基于频谱分析的高分辨率遥感图像边缘特征检测研究

针对高分辨率遥感图像的边缘特征,提出了一种基于频谱分析的图像边缘检测方法.首先对南京市主城区典型地物QuickBird图像进行傅里叶变换,分析频谱能量的角向分布特征,对最大角向能量分布曲线求一阶导数,将其峰值作为边缘检测滤波器的中心频率.通过设计方向Gabor滤波器进行频域滤波,达到图像边缘特征检测的目的.结果表明,进行频谱分析能够确定图像边缘特征的最佳截止频率,从而为高分辨率遥感图像边缘特征检测提供一种新方法.     

边缘特征点的多分辨率图像拼接

提出一种映速有效的边缘特征点提取方法,实现多分辨率图像融合从而完成拼接.构建边缘图像的Gauss金字塔,从中提取稳定的特征点完成图像配准.复用金字塔信息实现图像融合,缩短整体拼接的时间.对方法进行仿真,实验结果表明误匹配特征点个数极大减少,配准精度提高到亚像素水平,同时配准和拼接的时间也大幅减少.最后从实验上分析精度提高的原因.     

基于梯度向量的交互式CT图像分割

首先采用旋转模板对图像进行平滑去噪处理，同时得到各像素点的梯度值方向，然后根据梯度值方向采用Are Weights方法计算各点的梯度值，这些方法的结合可以有效的降低噪声对灰度值计算的影响，得到了较好的梯度值图像。根据改进后的边缘检测方法，对边缘梯度信息进行最优化计算，选择最优的边缘点，最后将这些边缘点进行曲线拟合。实验结果显示该方法能有效地分割出胆囊图像。     

边缘提取算法研究及其在FMI图像处理中的应用

分析边缘跟踪等一些基本图像处理算法,为全井眼微电阻扫描成像(FMI)图像理解设计一套算法,该算法实现多目标检测、目标参数计算、参数分析及其在FMI图像处理中的应用.从FMI图像中得到了孔洞及裂缝的形状特征量(长度、宽度、圆度或复杂度等).达到对FMI图像的定性和定量分析.     

一个使用显著边缘进行图像检索的算法

本文提出一个基于显著边缘的图像检索新算法.它首先使用"灌水"算法获取图像的边缘曲线,然后选择显著边缘来代表图像,每一条显著边缘由三个特征:叉点率、转动频率和角点率来刻画.图像之间的相似程度使用一个综合显著边缘匹配方法来度量.实验结果表明本文算法具有较高的检索准确率.     

基于兴趣点和边缘特征的图像检索方法的研究

提出了多种图像特征相结合的图像检索新方法.该方法把兴趣点和边缘作为图像中用户关注的线索,设计了一种基于兴趣点和边缘特征的图像检索新方法.它综合考虑了图像的全局形状特征、颜色及其空间分布信息,不仅克服了单一特征无法真正表征图像的缺陷,同时保证了检索算法对图像旋转、平移的识别不变性.进行检索时,可根据兴趣点的数目自适应地改变兴趣点和边缘特征的相似性权重,增加了系统的有效性.与同类方法相比较表明,该方法有效提高了图像检索的准确率.     

基于融合的显微图像Gabor边缘提取算法

不同参数Gabor滤波器都具有各自的频率选择和方向选择特性,图像中纹理基元可以利用多个方向和中心频率Gabor滤波器组提取出来的频谱值来表示.据此提出一种适应于显微图像的Gabor滤波边缘检测算法.使用特定不同方向Gabor滤波边缘提取算子对图像进行边缘信息提取,获得不同方向上边缘特征信息,对其进行分析和融合提取图像边缘.运用该方法时所获不同方向的图像边缘进行自适应融合,获得的图像边缘较理想,模糊的边缘得到增强,并有效地消除了噪声.实验结果表明,该算法对显微图像处理有效,检测到的边缘清晰.     

