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。     

噪声对基于不同梯度算子的ICG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,能有效克服光照变化对匹配结果准确性的影响。局部指向性的计算在本质上是梯度的计算,可以用不同的梯度算子求解。该文采用4种梯度算子计算局部指向性,通过给输入图像和模板图像中加入噪声模拟实际图像,研究了噪声对基于4种梯度算子的反向合成梯度算法的影响。     

马尔科夫随机场化的光照一致图像合成方法

针对图像合成中源图像与目标图像光照环境不一致造成直接合成图像不逼真的问题,提出一种基于马尔科夫随机场的光照一致图像合成方法.首先基于加权的泊松克隆方法构建梯度保持的光滑约束,削弱传统的泊松克隆方法在合成边界源图像和目标图像光照差异变化剧烈时产生的渗透效应;然后基于直方图对齐的方法构建光照一致的数据约束,保持合成图像前、背景亮度主轴的一致性;最后根据合成边界源图像的边缘特性以及源图像和目标图像光照差异变化的剧烈程度自适应地调整2项约束的权重,并采用融合局部和全局一致性的学习算法对构建的马尔科夫随机场函数进行快速求解.实验结果表明,该方法产生的合成效果在梯度特征保持方面以及亮度一致性方面均优于传统的泊松克隆方法,同时收敛速度得到了提高.     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容，讨论了经典的边缘检测算子算法，该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用，其基本原理是基于利用结构元素去探测图像；在讨论常见数学形态学梯度的基础上，提出了一种基于形态学梯度的图像边缘检测算法，应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明，该算法在含噪图像中能得到较为理想的图像边缘信息，其抗噪声性能明显地优于经典的算子检测算法，在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于多尺度形态梯度的灰度图像边缘检测

研究了一种基于多尺度抗噪型形态梯度的灰度图像边缘检测算法。该算法通过构造5个不同的结构元素,结合多尺度合成对图像进行边缘检测。为验证本文算法的效果,用几种传统的微分算子对实验图像进行了边缘提取的实验,并把结果与用本文算法提取的结果进行了比较。结果表明:本文算法比较成功地完成了图像的边缘检测,且检测效果在完整性和细节的丰富性方面优于经典的Sobel算子,LOG算子和Canny算子,但在某些边缘的连接性和平滑性方面不如Canny算子,在这方面还有待改进。     

基于梯度相关图的光照不变图像检索算法

针对现有图像光照不变特征提取算法存在特征矢量尺寸较大,且对于场景的尺度、平移及视角等变化鲁棒性较差的缺点,提出将相关图算法与光照不变导m1m2m3相结合的基于梯度相关图的特征提取算法。算法首先计算图像的光照不变导,去除光照对图像的影响,然后提取光照不变导梯度图像的相关图特征作为特征索引。实验结果表明该梯度相关图算法在存在光照影响时对图像的检索性能优于以往常用算法,且对于场景的尺度、平移、视角等变化具有很好的鲁棒性。     

AAM反向合成匹配算法及其性能分析

介绍了一种基于反向合成图像对齐算法的AAM匹配算法。首先对反向合成算法的内容及其在AAM匹配过程中需要注意的问题进行了阐述,然后通过实验,分别应用反向合成算法和原始AAM匹配算法对一定数量的图像进行匹配,验证了反向合成算法的有效性。     

基于相对梯度的人脸识别方法

在原始相对梯度算子的基础上,提出一种新的相对梯度算子,并将它与二维主成分分析（2DPCA）或者二维Fisher线性判别分析（2DFLD）相结合,形成一种基于改进相对梯度算子的人脸识别算法。在AR库和Yale_B库上的实验表明,基于改进相对梯度算子的人脸识别算法对人脸图像的光照、表情等变化均具有较好的鲁棒性,识别准确率明显高于只用2DPCA或2DFLD进行特征抽取的人脸识别方法,以及基于原始相对梯度算子的人脸识别算法。同时采用三种不同大小的窗口分别进行实验,实验结果证明,当窗口大小为3×3时,识别效果相对最好。     

一种改进的数字图像清晰度评价函数研究

图像自动聚焦时，由于噪声和不同光照条件影响图像质量，实时评价图像清晰度效果较差。本文比较了能量梯度函数、频谱函数、灰度熵函数、灰度变化函数评价图像清晰度的优劣，提出了一种改进的能量梯度闽值方法评价图像清晰度，建立了数学模型，并给出了三种不同物体的数字图像聚焦重复精度的试验结果和分析。试验结果表明：实时评价图像清晰度该方法速度快，计算量小，信噪比高，可靠性好，聚焦重复精度高。     

基于区域检测算法与不变矩特征的飞机特征提取方法研究

为了克服现有算法处理结果易受影像获取时光照、视角变化的影响,提出一种结合Harris-Laplace特征区域检测算法与梯度仿射不变矩特征描述子的飞机自动识别方法。首先,采用Harris-Laplace算子检测图像中飞机目标特征区域,在此基础上,采用梯度仿射不变矩,更形象地描述目标特征区域内的仿射变换特性,利用特征区域内的梯度仿射不变子作为飞机目标识别的特征向量用于目标识别。实验结果验证了该算法的稳健性及高效性。     

