光场图像基线编辑方法

图像重定向是图像编辑中的一个基本问题,主要研究根据具体应用要求对图像内容进行重构。当前针对光场图像角度和空间超分辨率以外的重定向的研究尚属空白。提出了一种光场图像基线编辑方法。算法主要包含三个步骤:首先对光场图像进行标定得到相机参数,并估计光场图像每个子视点图像的视差图;然后根据基线编辑的要求对光场图像进行重定向处理,即将每个子视点图像投影到目标光场图像对应的子视点;最后构建一个深度学习算法对目标光场图像进行优化,对直接重定向过程中因遮挡去除导致的图像空洞区域进行修复。实验结果表明,所提算法能够实现基线编辑的光场图像重定向处理,得到高质量的目标光场图像。该算法可用于一系列光场图像编辑应用,包括光场图像拼接、不同图像间物体拷贝和复制、光场图像的立体显示等。     

带状图像交叉区域的骨架求解算法

交叉区域的求解技术是图像骨架化中的难点,在基于无向图的图像整体骨架表示模型及算法的基础上,提出了图像交叉区域（如Ｘ形、Ｋ形等）的骨架求解算法,它根据图像交叉区域在无向图中的位置和邻接关系确定图像交叉区域的形状,并根据几何近似原理,用多边形近似方法对不同形状的交叉区域进行求解,算法充分利用图像的拓扑信息,具有速度快,了等优点,并得到了实际应用。     

基于图像的实时漫游

提出了一个点和多边形模型混合的场影表达方式，从而实现了对复杂场景的视点不受限制的实时漫游。它从多幅带深度的参考图像出发，在预处理阶段区别对待场景中平面物体和曲面物体在参考图像中的对应像素。对于在参考图像所占区域较大的空间平面，用传统的多边形模型方式对其进行表达，试图恢复出其平面方程，然后通过采样密度比较和重采样过程，将该空间平面在所有参考图像中的出现合并成一个均匀采样的纹理图像；而对于空间曲面或在参考图像中所占面积较小的平面，使用点的形式对其进行表达，通过采样密度的比较去掉冗余的点，将保留下来的点按其空间位置进行聚类。同时，对于场景中那些不被所有参考图像所拍摄到而在漫游过程中可能形成空洞的部分，提出一个空洞预填补技术，在预处理阶段即对这类空洞进行填补，从而大大较少了漫游阶段出现空洞的几度。在漫游阶段则使用纹理映射和点Warping的方式进行绘制，以充分利用图形硬件的加速功能。     

面向电力设备红外图像的温度值识别算法

为了快速准确地识别出红外图像中温度值实现缺陷检测，提出了面向电力设备红外图像的温度值识别算法。针对温度值区域背景复杂的问题，根据红外图像直方图自适应确定阈值进行预处理；结合轮廓与相对位置信息，准确定位温度值区域，并实现字符分割；建立温度值图像数据集，采用卷积神经网络进行训练和测试；基于MATLAB的App Designer模块，设计温度值识别与记录系统。结果证明，该算法对温度值识别准确率达到98.6%，高于传统的字符识别算法，能够实现快速识别与准确记录温度值，有效降低了电力巡检人员的劳动强度。     

基于递归的二值图像连通域像素标记算法

在研究以前二值图像连通算法的基础上，提出了一种基于递归方法的二值图像连通域像素标记算法。通过对二值图像的扫描和分析可得到二值图像中的连通域划分和连通域的数目。算法主要包括两个步骤：对输入的二值图像进行一次扫描，得到所有目标像素的连通域划分和标记的等价对表；利用递归对等价对表进行分析，得到正确的连通标记划分和连通区域数目。实验结果表明，该算法对于任意复杂形状、任意数目(小于1 000)的连通区域都能正确检测。     

轨道图像特征点规律分布研究

研究轨道图像特征分布规律对提高轨道图像匹配速率,实现轨道三维建模具有重要意义。由于轨道图像背景复杂,图像色彩信息单一,图像特征分布多变,因此对轨道图像特征点分布规律的研究尤为重要。本文首先对轨道图像进行分析,根据轨道图像部件几何特征及布设规律将图形划分为不同区块。运用尺度不变Harris特征点检测算法提取不同区块内图像特征点,Sift描述子对已得特征点进行特征描述并匹配。采用统计方法得出几何特征点的分布规律。试验检测1000幅轨道图像,得到轨道图像几何特征点出现频率分布规律为：挡板座区域（挡板座顶点）97.8%,螺母区域（螺母边角点）57.3%,弹条区域（弹条拐点）53.9%,钢轨轨枕交叉区域（钢轨轨枕交叉边界点）24.7%。     

