多局部残差连接注意网络的图像去模糊

针对现有的基于卷积神经网络的图像去模糊算法存在图像纹理细节恢复不清晰的问题,提出了一种基于多局部残差连接注意网络的图像去模糊算法。首先,采用一个卷积层进行浅层特征提取;其次,设计了一种新的基于残差连接和并行注意机制的多局部残差连接注意模块,用于消除图像模糊并提取上下文信息;再次,采用一个基于扩张卷积的成对连接模块进行细节恢复;最后,利用一个卷积层重建清晰图像。实验结果表明：在GoPro数据集上的PSNR (peak signal to noise ratio)和SSIM (structure similarity)分别为31.83 dB、0.927 5,在定性和定量两方面都表明所提方法能够有效地恢复模糊图像的纹理细节,网络性能优于对比方法。     

一种基于混合人工鱼群的图像模糊增强算法

模糊隶属度函数的形式直接影响灰度图像增强的质量。为进一步改善图像模糊增强的效果,对目前的模糊隶属度函数进行研究,并提出一种改进的参数化 型模糊隶属度函数用于图像增强。所提算法利用图像对比度的质量评价模型,结合人工鱼群算法和Powell算法搜索 型函数中的未知参数值,进而确定该模糊隶属度函数。通过实验结果表明：该算法能够较好的改善灰度图像质量,并且控制参数可通过优化算法自适应获得,具有较好的通用性,是一种有效的图像模糊增强算法。     

基于最大隶属度原则的彩色图像分割方法

提出一种基于模糊最大隶属度原则的彩色图像分割方法.从彩色图像的彩色直方图中获取目标色和背景色，建立一组色彩模糊集，计算该图像中的色彩在各模糊集中的隶属度，并基于最大隶属度原则确定色彩的归属.基于上述最大隶属度的模糊模式识别原则建立了最大隶属度-径向基函数神经网络，实现了快速有效的彩色图像分割. 关键词： 最大隶属度原则 彩色图像分割 彩色直方图 神经网络     

基于压缩感知耦合梯度下降的红外-可见光图像自适应融合算法

设计了一种压缩感知耦合梯度下降的IR-VI图像自适应融合方案。引入S-函数对IR图像进行预处理,增强其对比度。利用非下采样Contourlet变换对IR与VI图像分解,分别得到低频与高频系数。对低频系数,利用自适应区域平均能量准则对其进行融合,以减少边缘模糊。对于高频部分,引入压缩感知进行稀疏采样,再采用绝对最大值选择与自适应高斯区域标准差的融合规则,通过高斯模糊隶属度建立的自适应控制融合过程,并利用基于梯度下降迭代算法来求解稀疏信号,形成高频融合系数。通过逆NSCT生成最终融合图像。实验表明,与当前流行的红外-可见光融合算法比较,所提算法具有更高的融合质量,输出图像的信息更丰富,边缘与纹理更为清晰。所提算法具有较高的融合质量,在红外、安防以及模式识别等领域具有一定的应用价值。     

基于双模糊的显微图像聚焦评价方法

针对传统聚焦评价方法难以适应显微样本复杂纹理表面及反射率不均的问题,提出了一种抗光照强度、抗反射率不均、亚微米精度的基于双模糊理论的显微图像聚焦评价方法（DB-FEM）,并研究了人工模糊有效标准差的概念,通过理论和实验找寻了较优有效标准差σ的取值。DB-FEM主要通过分析采集图像和其人为模糊图像的特征差异程度实现聚焦判断。首先对采集的层扫图像进行人为模糊处理,然后通过局部方差计算图像和其模糊图像在空域边缘信息和图像Haar小波频域信息的差异度。差异度包括空域边缘、低频纹理和高频边缘。最后将所有差异度相乘,得到基于差异度的聚焦评价曲线。实验结果表明,DB-FEM在不同光照幅值、不同表面形貌复杂度条件下均具有优良的聚焦评价性能,优于现有的空域边缘和频域模态评价方法,在单焦面检测中具有更窄的半峰全宽,在双焦面检测中具有更好的分辨能力。在物镜的放大倍数为20、数值孔径为0.65的条件下,所提方法的轴向分辨率优于0.3μm。     

基于深层残差网络的加速图像超分辨率重建

针对目前卷积神经网络的超分辨率算法存在卷积层数少、模型简单、计算量大、收敛速度慢以及图像纹理模糊等问题,提出了一种基于深层残差网络的加速图像超分辨率重建方法,该方法在提高图像分辨率的同时加快收敛速度。设计更深的卷积神经网络模型来提高精确度,通过残差学习并且使用Adam优化方法使网络模型加速收敛。在原始低分辨率图像上直接进行特征映射,只在网络的末端引入子像素卷积层,将像素进行重新排列,得到高分辨率图像。实验结果表明,在set 5,set 14,BSD100测试集上,所提算法的峰值信噪比与结构相似性指数均高于现有的几种算法,能够恢复更多的图像细节,图像边缘也更加完整且收敛速度更快。     

