梯度算子对反向合成梯度算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法。与传统的反向合成图像对齐算法相比,该算法可有效地克服光照变化对匹配结果的影响[1]。由于局部指向性的计算在本质上是梯度的计算,而图像梯度的计算可以采用不同的梯度算子,因此采用4种不同的梯度算子（一阶差分算子,Roberts算子,Sobel算子和Prewitt算子）来计算局部指向性,并通过实验比较分析了4种梯度算子对反向合成梯度算法的影响。     

基于局部指向性的反向合成图像对齐算法

传统的反向合成图像对齐算法比较的是模板图像与输入图像之间的像素值。该方法容易受到图像中光照变化的影响，从而导致收敛性变差甚至发散。根据局部指向性对光照变化不敏感的特性，提出了一种新的反向合成图像对齐算法——反向合成梯度算法。由于局部指向性的计算在本质上是图像梯度的计算，因此采用几种不同的梯度算子来计算局部指向性。通过实验，验证了反向合成梯度算法能够有效克服图像中光照变化的影响，同时比较了不同算子在不同光照下对反向合成梯度算法的影响。     

基于梯度算子的蚁群图像分割算法研究

提出了一种基于梯度算子的改进蚁群图像分割算法,解决了用传统分割方法很难将目标与背景灰度值相似图像分割的难题.该算法基于经典的梯度算子图像分割,从聚类的角度出发,综合像素的灰度、梯度特征进行特征分割.蚁群算法是一种具有离散性、并行性、鲁棒性和模糊聚类能力的进化方法,通过设置不同的蚁群、聚类中心、启发式引导函数和信息激素来解决蚁群算法循环次数多,计算量大的模糊聚类问题.实验证明,该改进蚁群算法可以快速准确的分割出背景和目标灰度值极其相似图片的目标图像,是一种有效的图像分割方法.     

基于光强加权梯度算子的图像过渡区算法

本文分析了基于梯度算子的过渡区算法存在的缺陷,提出了一种基于光强加权梯度的过渡区检测方法,该方法利用过渡区的梯度信息,又利用过渡区的灰度信息,因而对噪声的适应能力在较大的提高。实验结果表明,基于光强加权梯度算子的图像过渡区算法是有效的。     

基于Sobel算子的金相图边缘提取新算法

针对传统Sobel算法存在定位不精确、提取边缘不连续等不足,提出在传统Sobel算子模板基础上增加了45°和135°两个模板,提高了边缘定位的精度;采用局部梯度均值作为阈值对梯度图像进行局部梯度筛选,然后进行边缘提取及细化。实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、边缘连续性好、噪声少等优点,在金相图片处理中有一定的实用性。     

采用多尺度掩模消除干扰的反向组合算法

反向组合算法是最有效的图像对齐算法之一,但该算法抗干扰能力差.当输入图像部分被遮挡时,图像对齐效果变差.针对该问题,我们提出一种采用多尺度掩模消除干扰的反向组合算法.该算法采用自适应的方法设置初始掩模,再通过迭代判断和逐层分块来细化初始掩模,使得掩模能准确地设置在干扰区域上.实验结果表明,该算法既保留了原反向组合算法的优点,又提高了算法抗干扰的能力,使得反向组合算法能在更复杂的环境下进行图像对齐.     

一种基于梯度的多聚焦图像融合算法

本文研究了基于梯度算子的多聚焦图像融合方法,对源图像小波变换的低频分量、高频分量分别采用加权平均、基于局部梯度算子的融合规则,并对高频分量的选择结果进行了一致性验证.实验结果证明,该方法可以获得很好的融合效果.     

