基于边缘增强引导滤波的光场全聚焦图像融合

受光场相机微透镜几何标定精度的影响,4D光场在角度方向上的解码误差会造成积分后的重聚焦图像边缘信息损失,从而降低全聚焦图像融合的精度。该文提出一种基于边缘增强引导滤波的光场全聚焦图像融合算法,通过对光场数字重聚焦得到的多幅重聚焦图像进行多尺度分解、特征层决策图引导滤波优化来获得最终全聚焦图像。与传统融合算法相比,该方法对4D光场标定误差带来的边缘信息损失进行了补偿,在重聚焦图像多尺度分解过程中增加了边缘层的提取来实现图像高频信息增强,并建立多尺度图像评价模型实现边缘层引导滤波参数优化,可获得更高质量的光场全聚焦图像。实验结果表明,在不明显降低融合图像与原始图像相似性的前提下,该方法可有效提高全聚焦图像的边缘强度和感知清晰度。     

一种应用相机阵列实现图像遮挡物移除的方法

针对光路中前景遮挡物影响感兴趣信息采集的问题,本文对应用相机阵列的遮挡物移除算法进行实验研究.用阵列型光场相机采集四维光场数据,然后用数字重聚焦技术进行不同深度的重聚焦,突出目标物细节特征.利用图像重构技术合成子图像阵列,选择最小误差阈值分割法标记遮挡物区域并复现原图像的细节特征.实验结果证明了应用阵列型光场相机移除遮...     

基于深度特征提取和图神经网络匹配的图像复制粘贴篡改检测

针对图像中特征提取不均匀、单尺度超像素划分对伪造定位结果影响较大的问题,提出一种基于深度特征提取和图神经网络(graph neural network,GNN) 匹配的图像复制粘贴篡改检测(cope-move forgery detection,CMFD) 算法。首先将图像进行多尺度超像素分割并提取深度特征,为保证特征点数目充足,以超像素为单位计算特征点分布的均匀度,自适应降低特征提取阈值;随后引入新的基于注意力机制的GNN特征匹配器,进行超像素间的迭代匹配,且用随机采样一致性(random sample consensus,RANSAC) 算法消除误匹配;最后将多尺度匹配结果进行融合,精确定位篡改区域。实验表明,所提算法具有良好的性能,也证明了GNN在图像篡改检测领域的可用性。     

基于多级残差融合的复杂纹理光场图像深度估计

光场的深度信息可以通过深度学习的光场深度估计算法计算,在图像视差、光场图像边缘以及光场图像的复杂纹理区域,获取高精度深度值仍然具有一定局限性。本文提出了一种用于光场图像深度估计的多级残差融合网络,通过组合残差模块提取多层次的残差特征,在保持网络深度的同时提升了网络对特征的表征能力。利用多级残差融合模块对多层次的残差特征进行融合,以获得包含浅层纹理信息和深层语义信息的融合特征。利用本文方法对HCI4D光场数据集进行处理,图像深度估计的均方误差指标达到1.471,不良像素率指标达到4.208,该实验结果表明本文方法在处理具有复杂遮挡的光场图像区域方面具有良好的处理效果。     

基于多尺度Gabor滤波器组的不变特征点提取新方法

 针对复杂背景的光学遥感图像数据,提出一种基于尺度空间理论和多尺度Gabor滤波器组的目标局部不变特征提取方法.该方法优点有二:一是利用Gabor滤波器的带通特性和多通道特性可从目标图像中提取更符合视觉特性、更具物理直观性的特征点,增强了不变特征提取方法在照度变化、噪声和背景干扰下的稳健性;二是基于尺度空间理论设计的多尺度Gabor滤波器组,可使提取的特征点具有尺度不变性,增强了对遥感图像复杂几何畸变的适应性.     

