预测得分与主观得分有较好的一致性,更加符合人类视觉特性.     

基于相位叠合的不变特征提取

文中给出一种适应于图像多种特征（阶跃边缘,线条,屋脊边缘以及马赫带等）的特征提取方法。这种方法利用图像傅里叶分量在特征点叠合次数最多的概念（相位叠合）,利用相位叠合来标记特征点比用工方法有明显优点：相位叠合是一种无量纲的量,而且对图像的亮度或对比度是不变的,因此它能提供对特征点的绝对度量。实验证明,相位叠合提取特征对图像的照度（或对比度）以及可能出现的噪声是不变的。     

一种基于相位一致性的虹膜识别方法

由于虹膜具有惟一性、稳定性、不可更改性等优点,虹膜识别已经成为生物特征身份识别领域中的研究热点。为了简化特征提取方法并提高虹膜识别的准确性,提出一种基于相位一致性的虹膜识别方法。该方法利用相位一致性所具有的较强特征检测能力,提取虹膜纹理的边缘点标记纹理的位置信息,将位置特征作为虹膜纹理的可区分性特征实现虹膜识别。在CASIA-IrisV3-Interval图像库上进行实验的结果证明,该方法是可行的,也是有效的,并且具有较高的识别准确性。     

基于相位一致性的异源图像匹配方法

异源图像由于亮度和对比度差异较大,采用基于灰度和梯度信息的局部特征匹配方法匹配正确率较低。针对该问题,提出一种基于相位一致性和梯度方向直方图的异源图像匹配方法。该方法首先采用具有亮度和对比度不变性的相位一致性方法提取异源图像特征点和边缘图像,并以特征点为中心,选取100×100的边缘图像作为特征区域,统计梯度方向直方图,生成64维特征描述符;然后,选用归一化相关函数作为匹配测度,采用双点匹配方法选取一个特征点的两个较优的候选匹配点,并采用RANSAC方法进行匹配点提纯;最后,基于局部归一化互信息方法和最优化方法进行匹配点精确定位,提高匹配精度。实验结果表明,该方法在可见光、近红外、中波红外和长波红外等异源图像匹配中具有较好的匹配性能,平均匹配正确率高达88%,是SURF匹配方法的3.4倍。