样条尺度空间与Canny算子结合的弱边缘检测算法研究

由于在单一尺度空间中,边缘检测算子不可能正确地检测出所有满足实际需要的边缘,提出B-spline算子与Canny算子结合的边缘检测算法,首先用B-spline算子对图像进行多尺度空间处理,然后用Canny算子进行边缘检测,给出了尺度空间的计算过程和实例,并以实拍复杂背景条件下红外机场跑道为边缘检测实验对象,通过实验,将该算法与经典算法相比较,证实该算法在检测物体弱边缘、消除边缘误检测及提高算法效率方面具有优势。     

无人机航拍图像配准算法研究

针对无人机航拍图像对尺度变化不明显的问题,在经典SIFT特征匹配算法的基础上,提出了一种改进的CS-SIFT特征匹配算法．该算法通过建立S层金字塔,达到降低多尺度空间和减少特征点数量的目的．在特征向量的匹配中,利用准欧氏距离替代常用欧氏距离,并通过极限几何约束,消除部分错误配准点对,进一步提高特征匹配效率．Matlab仿真结果表明,改进后的算法具有较高的匹配精度和较少的匹配时间,适用于对实时性要求较高的无人机航拍系统．     

Iterative Regularization and Nonlinear Inverse Scale Space in Curvelet-type Decomposition Spaces

In this paper we generalize the iterative regularization method and the inverse scale space method, recently developed for wavelet-based image restoration, to curvelet-type decomposition spaces setting. We obtain the result that minimzer of the new model can be derived as curvelet firm shrinkage with curvelet-type weight, which is dynamically changing in the iteration（CDS-IRM）. And we obtain a new class of nonlinear inverse scale spaces flow which is dependent on Curvelet-type decomposition scale and smooth order（CDS-ISS）. Numerical experiments indi- cate that the proposed methods are very eflClcient for de- noising.     

高密度城市的多尺度空间防疫体系建构思考

自城市诞生以来,与疾病和灾害的斗争,一直都是城市规划建设提升的主要动因之一,尤其在当代社会人口、信息、经济等高频交互的背景下,高密度城市成为疫病快速传播影响的重要因素。本文阐述了新世纪全球疫病在高密度城市传播的特征和我国城市防疫中的城市规划建设问题,提出建构包括城市-社区-建筑的多尺度空间防疫体系,并以综合大数据的智能化平台监控、反演和预警疫病爆发与传播情况。     

基于双边滤波的Harris角点检测

角点是图像重要的特征之一。角点检测在图像处理和计算机视觉中起着重要的作用。原始的Harris角点检测不具有尺度不变性且常常将噪声作为角点,为了解决此问题,结合尺度空间理论和双边滤波的思想,对原始的Harris算法进行了改进。改进的算法加入高斯核,让算法具有尺度性,加入双边滤波,对检测的对象去噪保边,提高了检测精度。利用该算法,也可以快速准确地自动实现了对一定区域的棋盘格角点检测与提取。实验证明,该改进算法有较高的检测精度、准确率和稳定性,达到了预期的效果。     

基于高斯尺度空间GHT的绝缘子红外图像识别方法

绝缘子作为输电线路中用量庞大的部件,其状态对输电线路的稳定运行至关重要。针对现场红外图像中绝缘子的识别问题,设计了一种高斯尺度空间GHT方法,基于此,提出了一种基于高斯尺度空间GHT的绝缘子红外图像的识别方法。首先利用形态学方法滤除图像中的小块和噪音,基于Canny检测算子提取图像边缘;然后对模板进行高斯尺度空间分解,将分解结果和输入图像进行基于GHT的模板匹配;最后结合绝缘子的形状特征值识别出绝缘子。实验结果表明该方法可以准确地识别出绝缘子,并为后期绝缘子的故障诊断提供依据。     

电力市场环境下电价区域划分问题的尺度空间层次聚类算法

在实际的电力市场运营中,准确、合理地划分电价区域是提供正确电价的前提和保证.为了实现准确的电价区域划分,作者以节点注入功率对阻塞线路传输功率的灵敏度系数作为节点电价的特征量,借助模拟人类视觉系统的尺度空间理论,提出了一种基于尺度空间层次聚类的电价区域划分方法,在无需事先设定任何区域划分信息的情况下实现了准确、合理的电价区域划分.以IEEE118节点系统为例验证了该方法的有效性和可行性.     

结合稀疏表示和均值偏移的运动目标跟踪算法

为了当出现目标尺度变化、方向变化、环境光照变化、目标部分遮挡等问题时,使得视觉跟踪算法具有更好的鲁棒性,提出一种结合稀疏编码和空间金字塔模型以及均值漂移的算法。首先扩展经典Meanshift算法使它不仅估计位置空间变化,还估计方向和尺度空间的变化。然后加入像素密度块采样技术和琐碎模板设计方案使直方图匹配更加准确,有效克服光照变化。最后取代原有算法中要么使用整体表示要么使用局部表示目标特征的方法,使得空间金字塔模型与两种表示方法相结合,有效解决目标遮挡等问题。实验表明,该算法实验结果明显优于同类算法,能很好地解决目标尺度变化、环境光照变化、目标部分遮挡等问题。     

超分辨重建图像质量评价算法

超分辨率图像重建技术可以提高图像分辨率,但是通常会给图像带来相应的尺寸变化,如何评价质量提升是个难题。目前常用的图像质量评价算法很少涉及图像的尺寸变化。基于结构相似度（SSIM）和尺度空间理论（SIFT）,提出了一种针对超分辨率重建图像的弱参考质量评价算法,算法将SSIM与SIFT融合,能够适用图像尺寸的变化。通过仿真和实验证明了该算法的有效性。实验结果表明,该算法能够很好地适应图像尺寸的变化,可以客观地评价超分辨重建图像质量的好坏。     

基于局部不变特征点数据集的目标跟踪算法

现有的基于特征点的跟踪方法不能准确估计目标状态,构建多参数动态更新的局部不变特征点数据集,依据自动特征尺度提取理论,利用目标上的特征点尺度变化估计目标大小变化,利用特征点主方向变化估计目标方向旋转;采用相对于目标中心的坐标描述特征点位置,利用目标大小和方向旋转信息校正该坐标并进行目标中心重建;特征点匹配时不仅要求描述符相似,还要求校正后的空间位置一致,可有效去除误匹配。实验证明,所提算法在动、静摄像平台下均适用,能准确定位目标、跟踪其尺度和方向变化,遮挡时也能正确估计目标状态。