基于缝裁剪和变形的图像缩放方法

提出一种既能保持图像重要内容又能较好地保持重要物体形状的图像缩放算法。该方法结合传统的缝裁剪技术和变形技术来对图像进行缩放。首先利用当前公认效果良好的基于图模型的流形排序显著性检测算法得到图像的显著度图,结合图像梯度能量等信息来构造结构更为清晰的图像重要度图;其次利用之前构造的图像重要度图并按缩放尺度的大小来确定适当的缩放方法;最后根据度量比较结果来选择经典缝裁剪方法或基于能量优化的变形方法进行图像缩放。对比实验结果表明,该方法在图像缩放时能保持重要内容和显著物体形状结构。     

基于边缘特征点互信息熵的医学图像配准方法

基于互信息熵的图像配准方法已经被广泛应用于医学图像配准中,为克服互信息配准方法的不足,结合图像空间结构信息,本文提出一种基于边缘特征点互信息熵的医学图像配准方法,设计了包括互信息熵、图像空间结构和形状特征点等多信息融合的配准新测度。算法首先采用改进的形态学梯度提取医学图像边缘轮廓;然后构造了以边缘区域特征和梯度信息为基础的特征点互信息能量函数,并通过最小化能量函数来获取配准参数;最后,结合梯度下降法优化策略,实现图像配准。实验研究表明,该方法在保证了配准精度的同时,配准速度较快、鲁棒性较好、综合性能优良,具有一定的临床推广价值。     

基于显著性分割的图像抽象化

图像抽象化的目的是增加具有特定目标的信息,并过滤掉一些不相关或不重要的信息。为进一步提高图像的卡通风格化效果,提出一种基于显著性分割的图像抽象化算法,增强前景物体区域的可视特征,同时去除背景区域的无关细节。采用频率调谐算法获得显著度图,利用Mean-Shift分割算法检测出整个前景区域,与双边滤波和基于流场的边缘检测结合获得抽象化图形,通过软量化方法使产生的风格化图像更具有层次感,并以此为基础对图像进行非均匀的抽象化处理。实验结果表明,该算法能够有效地产生前景特征增强的非真实感图像,使结果图像的前景主题更加突出。     

基于分块方向梯度能量的图像修补算法

为了对图像破损区域进行修补和前景去除,提出一种基于样本的图像修补算法.首先引入“分块的方向梯度能量”来评估像素块在某个方向上的整体颜色变化情况;然后利用最大方向梯度能量估算该像素块中存在的边缘的强度与方向.该算法包括像素块填充优先级计算、像素块匹配和更新未知区域边界、可信任度等全局参数的更新3个步骤.在计算像素块填充优先级时,考察像素块在待修补区域边界法向上的方向梯度能量,优先选取包含更强边缘信息的未知区域;而在像素块匹配过程中,除比较像素块对应的颜色值之外,还利用方向梯度能量对它们可能存在的边缘进行比较与匹配.实验结果表明,该算法能够使图像的结构信息正确地传播到待修补的未知区域中,填充后的图像具有较为平滑的边缘.     

基于容积约束Power图的图像分片逼近

给出一种在容积约束Power图结构上的图像分片多项式逼近方法.将Power图的权重与图像颜色信息相关联,设计了一种带容积约束Power图的顶点位置与权值交替优化的图像逼近算法.该算法运用误差反馈机制以及图像显著性检测等方法生成密度函数图像,并根据原始图像的颜色信息和得到的密度函数图像分两次来指导初始化点集生成,通过构建最终的Power图来逼近目标图像.利用Power图对目标图像进行区域分割,定义了度量逼近误差的带容积约束的优化能量函数,分别计算能量函数关于位置和权重的梯度,将原问题分解为两个子问题分而治之,借助密度函数图像生成的高效初始化点分布,通过不断更新Power图的顶点位置和权值得到相对较优的Power图,最终拟合出逼近图像.实验结果表明,该算法能够较好地逼近彩色图像,并有效保持了图像显著区域的特征.     

