一种基于特征块的图像拼接算法

提出一种基于基本特征块的图像拼接算法。该方法先定义边缘特征量,逐点计算各像素点邻域的边缘信息量大小,并采用局部非极大值抑制及阈值法进行排除,最终确定基本特征块;先利用基本特征块的位置信息初步估计模型参数,再提取特征点对模型参数进行修正;最后,对图像进行拼接获得更大视野更高分辨率的拼接图。实验表明,该算法运算量较小,但可保证一定的精确度,具有一定的可行性和适用性。     

一种图像自动拼接的快速算法

针对现有基于灰度级相似的图像拼接方法的缺点,提出了一种图像自动拼接的快速算法。该算法综合考虑了图像拼接的精度和速度,在基准特征块的提取上,采用简单的边缘信息阈值法,实现了基准块的自主选取,提高了图像拼接的精度;在块搜索上,采用金字塔式分层搜索策略,提高了图像拼接的速度。实验证明,该算法扩展了传统拼接算法的适用范围,具有较好的性能。     

基于轮廓特征和小波变换的图像拼接

以图像轮廓角点为特征,采用B—spline实现图像的缩放,通过模版匹配寻找拼接位置,并利用小波变换简化模版匹配算法的计算过程,提高了算法的抗噪能力。实验结果表明,该算法的运算速度和拼接效果均比较理想。     

基于小波变换的医学图像融合技术的实现

研究目的：为了对医学图像进行基于小波变换的融合。方法：首先通过学习和研究小波理论的有关知识来研究小波理论在图像融合中的应用目的和实现方法，并借助MATLAB平台，通过小波工具箱实现了图像融合，同时比较了使用这两种方法实现图像融合的效果；然后借助MATLAB中的函数，通过编程实现了图像融合算法。结果：由两幅非同源的医学图像（CT图像和MRI图像）的融合结果可见，两种方法得到的融合图像的效果一致，其对于两幅图像中同一部位相对位置偏移量小的融合效果较好，但对偏移量较大以及存在形变情况的融合则效果不好。结论：通过小波工具箱可以实现一些简单的医学图像融合，但是随着医学图像融合技术的进一步发展和医学图像的复杂度的进一步加深，尤其是对于腹部和胸部的医学图像，则要通过非刚性配准之后才能再进行融合显像，其过程更加复杂。     

基于SIFT算法的图像拼接技术研究

随着人们在生产、生活过程中对获取更加优质视觉信息的要求逐步提高,图像拼接技术成为数字图像处理领域中的热点与重点研究内容。先采用SIFT这一图像特征点检测与匹配的基础算法对图像进行特征点的粗匹配,再使用RANSAC算法对特征点进行提纯,得到最优特征点。仿真试验验证了该图像拼接技术可以提高图像的拼接效果,增强算法的鲁棒性。     

图像拼接的小波加快算法研究

本文采用有限正文小波变换方法进行图像拼接，同时，采用向量化的并行处理技术，得到了图像拼接的并行算法，并在银河机上完成了两幅图像的快速拼接。     

基于小波变换与形态学的一种边界叠图像的拼接算法

针对噪声环境下的图像拼接问题,本文给出了一种基于小波变换与数学形态学的方法。该方法首先是通过小波变换的多尺度分析提取出不同边缘方向的边缘图像,然后将其混合,利用形态学方法寻找可能的拼接物再进行拼接。     

基于双目相机的图像拼接

提出一种基于双目相机的图像拼接方法,对安放在移动机器人上不同位置的2个相机在同一时刻所拍摄到的图像进行拼接,引入自适应的非极大值抑制技术,只在图像的重叠区域进行Harris角点检测,并结合小波变换和对极几何,对图像进行快速特征匹配。在图像融合中,构造一种非线性的过渡函数,使图像重叠区域之间的过渡更平滑。实验结果表明,与传统方法相比,该方法的效率更高。     

基于特征点的图像拼接方法

提出了一种基于特征点匹配的全景图像拼接方法.该方法首先利用sift算法提取各图像中的特征点并利用Harris算法对图像特征点提取进行了优化,然后采用基于K-d树的BBF算法查找和确定初始匹配点对,完成特征点的粗匹配,再根据图像配准结果使用稳健的RANSAC算法对粗匹配的特征点进行筛选,计算出图像间变换矩阵H,最后采用渐入渐出的加权平均的融合算法对两幅图像进行无缝拼接,形成一幅完整的全景画面.实验结果验证了该方法的有效性,拼接效果较好.     

