基于归一化互相关系数的图像匹配的连续消算法

归一化互相关系数因其对信号强度线性变化不敏感以及在匹配精度方面的优点．在恶劣环境图像匹配方面有较广泛的应用。文章提出了一种在图像匹配中，采用归一化互相关系数作为匹配准则时的快速穷尽搜索算法。基本思想是在搜索窗口中利用连续消除搜索点来降低匹配的计算量。实验结果表明．该算法在获得和穷尽搜索算法相同性能的情况下提高了20-30倍左右的速度。     

基于边缘的小波图像融合算法

提出一种基于边缘的小波图像融合算法,针对小波分解的不同频率域,分别对高频系数和低频系数设计不同的融合规则。采用小波系数局部模极大和定义的局部信号强度比相结合的方法融合高频系数;对低频系数采用一种基于边缘的方法,在两幅原图像中选择最有可能是边缘的点加以保留。实验结果表明:采用此融合规则得到的融合图像具有良好的融合效果。     

基于频谱特征和归一化互相关系数的3D视频格式自动识别算法

根据不同格式的3D视频图像像素排列的不同,用傅里叶交换将图像从空间域转换到频率域,通过对傅里叶幅度谱的分析,并结合图像宽高比值及3D视频图像左、右眼画面相近等特点,提出一种采用3个层次的分析判定对3D视频格式进行识别的算法.通过该算法可以快速识别出3D视频格式,准确率高.     

一种基于小波多尺度边缘检测的图像融合算法

该文提出了一种新的基于多尺度边缘检测的小波图像融合方法,是一种利用图像边缘特征的小波图像融合方法,融合过程利用了图像的多尺度边缘信息。为了更好地保持图像的边缘,该文在图像融合过程中将图像去噪与边缘检测相结合。提出了一种物理意义明确的小波最佳分解层数的确定方法。利用统计分析的评判准则,如熵、标准偏差等,评价二维多聚焦图像不同小波分解层的融合效果,表明该方法提高了图像的熵和标准偏差的值,算法效果良好。     

多结构元多路加权形态边缘检测算法研究

边缘检测是图像特征提取与模式识别的基础。形态学边缘检测因其算法简单,噪声抑制和边缘保持能力已成为研究热点。但很多算法采用单一结构元素,很难对弱边界进行有效处理。基于此,利用多结构元思想构造多结构元抗噪型数学形态学边缘检测器,很好地抑制了噪声和提取到弱边缘。     

基于二进小波变换的边缘保持图像插值算法

利用离散二进小波变换(DDWT)所具有的良好的多尺度边缘提取特性以及子带间的相关性,提出了基于DDWT的边缘保持图像插值算法。算法利用多尺度边缘的指数衰减规律预测损失掉的高频子带中的边缘,并利用三次样条插值算法恢复损失掉的高频子带中的非边缘信息。最后通过离散二进小波合成得到高分辨率图像。实验结果显示,该算法优于传统的双线性和双三次插值算法。对于像Lena这样的纹理较少的图像其峰值信噪比(PSNR)提高了2dB以上,而对其它图像插值的结果也有不同程度的质量改善,插值的结果更符合人的视觉系统特性。     

基于对比度增强与多尺度边缘保持分解的红外与可见光图像融合

在低照度环境下拍摄的可见光图像可视性较差,若将其与红外图像直接融合会导致融合结果清晰度不理想。针对这一问题,该文提出一种基于对比度增强与多尺度边缘保持分解的图像融合方法。首先,在融合之前采用基于导向滤波的自适应增强算法提高可见光图像中暗区内容的可视性。其次,通过一种尺度感知边缘保持滤波器对输入图像进行多尺度分解。再次,应用频率调谐滤波构造显著图。最后,利用由导向滤波生成的权重图重构融合图像。实验结果表明,所提方法不仅可以使细节信息更突出,而且还能够有效地抑制伪影。     

基于BMA滤波器和边缘的红外与可见光图像融合

目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰.为解决上述问题,本文提出了一种基于BMA(Bayesian model averaging)滤波器和边缘的图像融合算法.首先,利用 BMA 滤波器分别对红外与可见光图像进行多尺度分解;其次,分别利用显著性提取和边缘权值映射算法,计算各基层和细节层的融合权值矩阵;最后通过图像重构获得融合图像.实验证明,该融合算法优于传统的图像融合算法.     

基于改进引导滤波的图像边缘检测算法研究

针对Canny算法中图像平滑导致细节缺失,且不能动态判别、锐化图像边缘的问题,提出了一种基于自适应加权引导滤波的Canny边缘检测算法。该算法对引导滤波做出两点改进：一是通过移位技术增加引导图像边缘坡度,实现图像锐化;二是引进分段权值模型对引导滤波算法的正则化参数自适应修正,使其能够根据梯度信息区分边缘和非边缘,从而自动改变平滑程度。较传统Canny算法,采用本算法处理的图像PSNR(峰值信噪比)提高了1.50～6.92dB,PFOM(Pratt品质因数)提高了0.02～0.31。实验结果表明：该算法能有效地锐化图像,提取到完整清晰的边缘。     

一种基于Contourlet变换的图像质量评价算法

由于基于Contourlet变换的图像处理已经成为多尺度、多方向图像处理领域的重要组成部分,所以能对嵌入Contourlet变换域图像处理系统中的图像质量进行评估的算法就成为重要的评估方法。通过对Contourlet变换域图像结构特性的研究,提出了Contourlet结构相似度(CSSIM)的图像质量评价方法。在LIVE图库上的实验结果表明CSSIM比SSIM和DWTSSIM(基于小波的SSIM)更加符合人眼的视觉特性,可以更好地评判图像质量。因此该算法可应用于基于Contourlet变换的图像处理系统中。     