一种基于结构特征边缘的多传感器图像配准方法

图像配准是多传感器图像融合等处理的前提. 本文以包含人造目标的合成孔径雷达(Synthetic aperture radar, SAR)图像和可见光图像为处理对象, 提出了一种基于结构特征边缘的多传感器图像配准方法. 该方法提取人造目标在两类图像中表现的共性特征---结构特征边缘, 并基于边缘匹配构造虚拟角点, 采用基于特征一致的粗配准方法和基于虚拟角点的精配准方法, 对待配准图像实现由粗到精的自动配准. 实验结果表明, 本文方法能够取得较高的配准精度.     

基于图像纹理自适应的边缘检测算法

通过对图像进行Fourier分析,获取能够表达图像纹理的能量谱,进而定义能量谱的环特征和楔特征.环特征可以描述纹理的粗细,楔特征可以描述纹理的方向,以这两个特征值作为边缘检测模板选择的依据,使边缘检测具有纹理自适应能力.实验表明,该算法边缘检测精确,抗干扰能力强.     

图像相关匹配算法研究与红外目标跟踪应用

研究红外目标跟踪问题,针对目标的准确定位,图像相关匹配技术是目标跟踪中最基本的方法.当前红外成像导引头要求实时跟踪,但是在目标跟踪的末端,匹配点漂移和滑动将直接影响目标跟踪的精度.为提高定位精度和实时性,提出了一种新的实时跟踪算法.算法从红外图像中获取特征点,以特征点为中心选取参考模板,利用边缘检测算法获得边缘点集,使用自适应阈值的SSDA算法进行边缘点集的匹配,实现实时目标跟踪仿真.实验结果表明,算法很好地解决了红外目标跟踪精度问题,并满足实时性和跟踪稳定性要求.     

图象边界的遗传算法规整

为了使检测的图象边界更符合有效的理想边界结构,同时能滤除边界图象中的噪声干扰,提出了一种基于遗传算法在图象边界规整方法。该方法首先将已经检测得到的边界图象编码为两维二值码串个体,并根据理想边界模板集来计算每个个体的适应度;然后通过交叉、变异和选择等遗传运算对被检测出的非理想边界进行规整。在遗传算法收敛时,该算法不仅能得到最适合有效理想边界结构的边界图象,并能有效地滤除边界图象中的噪声。     

结合边缘与灰度信息的SAR图像配准算法

同一场景下的合成孔径雷达(SAR)图像的灰度特性由于相关噪声的影响及成像条件不同可能存在很大差异,使得单纯基于边缘特征或灰度信息的方法难以胜任SAR图像配准工作。根据SAR图像的特点,提出一种典型地物边缘形状信息与局部灰度统计信息相结合的基于特征的图像配准方法,弥补了仅利用边缘特征或灰度信息的方法在SAR图像配准中的不足。给出了本方法用于Radarsat图像上的实验结果。     

ON IMAGE CLASSIFICATION: CITY IMAGES VS. LANDSCAPES

Grouping images into semantically meaningful categories using low-level visual features is a challenging and important problem in content-based image retrieval. Based on these groupings, effective indices can be built for an image database. In this paper, we show how a specific high-level classification problem (city images vs landscapes) can be solved from relatively simple low-level features geared for the particular classes. We have developed a procedure to qualitatively measure the saliency of a feature towards a classification problem based on the plot of the intra-class and inter-class distance distributions. We use this approach to determine the discriminative power of the following features: color histogram, color coherence vector, DCT coefficient, edge direction histogram, and edge direction coherence vector. We determine that the edge direction-based features have the most discriminative power for the classification problem of interest here. A weighted k-NN classifier is used for the classification which results in an accuracy of 93.9% when evaluated on an image database of 2716 images using the leave-one-out method. This approach has been extended to further classify 528 landscape images into forests, mountains, and sunset/sunrise classes. First, the input images are classified as sunset/sunrise images vs forest & mountain images (94.5% accuracy) and then the forest & mountain images are classified as forest images or mountain images (91.7% accuracy). We are currently identifying further semantic classes to assign to images as well as extracting low level features which are salient for these classes. Our final goal is to combine multiple 2-class classifiers into a single hierarchical classifier.     

