基于目标区域定位和特征融合的图像检索算法

提出了一种新的基于局部特征点的图像检索算法。首先将彩色图像转换成灰度图像,并利用Harris算子对灰度图像进行"角点"检测,根据"角点"的分布确定目标区域,然后在彩色图像目标区域中提取图像的颜色特征和空间特征表述图像内容。实验证明,该算法在查准率和查全率上要优于基于全局特征的算法。     

基于SIFT字典学习的引导滤波多聚焦图像融合

目前多数多聚焦图像融合算法仅仅针对解决某一类问题,如融合结果的局部细节保留能力差、空间连续性不足和对未配准的源图像鲁棒性差等.为能够同时解决以上问题,提出了一种基于SIFT字典学习的引导滤波多聚焦图像融合算法.该算法通过学习子字典克服了图像低秩表示具有全局性而局部细节描述不足的缺陷,同时子字典的分类利用图像SIFT特征的平移不变、尺度不变等特性,消除了未配准源图像融合结果出现伪影的现象.此外,在源图像的低秩表示系数融合过程中引入引导滤波,增加了融合图像的空间连续性.引导滤波的窗口大小是根据特征内容和非特征内容进行自适应选取,即属于特征内容的点选取较小的窗口,而属于非特征内容的点选取较大的窗口.为验证算法的有效性,实验过程中选取6组数据,包括3组广泛应用于研究的多聚焦图像以及3组实际拍摄的多聚焦图像.实验结果表明,该算法从主观视觉效果的定性分析和客观融合质量评价的定量分析都优于当前主流的多聚焦图像融合算法.     

基于亮度分区的显微镜灰度图像彩色化算法的研究

电子显微镜下细胞成像为灰度图像,不便于观察和研究,由此提出一种电子显微镜下灰度图像的彩色化算法。对彩色和灰度图像的亮度直方图分别进行高次B样条最小二乘曲线拟合,对拟合的曲线分别求取极值点,通过自动地将彩色图像和灰度图像的极值点的个数调整一致,以此作为图像的分区,利用带有权重的颜色迁移算法进行分区映射实现灰度图像的彩色化。实验结果证明,此方法取得了较好的色彩效果。     

基于像素相关性的灰度图像上色算法

考虑到一幅图像的空间邻域像素在亮度及色彩上存在着极大的相关性,设计了一种新的搜索方法对灰度图像进行彩色化.首先在灰度图像中按照空间位置恒定步长递增的方式选取部分像素,并采取全局最优搜索参考样本对其上色,剩余像素的上色是通过局部最优搜索其邻域像素的方式实现的.本算法在得到较好图像上色品质的前提下,极大地加速了灰度图像的彩色化过程,保证了上色后图像颜色在空间上的连续性.为了避免通道耦合,灰度图像和参考彩色图像间的颜色传递在各通道相关性极小的lαβ颜色空间进行.     

基于亮度分区的显微镜灰度图像彩色化算法的研究

电子显微镜下细胞成像为灰度图像,不便于观察和研究,由此提出一种电子显微镜下灰度图像的彩色化算法。对彩色和灰度图像的亮度直方图分别进行高次B样条最小二乘曲线拟合,对拟合的曲线分别求取极值点,通过自动地将彩色图像和灰度图像的极值点的个数调整一致,以此作为图像的分区,利用带有权重的颜色迁移算法进行分区映射实现灰度图像的彩色化。实验结果证明,此方法取得了较好的色彩效果。     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

基于多样字典理论与多尺度距离度量的彩色图像检索

针对在图像检索中因色彩因素导致的相关算法正确率低、稳定性差等问题,提出了一种多样字典理论与多尺度距离度量的彩色图像检索算法.首先,对输入图像进行量化,将其转换为一维字符串形式;其次,采用多样字典统计对图像视觉模式编码,并计算编码后的图像特征值;最后,给出多尺度距离的相似度量准则,并根据该准则对查询图像与数据库图像的特征值进行处理,寻找与其匹配的特征图像.实验结果表明:本文所提出的算法在查准率与查全率上要优于当前流行的检索方法,其对彩色图像的检索精度和稳定性也有了明显提高,因此具有较好的应用价值.     