一种基于Log Gabor的旋转不变纹理图像检索算法

针对图像检索时的旋转问题提出一种基于Log Gabor小波的旋转不变纹理特征。依据Log Gabor分解子带的均值及方差分布并结合广义Hurst分形特征对纹理进行描述,并在各尺度上采用主方向排序的方法对方向子带特征进行调整得到旋转不变特征向量。分别采用旋转纹理库和普通纹理库进行仿真实验,结果表明算法在两种情况下都取得了较好的检索效果。此外,在相同特征类型和图像库的条件下将本算法与Gabor算法结果进行对比,实验表明本算法的检索性能明显优于Gabor算法的检索性能。     

一种新的基于纹理和空间分布特征的图像检索

提出一种新的基于纹理和空间分布特征的图像检索方法.将检索图像分块,采用平移和尺度不变小波对各图像子块进行分解,在改进的快速小波直方图算法基础上提取图像子块的小波直方图,并提取每个图像子块的小波信息熵和三阶中心距作为纹理特征.对小波信息熵和中心矩特征进行高斯归一化,并利用特征向量的欧氏距离计算图像的纹理和空间特征的相似度.基于纹理图像库和自然图像库的检索试验表明,该方法比基于快速小波直方图算法和对数极坐标变换检索算法具有较高的检索准确度.     

基于空间信息的直觉模糊C-均值图像分割算法

针对模糊C-均值聚类算法的单一隶属度不能充分描述图像不确定性,且聚类过程中忽略像素空间关系的问题,提出一种基于空间信息的直觉模糊C-均值算法;该算法选取3×3的模板计算邻域像素灰度均值;并引入权重项,来控制灰度信息和空间信息各自所占的比重,同时用犹豫度更新直觉模糊集的隶属度函数;对常用标准图像的仿真结果表明,该算法能更好地保留图像细节信息,得到更加理想的图像分割效果。     

基于模糊隶属度的图像空间距离修正插值算法

为解决传统图像插值算法存在的边缘模糊和边缘锯齿,提出了一种基于像素点模糊隶属度的图像自适应插值方法.该方法首先根据图像的梯度与相角特性,确定像素点的模糊隶属度,再根据图像的局部不对称性在一维方向上修正插值点空间距离,并将一维修正结果转化到二维图像空间,最终将修正后的空间距离应用到传统双线性插值和双立方插值中.实验结果表明,该算法改善了图像的信噪比,有效抑制了边缘锯齿和边缘模糊的发生.     

基于密集梯度生成对抗网络的偏振图像融合算法北大核心CSCD

针对单幅偏振图像在一定场景下无法提供充足信息的问题,结合强度图像和线偏振度图像的优势特征,提出一种基于密集梯度生成对抗网络的偏振图像融合算法。利用密集连接卷积网络和梯度算子构建密集梯度卷积模块,并将该模块应用在生成器中,用以增强融合图像的纹理细节;构造多尺度结构相似度和L1范数相结合的损失函数,用以提高网络的整体性能。在ZJU-RGB-P数据集进行定性比较和定量分析,实验结果表明,所提算法具有更好的主观视觉感受,同时各项评价指标均得到明显提升。     

基于纹理特征的“猫眼”效应目标识别方法

为解决目前方法在动态复杂环境下不能有效区分车灯和瞄准镜及"猫眼"效应目标识别率低的难题,提出了一种基于纹理特征的"猫眼"效应目标识别方法.首先采用列均值相减、指数高通滤波和中值滤波对差分图像进行滤波去除车灯;然后依据"猫眼"效应目标的形状特性进行判别;最后根据"猫眼"效应目标的纹理特征,构造隶属度向量,按照最大隶属度原则,采用模糊综合评判对"猫眼"效应目标进行识别.试验结果表明,与基于形状和频率双重判据的"猫眼"效应目标识别方法相比,该方法有更高的识别率和较低的虚警率.     

