基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域，运用阚值分割算法完成初步的图像区域分割；然后利用形态学运算进行精细化处理，结合提出的判断准则，通过人工交互完成了多感兴趣区域的提取；最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

基于感兴趣区域的率失真优化帧内刷新算法研究

由于视频图像中不同区域的重要性存在着很大差异,人眼对其主观质量的要求也不一样,因此对感兴趣区域的前景图像和非感兴趣区域的背景图像的主观质量要求也可以不一样,尽管目前对感兴趣区域的研究已有不少,但是将全局率失真优化、码率控制、帧内宏块刷新和感兴趣区域结合的相关研究并不多见。基于此提出了基于人眼感兴趣区域的率失真优化帧内宏块刷新算法,该算法采用端到端的全局率失真理论,对感兴趣区域和非感兴趣区域进行分析处理,使感兴趣区域的宏块能得到更及时的帧内刷新,由于受到码率的限制,必须对感兴趣区域和非感兴趣区域重新进行码率分配。最后,在JVT的JM12.2平台上实现该算法。大量实验结果表明,与传统的基于率失真优化的帧内刷新算法相比,基于感兴趣区域的率失真优化帧内刷新算法在感兴趣区域能够取得更好的主观质量。     

一种遥感图像中多感兴趣区域的压缩算法

遥感图像的特殊应用,常要求对遥感图像进行无损压缩。但是由于遥感图像含有丰富的纹理,获得的无损压缩比一直很低。而遥感应用中,常常是对某一地区和某几个地区感兴趣,所以可以对感兴趣区域进行无损压缩,而以损失非感兴趣区域信息为代价。本文提出了一种用于遥感图像的多感兴趣区域的压缩算法LS-MROI,实验结果表明该算法用于ROI区域压缩能够获得较好的压缩性能。     

具有感兴趣区域的静止图像压缩编码算法研究

在研究人眼视觉掩盖效应的基础上,采用了一种感兴趣区域的嵌入式零树小波编码算法(EZW_ROI算法),对感兴趣的区域和不感兴趣区域分别进行编码,充分利用了信道资源和存储空间,提高感兴趣区域的图像质量,使重建图像视觉效果更好。     

一种基于ROI和多描述量化的图像传输方法

随着科学技术的进步和发展,图像已经成为了信息的一个重要来源,而图像中的重要信息往往只集中在部分区域。而且图像数据在信道中传输时,可能会发生数据包丢失或出错的问题。鉴于以上问题,在对图像ROI和多描述量化编码进行分析和综合的基础上,本文提出了一种结合图像感兴趣区域（ROI）提取和多描述量化,零树编码的图像传输方法。根据图像特征选定ROI区域,然后对ROI进行多描述量化编码,对其他区域进行普通的量化编码,试验表明此方法可以得到更好的重构图像。     

基于分形与小波的图像ROI自动提取算法

针对分形应用于人造目标作为感兴趣区域的检测中,单一分形特征检测效果不好及计算量大的问题,提出了一种基于分形和小波相结合的图像感兴趣区域提取算法。首先对图像进行小波分解,然后综合利用低频子图像的分形截距特征和拟合误差特征,得到一个新的有效的分形特征参数,从而检测获得低频子图像的感兴趣区域,最后根据原始图像与子图像的坐标对应关系,得到原始图像的感兴趣区域。实验结果表明,该算法能够有效地检测图像感兴趣区域,并且检测速度快。     

基于图像分类与多算法协作的目标跟踪算法

针对目标变化和背景环境的变化,提出了一种基于图像分类的多算法协作的目标跟踪算法,采用融入改进背景加权的尺度方向自适应均值漂移算法与快速压缩算法协作的方式。该算法根据图像变化原因不同将图像分为两类,图像全局变化和目标局部感兴趣区域的变化。对由光照、背景相似度和背景模糊引起的图像全局变化,采用快速压缩算法对目标进行跟踪;对由目标本身尺寸、旋转和遮挡引起的目标局部感兴趣区域变化,采用融入改进背景加权尺度方向自适应均值漂移算法对目标进行跟踪。该算法先对图像序列预处理分类,然后选择适合该对应图像变化特点的算法对目标进行跟踪。经实验验证,该算法较之其他流行目标跟踪算法具有更好的鲁棒性。     