SUSAN算子在苹果图像缺陷分割中的应用研究

该文介绍一种新的分割算法——SUSAN算子。SUSAN算子是一种基于图像局部灰度特征的算法，利用一个圆形的模板对图像进行扫描，比较模板内部的点与模板中心点的灰度值，如果灰度差值小于一定的阈值，就认为该点与中心点的灰度相同。统计模板内部与中心点灰度相同的点的个数，与一个阈值进行比较，判断该点是否属于某个区域的边缘点，从而实现对图像的分割。应用SUSAN算子对苹果图像的缺陷区域进行分割，可以快速准确地分割出苹果图像上轻微的损伤。经过对100幅图像的检验测试，得出分割准确率为96％。     

双LSTM的光场图像去雨算法研究

单张图像去雨由于有限的输入信息,会严重影响去雨效果。光场图像不同于普通2D图像,能够记录三维场景的丰富结构信息。针对此类问题并且利用光场图像特点,提出一种基于双LSTM神经网络的光场图像去雨算法。提出的神经网络包括雨条纹检测网络（Rain Streaks Detecting Network,RSDNet）和背景修复网络（Background Restoring Network,BRNet）。所提算法主要包含三个步骤。使用匹配成本量最优化方法计算光场图像子视点的深度图;利用RSDNet提取雨条纹,并利用LSTM结构将雨条纹高频信息传递给BRNet;借助BRNet网络修复背景图像得到无雨子视点图像。为了训练和测试所提算法,构建了一个由真实背景场景光场图像和雨图像合成的有雨图像光场数据集。充分的实验结果表明,提出的算法能够有效地修复光场图像。     

图像序列中基于交叉熵的运动区域检测

图像序列中的运动区域的正确检测是一个相当重要但又非常困难的问题。采用了自适应的背景模型，并用交叉熵对差分图像阈值化，从而使分割出的运动区域更加正确。试验结果表明了本方法的有效性和鲁棒性。     

零样本图像分类综述

面对人工标注大量样本费时费力,一些稀有类别样本难于获取等问题,零样本图像分类成为计算机视觉领域的一个研究热点。首先,对零样本学习,包括直推式零样本学习和归纳式零样本学习进行了简单介绍;其次,重点介绍了基于空间嵌入零样本图像分类方法和基于生成模型零样本图像分类方法以及它们的子类方法,并对这些方法的机制、优缺点和适用场景等进行了分析和总结;然后,简单介绍了零样本图像分类常用数据集和评估方法,并对典型零样本图像分类方法进行了性能比较;接着,指出了现有零样本图像分类中存在的领域漂移、枢纽点和语义鸿沟等问题及相应的解决思路;最后,对零样本图像分类未来发展趋势和研究热点,如判别性区域的准确定位、生成高质量不可见类视觉特征、广义零样本图像分类等进行了探讨。     

车牌识别中二值化方法的研究

考虑到光照变化以及定位出的车牌周边环境和自身干扰等因素,提出了一种新的车牌二值化的方法,这种方法结合了高斯拉普拉斯算子法和迭代法.实验结果表明,此方法二值化效果好,对于有噪声干扰、非均匀光照的牌照图像有良好的适应性.     

基于最近邻链的车牌检测算法

根据车牌字符的几何特征和空间排列规则,提出了一种基于最近邻链的自适应车牌检测算法. 首先,采用自适应阈值分割算法消除光照变化的影响,并采用连通体分析方法消除部分干扰目标; 其次,根据车牌字符连通体的区域特征,将宽度和高度都相近的连通体构造为最近邻连通体对, 并将最近邻对连接为最近邻链,从而检测出所有可能的车牌区域; 最后,利用两组不同长度的方波模板分别对车牌的水平和竖直投影进行匹配, 它能够验证候选车牌区域的有效性,并求解所有车牌字符的最佳切分位置. 实验表明,该算法能够自适应地处理光照不均匀、尺度变化、透视失真、背景干扰以及质量退化等因素的影响, 可以有效地检测出复杂背景中的车牌区域.     