基于人眼视觉特性的彩色图像质量评价

图像处理系统的性能优劣的评判往往需要一个合理迅速的图像质量评价算法作为支撑.传统的图像质量评价算法由于没有充分考虑人眼的视觉特性,使得质量评价结果与实际图像的人眼感知质量不符.根据人眼对图像边缘信息非常敏感这一人眼视觉特性,提出一种综合图像边缘和背录相似度的算法(EBS)来评价彩色图像质量,即通过比较失真彩色图像与原始参考图像的边缘以及除边缘之外的背景相似程度最终确定失真图像的质量.应用于由779幅包含五种类型失真的图像质量评价库的实验结果表明,该算法的评价结果相比PSNR,MSSIM,IFC以及基于像素域的VIF等算法与图像的主观评价结果(由DMOS值表示--将背景不同的一组观察者对失真图像的评分进行统计平均后所得到的评价结果)更一致,也即该算法的评价结果更接近图像的实际视觉感知质量.     

使用梯度相似度的激光干扰图像评估

提出一种基于梯度特征的图像质量评价算法(GSIM)。该算法通过比较原始图像和降质图像的亮度、对比度和清晰度信息, 得到归一化的图像质量评价指标。对Live数据库不同类型降质图像和实验采集的激光干扰图像的评价结果表明:与PSNR相比, GSIM算法的相关性方面提高了8.5%, 准确率提高了7.6%, 一致性提高了4.8%; 与SSIM算法相比, GSIM算法的相关性方面提高了1.5%, 准确率提高了3.8%, 一致性提高了2.6%。证明了提出的GSIM算法相对MSE、PSNR及SSIM算法能准确评价交叉失真图像质量, 评价结果更符合人的主观视觉感受。在评价基于掩盖效应的激光干扰图像时, GSIM算法能克服背景强度不一致带来的影响, 评价结果能准确反映激光干扰效果。     

一种改进的医学图像边缘检测算法

医学图像边缘检测是医学图像处理领域的核心技术之一,寻求既能精确定位图像边缘,又能有效抑制图像噪声的算法一直都是医学图像处理领域的热点和难点。结合小波分析理论,在经典边缘检测算法的基础上提出了一种改进的基于小波分解的医学图像边缘检测算法。算法的实质就是在图像边缘检测前利用小波分析理论对图像进行特定的预处理。实验结果证明,此算法的性能要优于经典边缘检测算法的性能。     

基于边缘检测的图像锐化算法

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。锐化的目标实质上是要增强原始图像的高频成分。常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声。为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法。实验结果表明,该方法有效地解决了图像锐化后的噪声问题。     

CNN Based No-Reference HDR Image Quality Assessment

Motivated by the problems of non-universality and over-reliance on the original reference image in High dynamic range (HDR) Image quality assessment (IQA), a convolutional neural network-based algorithm for no-reference HDR image quality assessment is proposed. The Salience detection by self-resemblance (SDSR) algorithm which extracts the salient regions of the HDR image, is used to simulate the human visual attention mechanism. Then a visual quality perception network for training quality prediction models is designed according to the visual characteristics of luminance and contrast sensitivity. And this network consists of an Error estimation network (Error-net), a Perceptual resistance network (PR-net) and a mixing function. The experimental results indicate that the method proposed has high consistency with subjective perception, and the value of assessment metrics Spearman rank-order correlation coefficient (SROCC), Pearson product-moment correlation coefficient (PLCC) and Root mean square error (RMSE) correspondingly reaches 0.941, 0.910 and 8.176 as well. It is comparable with classic full-reference HDR IQA methods.     

适应于图像复原的无参考图像质量评价方法

由于图像降质过程的复杂性、成像获取条件限制,以及图像本身的复杂性和图像复原过程的病态性,图像复原解大多都是近似的或畸变的,一种适应于图像复原质量评价的计算方法将大大提升图像复原的应用范围。针对图像复原过程的病态性,提出了一种针对图像复原图像质量评价的计算方法,该算法通过在图像质量算子中引入图像相似矩阵和图像复原趋势矩阵,使其能适应复原对于图像结构或噪声结构的变化。该图像质量评价算子计算无需参考图像,可以很好地反映图像的模糊程度和噪声程度,并且计算简单。实验证明了该图像质量评价算子的有效性。     

基于边缘结构相似性的视频质量客观评价

在视频图像质量客观评价方法中,基于结构相似度(SSIM)模型算法由于具有对像素偏移不敏感、计算简单等特点,应用较为广泛.但SSIM模型的缺点是不能较好地评价严重模糊的受损图像.因此,提出了一种基于边缘结构相似度(ESSIM)的视频图像质量评价方法,将边缘梯度提取作为图像的主要结构信息.实验结果表明,ESSIM模型比SS...     

基于边缘信息的图像融合算法研究

为了得到全局色调一致的无缝镶嵌融合图像，文章提出了一种基于边缘信息的图像融合方法。该方法根据融合区域的边缘强度信息，对融合区域进行图像增强处理，进而选取一组区域特征进行自适应动态加权，实现了不同图像在选定区域范围内的融合运算，使得被合成的图像完整、自然。通过两幅图像的融合实验，证明了该算法在边缘上保持良好的视觉效果。