Groupwise geometric and photometric direct image registration

Image registration consists in estimating geometric and photometric transformations that align two images as best as possible. The direct approach consists in minimizing the discrepancy in the intensity or color of the pixels. The inverse compositional algorithm has been recently proposed by Baker et al. for the direct estimation of groupwise geometric transformations. It is efficient in that it performs several computationally expensive calculations at a pre-computation phase. Photometric transformations act on the value of the pixels. They account for effects such as lighting change. Jointly estimating geometric and photometric transformations is thus important for many tasks such as image mosaicing. We propose an algorithm to jointly estimate groupwise geometric and photometric transformations while preserving the efficient pre-computation based design of the original inverse compositional algorithm. It is called the dual inverse compositional algorithm. It uses different approximations than the simultaneous inverse compositional algorithm and handles groupwise geometric and global photometric transformations. Its name stems from the fact that it uses an inverse compositional update rule for both the geometric and the photometric transformations. We demonstrate the proposed algorithm and compare it to previous ones on simulated and real data. This shows clear improvements in computational efficiency and in terms of convergence.     

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。     

Extracting Straight Lines

This paper presents a new approach to the extraction of straight lines in intensity images. Pixels are grouped into line-support regions of similar gradient orientation, and then the structure of the associated intensity surface is used to determine the location and properties of the edge. The resulting regions and extracted edge parameters form a low-level representation of the intensity variations in the image that can be used for a variety of purposes. The algorithm appears to be more effective than previous techniques for two key reasons: 1) the gradient orientation (rather than gradient magnitude) is used as the initial organizing criterion prior to the extraction of straight lines, and 2) the global context of the intensity variations associated with a straight line is determined prior to any local decisions about participating edge elements.     

一种计算图象形态梯度的多尺度算法

分水岭变换是一种非常适用于图象分割的形态算子,然而,基于分水岭变换的图象分割方法,其性能在很大程度上依赖于用来计算待分割图象梯度的算法。为了高效地进行分水岭变换,提出了一种计算图象形态梯度的多尺度算法,从而对阶跃边缘和“模糊”边缘进行了有效的处理,此外,还提出了一种去除因噪声或量化误差造成的局部“谷底”的算法,实验结果表明,图象采用本文算法处理后,再进行分水岭变换,即使不进行区域合并,也能产生有意义的分割,因而极大地减轻了计算负担。     

基于方向梯度局部方差的分层遥感图像融合

为了充分利用各种遥感图像的信息．本文对以往图像融合技术进行了简要的概述，分析了各种方法的优缺点．给出了一种新的基于方向梯度局部方差的金字塔图像融合方法。将各源图像进行金字塔分解，得到多分辨率描述．建立方向梯度金字塔．采用局部方差准则融合源图像的各分解层．再进行金字塔分解的逆变换，得到融合图像。此外．利用信息熵等准则和其他融合方法进行比较．实验结果表明用此方法能得到更好的融合效果。     

New MCT-based face recognition under varying lighting conditions

This paper presents a new face recognition algorithm that is insensitive to variations in lighting conditions. In the proposed algorithm, the MCT (Modified Census Transform) was embedded to extract the local facial features that are invariant under illumination changes. In this study, we also employed an appearance-based method to incorporate both local and global features. First, input facial images are transformed by the MCT and a bit string from the MCT is converted to a decimal number to generate an MCT domain image. This domain image is recognized using principle component analysis (PCA) or linear discriminate analysis (LDA). Experimental results reveal that the recognition rate of the proposed approach is better than that of conventional appearance-based algorithms by approximately 20% for the Yale B database, in the case of severe variations in illumination conditions. We also found that the proposed algorithm yields better performance for the Yale database for various face expressions, eye-wear, and lighting conditions.     

Extracting image orientation feature by using integration operator

This paper presents an orientation operator to extract image local orientation features. We show that a proper employment of image integration leads to an unbiased orientation estimate, based on which an orientation operator is proposed. The resulting discrete operator has flexibility in the scale selection as the scale change does not violate the bias minimization criteria. An analytical formula is developed to compare orientation biases of various discrete operators. The proposed operator shows lower bias than eight well-known gradient operators. Experiments further demonstrate higher orientation accuracy of the proposed operator than these gradient operators.     

融合水平梯度与局部信息强度的掌纹识别算法

掌纹纹线特征是掌纹最有效的特征.由于在采集掌纹时不可避免地会产生尺度不一致、细微的旋转或平移等问题,使得准确地提取以及描述纹线特征成为掌纹识别的一大难点.针对这一问题,提出了一种融合水平梯度与局部信息强度的掌纹识别算法(Horizontal Gradient-Local Information Intensity,HG-LII).首先,使用不同的均值滤波模板消除细小、不规则、不稳定的掌纹纹线特征,对处理后的图像使用水平梯度算子得到水平方向的梯度图像,并进行二值化;其次使用分块思想计算掌纹纹线的信息强度,并将其作为特征向量;最后采用卡方距离进行匹配,判断掌纹所属类别.在PolyU掌纹库上的实验结果表明,该算法识别率达到99.89％,与传统的提取纹线算法相比,识别率有明显的提高,表明了该算法的有效性.