一种对光照具有鲁棒性的图像分割方法

研究了灰度图像的OTSU(最大类间方差)自动阈值分割法。OTSU方法作为一种单一阈值的分割方法,当图像受光照和反射光等的影响明显时,将会出现严重的误分割现象。考虑到OTSU方法的最大类间方差化的思想,根据灰度图像的像素点灰度的直方图分布、空间分布,提出了一个新的分割阈值方法。先根据OTSU方法的特点自设计一个函数,对图像进行变换,以便后面的处理,再对其图像以改进的OTSU方法进行分割。通过对化学实验中两种液体的拍摄图片及数字图像处理中标准图片进行试验,理论分析与实验结果表明：该方法能够对受光照及反射光影响大的图像实现正确的分割,将目标图像清晰地从背景中分割出来。     

基于局部二元模式的电子胃镜图像识别

由于受到胃部蠕动、气泡、食物、光照以及图像采集过程中摄像头移动等因素影响,电子胃镜图像存在亮度变化较大等问题,常用的计算机辅助分析方法难以取得理想的效果。针对该问题,在分析电子胃镜图像特点的基础上,提出一种电子胃镜图像病灶良恶性识别方法。在不同颜色通道中使用结合局部二元模式算法,提取其纹理特征向量,分别输入支持向量机进行训练和识别,对不同颜色空间的识别结果采用投票原则确定最终结果。实验结果表明,该方法的识别率达到92.2%。     

一种基于LTP特征的图像匹配方法*

为了解决可变光照条件下图像匹配困难这一问题,提出一种基于LTP（局部三值模式）特征的图像匹配方法。LTP是LBP（局部二值模式）的扩展,这种局部纹理描述算法较LBP更具有判别能力而且对于统一区域的噪声更不敏感。利用LTP对于图像旋转和光照变化都具有良好的鲁棒性,解决了在光照可变条件下流行的SIFT方法进行匹配的困难。通过对不同变换的图像进行匹配实验表明,该方法得到的匹配结果比LBP效果更好,鲁棒性更高,而在光照可变和噪声很大的情况下比流行的SIFT方法更实用。     

低照度液晶屏幕图像增强算法

为解决目前自然场景文本识别系统文字识别率较低的问题,从识别图像的质量角度分析,发现用相机拍摄的带有液晶屏幕的图像,易受到光照或屏幕本身显示问题影响,成像质量低,难以辨别屏幕内信息。传统的解决方法如使用retinex算法进行图像增强时,由于retinex算法本身的局限性,对于光照不均的图像,会出现光晕现象。针对此问题,本文提出基于同态滤波的去光晕retinex算法来进行光照的校正,首先使用改进的同态滤波算法对图像进行不同程度的滤波处理,校正光照,处理后图像再使用改进的retinex算法进行图像增强,则可以避免光晕现象。实验结果表明,本文方法可以有效提高低照度液晶屏幕图像的视觉效果,优于传统的retinex算法,无光晕现象产生,进而提高自然场景文本识别系统的识别准确率。     

基于迭代多尺度引导滤波Retinex 的低照度图像增强

为提高低照度图像的视觉感知,提出了基于迭代多尺度引导滤波Retinex 的低照度 图像增强算法。首先,将图像转换到YCbCr 空间;然后对Y 分量用迭代多尺度引导滤波算法 估计照度图像,以指数形式迭代增加尺度参数与平滑参数,在保持边缘的同时消除各种对比度 细节;接着用照度图像求得反射图像,并进行对比度校正;最后将图像转换到RGB 空间,得 到最终增强后的图像。实验表明,该方法能更好地估计照度图像,从而使增强后的图像视觉效 果获得明显改善。     

一种新的面向字符分割的车牌图像预处理方法

首先进行图像增强以滤除噪声、校正不均匀光照,增强对比度,然后分析了车牌的倾斜模式,提出了一种新的车牌倾斜校正方法。该方法采用水平和垂直边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度并通过垂直边缘检测进行上下位置精定位,对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正。实验结果表明,该方法简单实用,对光照不均、低对比度、污迹及倾斜等退化图像具有很好的鲁棒性。     

人脸识别中基于多小波变换的光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法在对数域计算2维多小波变换来实现人脸光照补偿,然后直接在对数域进行人脸识别。在Yale B人脸库中与其它光照补偿算法进行了比较,实验结果表明,该方法的平均误识率仅为0.70%,优于现有的绝大多数算法。     

一种新的图像合成方法

提出了一种新的图像分割与合成方法。对于图像的分割,提出了新的切割图法,先是手工把一些明显属于物体和明显属于背景的像素分割出来,然后设置了新的能量函数,求它取最小值时的分割结果。对于图像的合成,提出了梯度比较法,在保留物体基本颜色特征的同时,改变了物体的光亮度,使其与新背景的光亮度一致,从而合成图像的光照效果更真实。