混合式光场相机在聚焦与非聚焦模式下的超分辨重聚焦仿真

光场描述了光在自由空间传播的全四维信息,光场相机可用来获得光场图像。在传统的光场相机中,最终获得图像的空间分辨率受限于微透镜阵列中透镜的个数。聚焦型光场相机相较于传统光场相机能够获得更高的空间分辨率,但是以牺牲其角度分辨率作为代价。在Zemax中建立了传统光场相机与将聚焦光场相机的成像模型,仿真获得了两种光场相机的光场图像,分析了两种不同类型光场相机采样模式的区别。提出将可变焦液体透镜阵列放置在光场相机中,可以同时获得聚焦和非聚焦两种模式下的光场图像。根据记录的光场信息,讨论了相应的重聚焦方法,计算仿真了在不同景深下的重聚焦图像,并提出了一种基于图像融合和超分辨率重构的方法来提高重聚焦图像的分辨率,最终在相同的景深范围内获得了3倍于传统光场相机分辨率的重聚焦图像。     

一种改进的综合BTC颜色矩和DT-CWT的图像检索算法

摘 要：特征提取是基于内容的图像检索中的关键技术。针对基于单一特征检索效果不理想的问题,提出一种改进的综合颜色和纹理特征的图像检索算法。该算法在YIQ颜色空间中进行特征提取,首先结合方块编码（BTC）的思想,提取颜色矩作为颜色特征;采用双树复小波变换（DT-CWT）提取纹理特征,融合两种特征并利用相似性度量方式进行图像检索。实验结果表明算法所提取的颜色、纹理特征更利于检索,使用综合特征检索的平均查准率比同类算法更高。     

改进的综合BTC颜色矩和DT-CWT的图像检索算法

特征提取是基于内容的图像检索中的关键技术.针对基于单一特征检索效果不理想的问题,提出一种改进的综合颜色和纹理特征的图像检索算法.该算法在YIQ颜色空间中进行特征提取,首先结合方块编码(BTC)的思想,提取颜色矩作为颜色特征;采用双树复小波变换(DT-CWT)提取纹理特征,融合两种特征并利用相似性度量方式进行图像检索.实验结果表明算法所提取的颜色、纹理特征更利于检索,使用综合特征检索的平均查准率比同类算法更高.     

浅析计算机先进图像特征提取技术的发展

本文对图像特征提取技术的发展进行了介绍,分别就图像的颜色特征提取和纹理特征提取进行了说明比较。颜色和纹理在图像中都是非常重要的视觉特征,基于这两者的图像特征提取技术层出不穷,对这些技术进行分析总结,有助于新技术新方法的产生发展。实际图像特征应用中,颜色特征和纹理特征的提取是相辅相成,缺一不可的。学习分析这两种特征提取技术,将其合理结合,能更好地实现图像特征的提取。     

Sub-Window尺度空间的Attention-HardNet特征匹配算法

为保护尺度空间边缘和角点信息,提高特征匹配算法的可靠性,提出一种Sub-Window尺度空间的Attention-HardNet特征匹配算法.该算法通过Sub-window box filter构建尺度空间来充分保留尺度空间图像边缘及角点信息;使用FAST算法提取尺度空间特征点来提高特征点提取速度,再利用圆形非极大值抑制算法对其进行优化,提高准确率;对HardNet特征提取网络添加SENet注意力机制,构成Attention-HardNet,提取鲁棒性更强的128维浮点型特征描述符,最后利用L2距离衡量不同描述符的相似性,完成图像特征点匹配.在Oxford数据集上对匹配算法抗尺度、压缩、光照等性能进行测试,由测试结果可以看出本文算法相较于常用匹配算法,匹配正确率得到较大提升,相较于L2net、HardNet等深度学习方法,匹配正确率提高3％左右,速度约提高10％.     