色调保持的自适应图像视频细节增强算法

针对已有方法难以保持输入图像的色调分布且过于经验化的问题,文中提出了一种色调保持的自适应图像与视频细节增强方法.首先,采用保持边缘的多尺度图像分解算法,快速地将输入帧分解成含有大尺度边缘信息的基图像和含有小尺度细节信息的细节层.然后,在细节增强与合成过程中,根据边缘梯度响应构造一个自适应的细节增强函数,减少对强边缘的放大倍数,提升对小细节的增强幅度.最后,在保持输入帧的颜色值和增强图像的梯度值的期望下,基于能量优化的色调校正算法避免细节增强图像与输入帧之间的显著色调差异.实验结果表明:对任意的输入图像和视频,通过统一的参数设置,均可获得色调保持的良好细节增强效果.     

基于局部期望阈值分割的图像边缘检测算法

传统图像边缘特征检测通过梯度算子卷积计算获取梯度图,并根据梯度变化情况设定阈值得到边缘信息,但图像的各局部区域梯度变化不均匀,采用统一阈值分割边缘信息往往会造成获取的边缘信息不准确。本文提出一种基于图像局部区域期望的自适应阈值方法,首先采用Sobel算子获取图像梯度矩阵,然后将梯度矩阵分割为多个子区域,并计算每个子区域的局部期望作为该区域阈值,进行边缘特征提取。实验表明,提出的方法提高了图像主要目标物边缘特征的识别度,区域边缘信息划分准确。     

一种基于光流和能量的图像匹配算法

结合光流与图像信息,提出一种获取稠密视差的图像匹配算法.首先对于基线较大的左右图像,在多分辨率框架下采用由粗到精的策略计算光流,从而实现大偏移量时的光流获取.其次为了避免光流在图像边界上的不可靠性,通过光流计算所得的光流场作为初始视差图,采用基于能量的方法依据对应的图像梯度场对光流场内部进行平滑并保持边缘的不连续性,最终得到精准稠密的视差图.实验验证,该方法是一种行之有效的图像匹配算法.     

基于概率密度梯度的边缘检测

提出了一种新颖的基于概率密度梯度的边缘检测算法.新算法通过估计图像中各像素点的概率密度梯度得到图像的概率密度梯度场,然后根据图像的边缘点在概率密度梯度场中具有两侧梯度方向相反的特性实现边缘检测.与现有的算法相比,新算法检测得到的边缘点具有尺度不变性,并可以直接从图像中检测出具特定尺寸区域的轮廓,完好地保持物体的形状.     

基于梯度显著性的轮廓提取方法

在复杂的自然场景中将轮廓准确地提取出来一直是一个难题,传统的基于梯度图像分割的方法在性能提高上遇到瓶颈。分析了梯度图像中轮廓与纹理的视觉特性,说明了显著性检测的必要性;引入视觉注意机制,利用残余谱得到梯度显著图,突出了轮廓的梯度响应的同时抑制了纹理的梯度响应,证明了显著性检测的可行性;详细介绍了算法实现流程。通过与其他三种算法进行对比,证明基于梯度显著图进行边缘分割和跟踪,有效地抑制了纹理边缘,轮廓提取性能得到明显提高;通过调整参数设置,验证该算法对参数变化具有一定程度的鲁棒性。     

基于显著闭合边缘的图像检索方法

为提高基于内容的图像检索查准率,研究基于显著闭合边缘的图像检索方法.设计显著闭合边缘提取算法,利用人类视觉注意机制获取显著图,根据原始边缘图确定显著边缘图,连接显著边缘间的断裂,得到显著闭合边缘,结合边缘梯度和角度值的直方图实现图像检索.实验结果表明,该方法具有较高的查准率.     