基于深度特征的快速人脸图像检索方法

针对计算机视觉领域的人脸图像检索问题,提出了一种基于深度特征的快速人脸图像检索方法。该方法首先使用人脸图像训练集对深度卷积神经网络模型进行人脸分类训练;在此基础上采用三元组损失方法对已训练好的人脸分类网络模型进行微调,使得网络能够更加有效地提取人脸特征构建高效的特征向量进行人脸检索初步过滤;最后,为了进一步提高系统检索性能,提出一阶段查询扩展方法对待检索人脸图像特征向量进行融合加强。在两个公用人脸数据集(CASIA-3DFaceV1和Labeled Faces in the Wild dataset)上进行详尽的实验验证,结果表明,基于深度特征的人脸图像检索方法不仅能够显著提高检索结果的准确率,而且该方法简单可靠,能够快速地实现人脸检索任务。     

基于全卷积神经网络的多尺度视网膜血管分割

提出了一种基于多尺度特征融合的全卷积神经网络的视网膜血管分割方法,无需手工设计特征和后处理过程。利用跳跃连接构建编码器-解码器结构全卷积神经网络,将高层语义信息和低层特征信息进行融合;利用残差块进一步学习细节和纹理特征;利用不同空洞率的空洞卷积构建多尺度空间金字塔池化结构,进一步扩大感受野,充分结合图像上下文信息;采用类别平衡损失函数解决正负样本不均衡问题。实验结果表明,在DRIVE(Digital Retinal Images for Vessel Extraction)和STARE (Structured Analysis of the Retina)数据集上的准确率分别为95.46%和96.84%,敏感性分别为80.53%和82.99%,特异性分别为97.67%和97.94%,受试者工作特征(ROC)曲线下的面积分别为97.71%和98.17%。所提方法相较于其他方法性能更优。     

基于偏振信息的强反射工件高光去除及视觉测量方法

搭建了一种基于反向传播神经网络与高斯分布函数的图像高光去除模型。该模型可以优化图像的特征提取及特征匹配。以高反射率金属工件表面作为实验对象,进行了边缘特征提取及视觉测量精度分析,实验结果表明,所提方法可实现0.75 mm的视觉测量精度,一定程度上验证了所提方法的可行性。     

复杂背景下钢索图像的纹理分割与边界识别

 针对复杂背景下钢索图像难以准确分割的问题,提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向,利用边缘方向密度直方图作为纹理特征,对与钢索纹理方向相应的边缘方向赋予不同权重,抑制纹理分割中背景的干扰,对钢丝绳图像进行聚类分割,采用检测平行直线的方法确定其边界,并根据算法参量对边界进行修正.在实验中,对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间,结果表明边缘方向密度直方图特征计算速度快、受背景干扰小,分割准确率高.本文方法无须预先训练,受背景干扰小,可以准确地识别出钢索并确定其边界,能满足钢丝绳视觉检测的要求.     

基于模糊集的自适应红外图像边缘锐化算法

针对红外图像边缘模糊和非均匀性噪音强的特点,提出了一种基于模糊集的自适应红外图像边缘锐化方法.针对图像边缘细节和噪音难以表示和区分的特点,分别建立噪音、弱边缘和强边缘的模糊特征隶属度函数,并且提取图像信息自适应调整隶属度函数;通过隶属度函数将图像映射到模糊特征平面,由模糊特征平面控制图像边缘锐化系数.该方法不仅能够锐化红外图像边缘,而且改善了传统边缘锐化算法对图像噪音放大的缺点,避免了对强边缘的过渡增强导致图像出现过增强现象,改善了图像质量.     

基于形态矩阵的图像模糊匹配方法

将模糊匹配方法与形态矩阵方法相结合，构造了形态矩阵模糊匹配关系的隶属函数，并给出 了形态矩阵的模糊匹配判据，用以比较图像的形态特征. 分析和实验结果表明，采用该方法 对图像进行匹配分析时，能够对图像进行更有效的检索. 关键词： 模糊匹配 隶属函数 形态矩阵的模糊匹配     

基于分维特征和反向传播神经网络的自然纹理识别

提出一种利用分维特征, 即自然纹理的自相似性进行纹理识别的研究。利用原始图像、高灰度图像、低灰度图像、四个方向（０°, ４５°, ９０°, １３５°）的梯度图像及二阶多分维共八个分维数作为特征值; 分维的计算采用改进的盒子计数法（ＭＢＣＭ）; 最后利用反向传播（ＢＰ）神经网络进行纹理的分类识别。实验结果与其它技术进行了比较, 并提出利用维纳滤波进一步改进分类性能。     

基于模糊支持向量机的高光谱图像分类

常规支持向量机应用到高光谱图像分类中有较好的分类效果,但它对训练样本内部的噪声和孤立点特别敏感,在一定程度上影响了支持向量机的分类性能,针对该问题,引入了模糊支持向量机(FSVM),并且利用灰色关联分析代替模糊隶属度的求解,将这种基于灰色关联分析的模糊支持向量机与一对多算法相结合,解决了多类高光谱图像分类问题。HYDICE高光谱图像分类结果表明,噪声和孤立点训练样本对支持向量机的影响得到了有效地抑制,相比于常规支持向量机方法,分类精度得到了明显的提高。