一种基于降维技术的图像局部融合算法

给出了一种基于降维技术的局部融合算法，并将其用于两幅灰度图像的融合。该算法将现有的图像融合技术和非线性降维技术融合，通过对待融合图像进行分块、关联矩阵表示、MDS降维处理，得到待融合图像的感兴趣区域块，对这些感兴趣区域块进行基于小波的局部融合，使图像变小。通过实验证明，该算法提高了融合速度，有利于目标识别、变换检测等后续处理。     

激光雷达引导下的红外图像中行人检测

研究了一种利用激光雷达数据引导红外图像进行行人检测与识别的方法。首先针对激光雷达数据,提出了一种利用鲁棒主成分分析进行目标感兴趣区域检测的方法,进而设计了一种窗口滤波算法对前景矩阵进行滤波处理,得到目标感兴趣区域的位置信息。在此基础上,将该位置信息投影到红外图像中获取红外图像中的目标感兴趣区域,进而在红外图像感兴趣区域内利用稀疏编码金字塔算法和支持向量机完成行人识别。实验结果表明了该算法能够有效地完成行人识别。     

基于FasterMDNet的视频目标跟踪算法

多域卷积神经网络（MDNet）算法在卷积层采用选择性搜索的方式来提取候选框，因此它没有共享完整图像特征，从而导致在线视频目标跟踪速度慢。针对这个问题，提出一种快速多域卷积神经网络（FasterMDNet）视频目标跟踪算法。FasterMDNet是建立在MDNet基础上的一种模型，在卷积层后面引入RPN（Region Proposal Network）网络，优化了损失函数，共享完整图像卷积特征，加快候选区域建议框（ROI）更高效的生成；为了更好地获得目标和背景信息表示，在RPN网络后加入ROIAlign层，对提取的候选区域建议框特征图用双线性插值方法来提高感受野的分辨率。该算法对目标跟踪基准数据集OTB2013、OTB2015、VOT2016进行了评估，并与前沿的跟踪算法做对比，实验结果证明，该算法跟踪准确率优于其他对比方法，并且对比相同实验环境下MDNet算法，在线跟踪速度提高了近12倍。     

基于改进SSR的LDCT影像增强算法

针对低剂量CT扫描(LDCT)的灰度动态范围宽、对比度差以及图像噪声增加问题,提出一种改进的LDCT影像增强算法。在对经典单尺度Retinex进行研究的基础上,论述该算法的原理和实现方法,并通过实验与改进的直方图均衡化算法以及Frackle-McCann Retinex算法、McCann99 Retinex算法进行比较。实验分析结果表明,该算法对于LDCT影像对比度增强较一般的图像增强算法具有更好的处理效果,能够满足医生临床诊断的要求。     

基于拉普拉斯非负稀疏编码的图像分类

针对复杂背景下的图像分类问题,结合非负稀疏编码和局部保持投影算法,提出一种拉普拉斯正则化非负稀疏编码算法。相比于已有的稀疏编码算法,该算法不仅能更好地模拟哺乳动物初级视觉系统主视皮层V1区简单细胞感受野的行为,同时也可使相似的特征经过编码后仍然相似,从而保证特征度量的一致性。将该算法与空间金字塔匹配模型相结合应用于图像分类,在多个图像数据库上的实验结果表明,该算法具有较高的分类精度。     

DPCM与EZW混合编码在医学图像中的应用研究

现代医疗成像设备产生了大量高价值的医学图像,如何对信息进行有效的存储、查询以及网络传输是一个亟待解决的问题。利用整数小波变换和零树编码算法对医学图像进行了压缩研究,在对嵌入零树小波编码（Embedded Zero-tree Wavelet,EZW）算法研究的基础上提出一种基于小波系数的嵌人零树小波编码算法。其主要包括：对小波图像的低频子带（LL）进行单独DPCM编码;对高频子带改变扫描方式以获得最佳编码排序,最后用游程编码（RLE）实现输出。实验结果表明,该方法是一种比较有效的编码方法。     