融合空间和角度特征的光场图像超分辨率方法

针对光场图像空间分辨率不足的问题,提出一种融合空间和角度特征的光场图像超分辨率方法,能够同时超分辨率所有子孔径图像。算法主要由特征提取模块、特征融合模块和重建模块组成。首先,通过特征提取模块提取低分辨率光场中每个视图的2D空间纹理特征;然后,采用特征融合模块将提取到的空间纹理特征和几何角度特征进行融合,并经过多层空间角度二维卷积后得到4D光场结构特征;最后,利用重建模块将融合后的光场特征信息进行上采样,重建出高分辨率的光场子孔径图像阵列。采用4组真实/合成光场图像数据集进行测试,结果表明,与现有五种方法相比,所提方法重建图像的平均峰值信噪比、结构相似性比次优算法分别提高了2.99 dB和0.11%,图像边缘轮廓清晰。在有效提升光场图像空间分辨率的同时,所用网络参数量少、计算效率高。     

基于光场相机的曲面纹理展平算法研究

对于分布在曲面物体表面的纹理图案，为方便全面展示和后续使用，常需要将其从曲面表面提取出来并展平。因此，提出基于光场相机的曲面纹理展平方案，利用聚焦型光场相机获得高分辨曲面纹理图像和无需额外配准的深度图，并针对此方案设计曲面纹理展平算法。该算法将曲面纹理图像划分为多个有重叠的局部纹理图像，基于拟合平面法向量对局部纹理失真进行校正，最后将校正后的局部纹理图像拼接为完整的展平纹理图像。经仿真实验和真实实验验证，所提曲面纹理展平算法可以有效展平不同曲面上分布的多种纹理，并且在纹理图像质量差异和深度测量误差方面具备一定的鲁棒性。     

基于颜色索引相关统计的彩色图像特征提取

提出了一种基于颜色索引相关统计的彩色图像特征提取(CILCS)方法。图像的像素颜色值被稀疏表示成类似直方图的索引形式,将相关计算应用到特征提取中,计算图像颜色分布规律在局部和整体的相关性,并结合数值统计最终得到具有一定旋转、尺度和平移不变特性的特征向量,能更有效地表示颜色纹理特征。经图像检索和图像分类的实验表明,本文方法能有效提高图像检索和图像分类的精确度。     

一种新的多尺度深度学习图像语义理解方法研究

如何在深度学习中融合 图像的多尺度信息,是基于深度学习的视觉算法需要解决的一个关键问题。本文提出一种基 于多尺度交替 迭代训练的深度学习方法,并应用于图像的语义理解。算法采用卷积神经网络(CNN)从原始 图像中提取稠密性特征 来编码以每个像素为中心的矩形区域,将多个尺度图像交替迭代训练,能够捕获不同尺度下 的纹理、颜色和 边缘等重要信息。在深度学习提取特征分类结果的基础上,提出了一种结合超像素分割的方 法,统计超像 素块的主导类别,来校正分类错误的像素类别,同时描绘出目标区域边界轮廓,完成最终的 语义理解。在Stanford Background Dataset 8类数据集上验证了本文方法的有效性,准确 率达到77.4%。     

基于光场成像的双弹丸重合成像识别方法

针对双弹丸之间存在部分遮挡引起成像重合,导致传统相机对目标参数识别困难的问题,提出了一种基于光场成像的双弹丸重合成像识别方法.采用光场相机作为探测装置,根据光场相机保存的光线四维参数,应用焦点堆栈法实现对目标成像中每个像素点的深度估计.通过对双弹丸部分遮挡时成像特征的分析,发现成像重合边缘处相邻像素点间存在深度差值变化较大的特点,结合卡尔曼滤波方程,建立基于深度变化趋势的边缘检测算法模型,解决了弹丸成像的重合问题.通过对光场相机进行模拟实验发现:目标间存在遮挡现象时,光场相机能有效检测成像的重合边缘,为光场相机准确识别目标数目及位置奠定了基础.     