基于含参量蕴涵算子的三I算法

针对王国俊教授提出的系统中的蕴涵算子给出FMP问题的三I算法、反向三I算法计算公式和FMT问题的三I算法、反向三I算法计算公式,并在此基础上提出了一定条件下的双向三I算法。     

基于快速加权梯度算子的边缘检测

在对图像进行直方图均衡化及去噪后,利用加权梯度算子进行边缘检测,并对其算法进行了改进,使其能递推运算,将计算复杂度大大降低。实验表明,该算法将每一幅图像运算时间降到2秒以内,提高了计算效率。     

一种基于边缘梯度的图像插值算法

传统图像插值算法的计算效率较低,处理后图像存在边界模糊或锯齿的现象。为此,提出一种基于边缘梯度的图像插值算法。通过Roberts边缘检测算子确定颜色分段和区间分界阈值,利用空间三点构造空间平面,并设计插值公式。实验结果表明,该算法能有效保护图像的边缘细节,提高图像缩放质量和运算效率。     

改进梯度算子的小生境遗传算法

为避免小生境遗传算法存在的早熟和收敛速度慢等问题,本文提出了一种改进的梯度算子,以保证进化朝最优解方向前进,提高计算峰值的精度。同时,利用进化代数和个体的适应度值,动态调整个体的交叉算子和变异算子,有效保证种群的多样性,改善全局搜索能力,加快收敛速度。将改进的梯度算子引入到基本小生境遗传算法和自适应小生境遗传算法,通过Shubert函数测试,证明本文改进后的算法与基本小生境遗传算法和自适应小生境遗传算法相比,不仅大大提高了收敛速度,并能搜索到所有全局最优解。     

改进的逆向组合算法在图像配准中的应用

逆向组合算法在进行图像配准时精度很高,但对模板图像在待配准图像中的初始位置敏感。针对该问题,提出一种改进的逆向组合算法,通过计算巴氏系数进行模板匹配,实现输入图像的粗定位后,应用逆向组合算法进行精确定位。实验结果证明,改进的算法对图像发生形变的情况具有较好的鲁棒性,相比原算法,配准能力更强。     

基于频域共轭梯度算法的盲目图像恢复

在分析了目前各种算法存在的一些基本问题的基础上，提出了盲目图像恢复的频域共轭梯度算法，算法假设退化系统的点扩散函数具有圆对称性，并考虑图像的频域具有复共轭对称性，在频域里建立了新的优化判据；采用共轭梯度算法搜索判据，从而在有实际物理意义的区域中收敛于最优解；对光学成像系统常见的离焦、衍射模糊问题进行了仿真；用该算法实现了其退化图像的恢复，给出并分析了结果。     

基于局部梯度的WaDi图像插值

线性插值算法容易产生细节模糊和边缘锯齿效应,为了较好地保持图像的边缘信息,改善图像的主观视觉效果,提出了一种改进的Warped Distance（WaDi）图像插值方法。传统的WaDi算法是对空间线性插值的改进,但它仅仅利用了图像边缘的局部不对称特征来计算WaDi。除了局部不对称特征,局部梯度特征也是图像边缘的一种重要特征。文中采用将局部不对称特征和局部梯度特征相结合的方法来计算WaDi,可同时保持图像边缘的细节特征和非边缘的光滑性。实验结果表明,用该方法能获得高精度的插值图像。     

基于方向信息梯度的图像模糊测度

提出了一种新的图像模糊测度方法,该方法以图像小波分解的低频系数各个方向上的信息梯度和作为图像的模糊测度,理论与实验证明该测度相对于图像的模糊程度是单调和单峰的,并且受噪声、亮度和对比度变化影响较小。     

基于梯度投影的图像盲复原算法

为了利用多帧退化图像信息快速恢复出高质量的图像,提出了一种新的递归梯度投影多帧图像盲复原算法。该算法充分利用多帧图像的先验信息,首先给出一种能够有效抑制噪声放大的新的代价函数,然后通过梯度投影算法对新的代价函数进行最小化以推导出迭代公式,最后通过频率域多次递归迭代运算对退化图像进行复原。模拟实验结果证明该算法运算快速,对于不同高斯噪声级别和不同PSF衰退的图像,均能够清晰地恢复出图像细节特征、同时也能够准确地恢复出衰退PSF。