小波变换和清晰块搜索结合的图像融合算法

在基于小波变换的多聚焦图像融合中,低频系数选取决定融合图像的轮廓,同时影响融合图像的边缘细节,因此小波变换法是以损失图像的局部清晰来换取整幅图像的平均清晰;而基于空域块选择的融合方法能很好地保留利用聚焦图像的清晰部分,但是图像模糊区域效果不佳。因此提出一种新的融合算法,先对图像进行小波变换融合,之后对原图像进行清晰块搜索,进行基于清晰块选择的图像融合。实验结果表明,该算法融合结果优于单一的小波变换算法。     

基于混合优化算法和小波变换的图像配准研究

互信息被广泛地应用于图像配准,通常采用优化算法来优化互信息。提出了粒子群优化算法和单纯形法相结合的混合优化算法,该混合算法实现简单,粒子群优化算法具有极强的全局搜索能力,能够有效地跳出局部极值,而单纯形法又能够有效地 进行局部搜索,将两种方法相结合进行图像配准能大大提高配准精度。为了减少运算量,提出了利用小波变换的方法来缩小搜索范围,配准精度达到亚像素级。     

基于图像统计特征的小波变换插值方法

针对一般图像插值方法常见的两个缺点:边缘锯齿、细节模糊,提出了一种基于图像统计特征的小波变换插值方法,该方法利用图像插值前后边缘统计特征的相似性,从低分辨率图像中获取估算高分辨率图像所需的协方差矩阵和向量,保持了边缘光滑性。同时利用小波分解与重构,将图像非边缘的细节特征进行了增强。该方法无需迭代运算,计算量较小。实验结果表明了用该方法获取高分辨率图像的有效性和可行性。     

基于分块形态Haar小波变换的盲水印算法

提出了一种基于形态Haar小波变换的数字水印算法。该算法对载体图像按分块进行形态Haar小波变换,水印的嵌入和提取在子块的形态小波域中完成,每个子块嵌入水印的一个像素信息。该算法能实现水印的快速盲提取。实验证明,与分块DCT法和分块DWT法相比,算法不仅简单快速,而且大大提高了水印的不可觉察性和鲁棒性,在抵抗噪声攻击方面更有优势。     

结合平稳小波变换和形态学的图像去噪算法

图像噪声去除是否有效将直接影响后续图像处理的质量,为了在消除噪声的同时保持图像边缘细节,提出一种结合平稳小波变换及形态学处理的新算法。该算法利用平稳小波相位不变性的特点,充分考虑小波系数的层内相关性;同时结合形态学的方法对图像的边缘信息进行估计;最后通过选择性质相似的区域进行阈值去噪。实验结果表明,该方法在降低了图像噪声的同时又有较好的视觉效果。     

基于小波变换和方向向量的虹膜特征提取方法

虹膜纹理上的差异是不同虹膜相互区别的最主要原因和体现.因此,要想获得很高的虹膜识别率,就要有效地提取虹膜的纹理信息.基于二维小波变换和方向向量,提出一种新的虹膜特征提取方法.该方法的基本思想是考虑虹膜纹理的灰度变化,对于多层小波分解后的低频分量,分别求其在4个方向上的方向向量,最后形成虹膜码.测试结果表明,该方法能有效地提高虹膜的识别率,且算法简单、快速.     

基于提升小波变换和BP神经网络的图像哈希算法*

针对数字图像作为一种常用的数字多媒体信息,对其真实性和完整性的认证显得尤其重要,提出了一种基于提升小波变化和BP神经网络的图像哈希算法。首先利用图像像素矩阵和构造的函数来训练BP神经网络;再将图像进行提升小波变换,利用低频分量组成矩阵;最后利用已经训练好的BP神经网络来产生哈希序列。实验结果表明,本算法不仅可以抵抗内容保持的修改操作,而且能够很好地区分恶意攻击,有一定的鲁棒性和脆弱性。该技术在图像认证、版权保护、安全和基于内容的图像检索等方面有应用价值。     

基于小波变换的图像汉字笔划特征提取方法

借鉴仿生模式识别的认知观点,从汉字的构造机理和人类认识汉字的习惯角度出发,提出一种基于小波变换的图像汉字识别方法。制定了图像汉字笔划特征提取的具体规则,采用小波变换的方法对图像汉字边缘和笔划轮廓进行检测,通过有效提取图像汉字笔段信息,进行笔段合成,生成汉字或汉字的基本笔划。仿真实验结果表明,这种方法提高了图像汉字笔划特征提取的准确率和稳定性,对于印刷体和书写较规范的手写体图像汉字具有极高的识别率。     

基于Haar小波变换和分块DCT的人脸识别

提出一种新的基于二维离散小波分解和分块离散余弦变换的降维方法.该方法与模式识别领域中用于特征提取和降维的PCA-LDA方法进行了比较.结果表明,此方法与PCA-LDA方法在识别率上大体相当,但它比其更具有计算量小、降维速度快的优点.因此,该方法对于人脸识别是一种有效降维手段.     

非线性Contourlet变换和区域特征匹配的图像融合

针对图像融合中存在边缘轮廓表示不清晰和计算冗余度过高的问题.提出了将非线性估计Contourlet变换和图像区域特征相结合的融合算法.通过非线性估计保留Contourlet高频稀疏矩阵最重要系数频带,对低频区域、高频区域采用不同的区域特征策略进行图像融合.实验结果表明:该图像融合算法不仅可以提高图像融合的视觉效果和图像质量、而且可以去噪音,增强图像.