利用数据场和欧氏距离的图像边缘提取

图像边缘是图像分析和识别的基础,图像边缘信息的准确性和完整性对后续图像分析和识别有重要影响。为实现图像边缘有效提取,提出一种利用数据场和图像欧氏距离的图像边缘提取方法。首先,该方法利用数据场理论构建图像数据场,实现图像灰度值特征空间到数据场势值空间的转换。然后,在对图像数据场的势值计算时引入图像欧氏距离,利用图像区域欧氏距离扩大像素差异,抑制微小细节和噪声,得到"背景"和"目标"相对分离的势值图。最后,用改进Canny算法对势值图进行边缘提取。实验表明,用本文方法可以有效提高边缘提取的准确性,减少伪边缘,抑制冗余细节和噪声。     

基于变分的CT图像环形伪影校正

有效去除CT图像中环形伪影是医学图像处理领域的一个重要研究方向,现有的方法在去除环形伪影的同时,对CT图像的边缘及细节保留存在困难和挑战.本文采用变分优化的思想,将环形伪影的去除问题建模为一个能量最小化问题,来缓解保持图像信息和去除伪影之间的矛盾,提出了一种后处理的伪影校正算法.根据环形伪影产生机理和特性表现构造有针对性的变分模型,一是从环形伪影的几何特性入手,设计更为合理的梯度保真形式,增强模型对图像细节信息的保护;二是从环形伪影的边缘特性入手,构建具有伪影辨识能力的相对全变分正则项,降低模型对图像结构性信息的影响.基于构造的变分模型,采用高效的优化求解算法,实现环形伪影的有效去除.对比实验表明,无论在视觉观察还是定量分析方面,本文算法均体现出了较好的性能.     

纹理边缘引导的深度图像超分辨率重建

目的 深度图像作为一种普遍的3维场景信息表达方式在立体视觉领域有着广泛的应用。Kinect深度相机能够实时获取场景的深度图像,但由于内部硬件的限制和外界因素的干扰,获取的深度图像存在分辨率低、边缘不准确的问题,无法满足实际应用的需要。为此提出了一种基于彩色图像边缘引导的Kinect深度图像超分辨率重建算法。方法 首先对深度图像进行初始化上采样,并提取初始化深度图像的边缘;进一步利用高分辨率彩色图像和深度图像的相似性,采用基于结构化学习的边缘检测方法提取深度图的正确边缘;最后找出初始化深度图的错误边缘和深度图正确边缘之间的不可靠区域,采用边缘对齐的策略对不可靠区域进行插值填充。结果 在NYU2数据集上进行实验,与8种最新的深度图像超分辨率重建算法作比较,用重建之后的深度图像和3维重建的点云效果进行验证。实验结果表明本文算法在提高深度图像的分辨率的同时,能有效修正上采样后深度图像的边缘,使深度边缘与纹理边缘对齐,也能抑制上采样算法带来的边缘模糊现象;3维点云效果显示,本文算法能准确区分场景中的前景和背景,应用于3维重建等应用能取得较其他算法更好的效果。结论 本文算法普遍适用于Kinect深度图像的超分辨率重建问题,该算法结合同场景彩色图像与深度图像的相似性,利用纹理边缘引导深度图像的超分辨率重建,可以得到较好的重建结果。     

Accurate object contour tracking based on boundary edge selection

In this paper, a novel method for accurate subject tracking, by selecting only tracked subject boundary edges in a video stream with a changing background and moving camera, is proposed. This boundary edge selection is achieved in two steps: (1) removing background edges using edge motion, and from the output of the previous step, (2) selecting boundary edges using a normal direction derivative of the tracked contour. Accurate tracking is based on reduction of the effects of irrelevant edges, by only selecting boundary edge pixels. In order to remove background edges using edge motion, the tracked subject motion is computed and edge motions and edges having different motion directions from the subjects are removed. In selecting boundary edges using the normal contour direction, the image gradient values on every edge pixel are computed, and edge pixels with large gradient values are selected. Multi-level Canny edge maps are used to obtain proper details of a scene. Multi-level edge maps allow tracking, even though the tracked object boundary has complex edges, since the detail level of an edge map for the scene can be adjusted. A process of final routing is deployed in order to obtain a detailed contour. The computed contour is improved by checking against a strong Canny edge map and hiring strong Canny edge pixels around the computed contour using Dijkstra's minimum cost routing. The experimental results demonstrate that the proposed tracking approach is robust enough to handle a complex-textured scene in a mobile camera environment.     