利用尺度空间下特征点进行匹配的电子稳像方法

在电子稳像过程中,获取准确的图像运动矢量是稳像的关键,而尺度不变特征转换（SIFT）算法可以较准确地提取运动矢量。为此给出了一种基于尺度不变特征变换的特征提取和匹配的电子稳像方法。SIFT算法是一种在不同尺度空间下提取特征点的方法,该方法首先进行尺度空间极值点检测,然后对特征点定位,最后进行特征向量生成与匹配。实验结果表明,该方法具有多量性,提取特征点数较多且特征匹配点对具有较高的准确率,可以获取较理想的稳像效果。     

基于双树复数小波变换的掌纹特征提取

根据掌纹纹理的多分辨率、多方向特性,提出了一种基于双树复数小波变换的掌纹特征提取方法,利用双树复数小波变换具有的近似平移不变性,多方向选择性对掌纹图像进行特征提取,全面的描述了掌纹图像的纹理特性.该方法首先对掌纹图像进行多尺度双树复数小波变换,然后将每个细节图像分块,计算每个细节图像每块各点的幅值之和,形成矢量,归一化后形成掌纹特征矢量,最后使用加权的城区距离进行匹配.在1000幅掌纹图像上进行实验,结果是该方法具有的0.093 5%的等错率,发生等错率时的正确识别率为99.908 1%,在行和列方向上的抗平移能力约为一6～+6个像素.对比实验表明本方法在提取掌纹特征和抵抗平移的能力好于基于实数小波能量特征的方法.     

光场相机建模与畸变校正改进方法

光场相机作为一种新型的成像系统,可以直接从一次曝光的图像中得到三维信息。为了能够更充分有效地利用光场数据包含的角度和位置信息,完成更加精准的场景深度计算,从而提升光场相机的三维重建的精度,需要实现精确的几何建模,并精确标定其模型参数。该方法从薄透镜模型和小孔成像模型出发,将主透镜建模为薄透镜模型,将微透镜建模为小孔成像模型,结合光场相机双平面模型,将每个提取到的特征点与其在三维空间中的射线建立联系,详细解释了内参矩阵中每个参数的物理意义,以及标定过程中初值确定的过程,并在镜头径向畸变模型的基础上进一步应用了相机镜头的切向畸变模型以及基于射线重投影误差的非线性优化方法,改进了光场相机的标定方法。实验显示,该方法的RMS射线重投影误差为0.332 mm,与经典的Dansereau标定方法相比,进行非线性优化后得到的射线重投影误差精度提升了8%。该方法详细分析的场景点与特定像素索引的推导过程对光场相机的标定具有重要的研究意义,为光场相机光学模型的建立与初始化标定奠定了基础。     

基于兴趣点局部综合颜色和纹理图像检索方法

提出了一种基于兴趣点局部区域综合颜色和纹理的图像检索方法。此方法主要用于对图像中有代表意义的局部区域图像特征进行提取。文中研究了对兴趣点的选取以及感兴趣区域的确定,再对感兴趣区域内的图像进行颜色和纹理特征提取。实验证明,此方法提高了图像的检索效率及准确率。     

红外与可见光图像多特征自适应融合方法

由于成像机理不同,红外图像以像素分布表征典型目标,而可见光图像以边缘和梯度描述纹理细节,现有的融合方法不能依据源图像特征自适应变化,造成融合结果不能同时保留红外目标特征与可见光纹理细节。为此,本文提出红外与可见光图像多特征自适应融合方法。首先,构建了多尺度密集连接网络,可以有效聚合所有不同尺度不同层级的中间特征,利于增强特征提取和特征重构能力。其次,设计了多特征自适应损失函数,采用VGG-16网络提取源图像的多尺度特征,以像素强度和梯度为测量准则,以特征保留度计算特征权重系数。多特征自适应损失函数监督网络训练,可以均衡提取源图像各自的特征信息,从而获得更优的融合效果。公开数据集的实验结果表明,该方法在主、客观评价方面均优于其他典型方法。