一种基于边缘生长的灰度和彩色图象分割方法

边缘检测可以快速准确地提供区域分割的边缘点,是图象处理的一个重要领域。但由于边缘点不连续和难以把存在大量碎边缘点的高细节区提取出来这两个原因,而不能直接实现完整意义上的图象分割。为此提出用边缘生长的方法来解决不连续的边缘点链接问题和通过找出高细节区周围的区域,以便间接地将高细节区围成一个区域。该算法是边缘检测的后续处理,适合于多种应用目的,同时还可以嵌入到其它利用边缘信息的分割算法中。     

一种基于边缘梯度的图像分割方法

利用Krisch边缘方向算子，实现了对彩色和服图片中的和服边缘检测，同时根据真实边界点处的梯度强度值大于其左右邻域的梯度强度值的特征，获得了边缘细化。在结合边界跟踪技术的基础上，有效地去除了和服中大量的与和服分割无关的花瓣图案，得到了和服的有效边缘。实用的边缘连接技术则成功地实现了和服图片中和服各部分的分割。实验结果表明该方法在和服分割上是一种实用的和成功的方法。     

Fast spatio-temporal stereo for intelligent transportation systems

This paper presents a fast approach for matching stereoscopic images acquired by stereo cameras mounted aboard a moving car. The proposed approach exploits the spatio-temporal consistency between consecutive frames in stereo sequences to improve matching results. This means that the matching process at current frame uses the matching results obtained at its preceding one. The preceding frame allows to compute an Initial Disparity Map for the current frame. The initial disparity map is used to derive disparity ranges for each scanline as well as what we call Matching Control Edge Points. Dynamic programming is performed for matching edge points in stereo pairs. The matching control edge points are used to drive the search for an optimal solution in the search plane. This is accomplished by dividing the dynamic programming search space into a number of subspaces depending on the number of the matching control edge points. The proposed approach has been tested both on virtual and real stereo images sequences demonstrating satisfactory performance.     

基于人类视觉感知特性的一种纹理图象分割方法

在纹理图象分割的研究领域中,基于人类视觉感知特性的图象分割方法是一个重要的新方向,本文给出了一种纹理图象分割的方法,设计了一组参数不同的2D最佳正交极可分方向滤波器来提取图象特征,然后经过四叉树平滑,用模糊C－均值聚类对图象进行分类,最后进行边缘确定,实验结果表明,这种方法能获得较好的分割效果。     

Defocus map estimation from a single image

In this paper, we address the challenging problem of recovering the defocus map from a single image. We present a simple yet effective approach to estimate the amount of spatially varying defocus blur at edge locations. The input defocused image is re-blurred using a Gaussian kernel and the defocus blur amount can be obtained from the ratio between the gradients of input and re-blurred images. By propagating the blur amount at edge locations to the entire image, a full defocus map can be obtained. Experimental results on synthetic and real images demonstrate the effectiveness of our method in providing a reliable estimation of the defocus map.     

A note on polygonal and elliptical approximation of mechanical parts

A previous paper described a method of extracting long sequences of border points from images of mechanical parts, by linking points having high edge values that lie on the borders of thresholded regions. This paper develops methods of fitting polygons and arcs of ellipses to the border sequences. The results are applied to finding small holes in images of connecting rods.     

基于边缘特征的多源高分辨率影像配准

针对多源高分辨率影像之间较大的非线性辐射差异和局部几何变形造成较差配准精度的问题,提出一种基于边缘特征的多源高分辨率影像配准方法。该方法首先通过各向异性扩散滤波构造输入影像的非线性尺度空间,在此基础上计算每一尺度的扩展相位一致性最大矩以获取丰富的边缘特征,并利用基于分块策略的FAST检测器提取稳定的特征点;其次利用多尺度多方向Log-Gabor滤波生成主方向索引图（Main Orientated Index Map,MOIM）,并结合高斯加权构建一种稳健的特征描述子;最后采用巴氏距离和快速采样一致（Fast Sample Consensus,FSC）方法获取同名点。选择多组多源高分辨率影像进行实验,结果表明：该方法能够有效克服多源高分辨率影像间非线性辐射差异和局部几何变形,配准效果好于其他相关方法,并且平均配准精度优于1个像素。