方向邻域全变分图像去噪

为了弥补传统全变分（TV）算法忽略了图像边缘方向的不足, 结合梯度幅度和方向提出了基于方向全变分的去噪算法。该算法运用图像梯度幅度将图像像素划分为边缘区域和非边缘区域, 运用梯度方向对不同区域的像素选取不同的四邻域像素, 针对不同邻域对传统TV算法进行离散分析, 完成了图像的保边去噪。实验结果表明, 结合边缘方向信息改进了传统TV算法的邻域选择方式, 不仅更好地保留了图像边缘信息和重要细节, 且提高了图像的PSNR和视觉效果。     

基于Canny算子的改进图像边缘检测算法

图像的边缘检测是图像处理领域内最关键的技术之一.针对工件分拣中需要机器视觉精确的检测出其边缘信息,并且从噪声和其他无关信息中筛选出来,提出了一种改进的Canny算法对工件进行边缘检测.该算法利用双边滤波来替代高斯滤波进行图像预处理,从而不仅可以保留更多的图像边缘细节也可以有效的去除噪声.而后运用最大类间方差法(Otsu...     

Adaptive tone-preserved image detail enhancement

An adaptive tone-preserved algorithm for image detail enhancement is proposed to retain the tonal distribution of the input image and avoid experiential manipulation. First of all, domain transform based multi-scale image decomposition is carried out to quickly divide the input image into a base image which contains the coarse-scale image information, and the detail layers which contain the fine-scale details. Then, during the process of detail enhancement and synthesis, we construct an adaptive detail enhancement function based on the edge response, to prevent the exaggeration of strong edges and increase the enhancing magnitude of small details. Finally, in order to keep the color values of the input image and the gradient values of the detail enhanced image, a tonal correction algorithm based on energy optimization is presented to eliminate the distinct tonal differences of the enhanced image from the input image. Our experimental results show that tone-consistent image detail enhancement effect is available for arbitrary input images with unified parameters setting, which is superior to the state-of-the-art methods.     

结合相位一致与全变差模型的高分辨率遥感图像边缘检测

目的边缘检测是有效利用遥感数据开展地物目标自动识别的重要步骤。高分辨率遥感图像地物类型复杂,细节信息过于丰富,使得基于相位一致的边缘检测结果中存在过多的噪声与伪边缘。为此提出了一种结合相位一致与全变差模型的高分辨率遥感图像边缘检测方法。方法根据相位一致原理,应用Log Gabor构造的2维相位一致模型,引入全变差去噪模型对基于相位一致的边缘强度图进行改进。结果借助有界变差空间对图像光滑性的约束,实现了高分辨率遥感图像噪声去除与伪边缘抑制,利用改进后的相位一致边缘强度图可有效检测高分辨率遥感图像的边缘。结论实验结果表明,与相位一致模型、Canny算法相比,该方法能消除了高分辨率遥感图像中同类地物内部细节特征形成的噪声,抑制相位一致边缘检测结果中的伪边缘,突出地物的真实边缘,并能正确地提取地物目标的整体轮廓信息,有助于后续地物目标的自动识别。     

强边缘提取网络用于非均匀运动模糊图像盲复原

基于深度学习的非均匀运动图像去模糊方法已经获得了较好的效果. 然而, 现有的方法通常存在对边缘恢复不清晰的问题. 因此, 本文提出一种强边缘提取网络(Strong-edge extraction network, SEEN), 用于提取非均匀运动模糊图像的强边缘以提高图像边缘复原质量. 设计的强边缘提取网络由两个子网络SEEN-1和SEEN-2组成, SEEN-1实现双边滤波器的功能, 用于提取滤除了细节信息后的图像边缘. SEEN-2实现L₀平滑滤波器的功能, 用于提取模糊图像的强边缘. 本文还将对应网络层提取的强边缘特征图与模糊特征图叠加, 进一步利用强边缘特征. 最后, 本文在GoPro数据集上进行了验证实验, 结果表明: 本文提出的网络可以较好地提取非均匀运动模糊图像的强边缘, 复原图像在客观和主观上都可以达到较好的效果.