M-FPCA在彩色人脸图像识别中的应用

将因子化主成分分析（FPCA）算法应用于人脸图像特征提取时,需要使用迭代算法,但该算法应用于高分辨率图像时实时性较差,并且可能导致维数灾难。针对上述问题,提出一种模块化FPCA（M—FPCA）的新型特征提取方法。将原始数字图像样本进行模块化,对模块化后得到的各个子图像矩阵采用FPCA算法进行特征提取,合并子图像特征矩阵得到原图的特征矩阵。彩色图像由R、G、B3个分量来表示,根据现有彩色信息融合方法的不足,对其进行改进,并结合M—FPCA算法,提出一种彩色M—FPCA新方法。在CVL和FEl人脸库上进行的实验结果表明,M—FPCA方法能提高FPCA算法的实时性,解决维数灾难问题。彩色M—FPCA方法能有效提取彩色人脸图像的色彩信息,得到较高的人脸识别率。     

基于渗透算法和改进型OPTA的裂纹检测算法

针对低压电流互感器表面裂纹的提取与判定,提出基于渗透算法和改进型OPTA（One-Pass Thinning Algorithm）的互感器表面裂纹检测算法。首先获取互感器表面的灰度图像;其次根据裂纹区域像素值、亮度变化,通过设定种子像素点、亮度阈值,利用渗透算法渗透得到二值图;再次从裂纹连通性入手,利用改进型OPTA提取ROI（Region of Interest）的骨架,骨架由单像素点组成;最后利用裂纹具有分叉性的特点,像素点的邻域点个数超过2的即可判定为裂纹。实验表明,渗透算法能够有效地从图像中提取出ROI,并保持了ROI的线性特征,改进型OPTA使ROI完全细化为单像素图像,提出的邻域点判别法检测效率在97%以上,相较于所提其他检测方法有明显提高。     

基于动态感兴趣区域车道线分段拟合算法

提出实时视频中基于动态感兴趣区域及分段拟合的车道线的检测算法,动态调整感兴趣区域（ROI）,缩小处理空间。采用大津算法（OTSU）动态提取感兴趣区域灰度阈值,并将该值作为多梯度Sobel边缘检测中的灰度阈值以提高边缘检测精度,利用改进的并行快速细化算法骨架化边缘图像,利用基于广度优先最短路径算法去除毛刺,最后再将图像划分近景和远景区域。在不同区域,采用直线或者曲线分段拟合,提高拟合精度。模拟实验结果表明,背景不太复杂时,一帧图像处理时间约为15ms;而背景较复杂时,处理时间约为35ms,能满足实时性。     

一种新的指腕骨ROI的定位算法研究—基于k余弦和形状信息

在骨龄自动化评价的研究中,如何对指骨ROI和腕骨ROI的有效定位和成功提取是其研究的难点和急需解决的关键问题之一。在利用手指骨和腕骨形状信息的基础上,提出了用二元三次线性回归方法来拟合图像背景,从而移除图像背景;用基于k余弦的方法来定位腕骨ROI和指骨ROI的关键点,最后成功提取出腕骨ROI和指骨ROI。通过超过60例的临床骨龄X光片图像数据验证最后提取的正确率在93%以上。使用该方法不用考虑骨龄图像背景灰度值的改变、图像位置和方向的变化,因而具有极大的鲁棒性,可以直接应用到骨龄自动化评价的后续研究中。     

自适应IQA阈值序列图像NLM超分辨重建方法

序列图像超分辨率（super resolution,SR）算法可以利用多帧低分辨率图像之间的互补信息重建出一张高分辨率结果。传统非局部均值（non-local means,NLM）超分辨率重建方法的迭代次数选取和最佳SR重建结果筛选过程高度依赖使用者经验值和主观评价,这极大地增加了算法复杂度,降低了算法的鲁棒性。为了解决这两个问题,提出一种基于图像质量评价（image quality assessment,IQA）自适应阈值的NLM超分辨重建算法。通过设计一种SR重建结果质量评价指标,将该指标引入到NLM重建算法中：一方面作为阈值,用以确定算法迭代收敛条件;另一方面作为评价标准,用以筛选多个输出结果中重建效果最佳的高分辨率图像。实验结果表明,提出的算法能在有效保证鲁棒性的同时,极大地提升NLM超分辨率重建算法的运算效率。