方向字典子图的初始邻域嵌入重构

邻域嵌入超分辨率重构算法在空间邻域选取过程中,细节特征易被大幅度特征分量淹没,为此,提出了基于方向字典子图的初始邻域嵌入重构算法.对输入图像及邻域利用方向字典进行稀疏分解,从大、小幅值表示系数中分别重构大、小幅度特征子图,保护邻域计算中的小幅度特征;同时,为降低多子图重构的运算量,通过随机森林机制,将输入图像在分类树森林中对应叶子节点图像子库的并集作为初始邻域,减小实际参与运算的图像库大小.实验结果表明,相对于邻域嵌入超分辨率算法,基于方向字典子图的初始邻域嵌入重构的峰值信噪比值平均提升了1.0959 dB,有效改善了重构效果;重构时间仅为邻域嵌入超分辨率的13.3%,降低了重构复杂度.     

彩色图像分割在视频跟踪系统中的应用研究

在视频跟踪系统中,图像分割是进行跟踪的前期处理。只有在视频序列图像中有效的分割出运动目标,才能实现后续对目标的准确跟踪。提出一种混合算法,将一种基于灰度直方图的阈值化分割算法应用到了HSI颜色空间上,利用H进行阈值化,在阈值化之前,先根据R、G、B值对像素进行了筛选;文章应用董立菊等人提出的-种基于RGB空间的K均值聚类算法、一种基于灰度直方图的阈值化算法和混合算法,以目标颜色为特征,对彩色图像进行了分割;针对特定的视频跟踪系统,对各结果进行了比较,得出了结论,找出了较优算法——混合算法效果较理想,能够较有效的分割目标,为后续跟踪工作做好了前期处理工作。     

结合梯度与彩色直方图的人头识别

提出了结合图像灰度梯度信息和彩色直方图信息的人头识别算法.该算法中:灰度梯度信息可以排除背景图像中的颜色干扰,彩色直方图信息可以适应识别目标的形状变化和背景中的纹理对识别目标的影响.对2种算法的结果进行规一化处理,实现两者的相互补充.最后通过实验证明了该算法的有效性.     

一种基于互信息与梯度的图像精确配准方法

提出一种利用基于梯度加权的灰度归一化互信息相似性测度,并采用凹函数递减的权衡比重的粒子群优化算法作为搜索策略的多模图像精确配准方法。传统的基于灰度互信息配准方法往往只考虑灰度相关性,忽略或不当引入图像空间特征信息,配准容易陷入局部极值,从而出现误配。将灰度与梯度特征有效融合,即梯度加权到灰度互信息中,同时考虑了2幅图像的灰度统计相关性和图像空间特征信息,提高了多模图像配准的精度与稳定性。通过对遥感图像的拟配准与MR-PET医学图像的实际配准,证明了该方法效果良好,算法稳定,配准的准确率和参数精度都得到明显的提高。     

Julia集与分形图像压缩编码的分析与改进

目的通过对Julia图像块分形压缩字典的分析与分类。实现对分形压缩字典的精简，提高分形压缩效果和减少分形压缩时间．方法基于固定的C在复平面上进行迭代得到Julia集，利用量化表量化得到Julia图像块，将所得Julia图像块数据导入到Excel表中，利用Excel的统计功能进行分析并根据均值、方差等特征值进行分类．结果精简了图像块约13000块，并通过分类方法使压缩时间减少到原来的1／3．结论通过对参数C的研究可以提高Julia图像块分形压缩字典的质量．减少编解码的时间．     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.     

基于灰度等间距密度均衡的红外图像增强算法

针对红外图像具有高背景,低反差的特点,提出了一种基于灰度级等间距密度均衡的红外图象自适应增强方法。该方法以图像灰度相关理论为基础,采用窗口递推的方式,自适应地选择直方图窗口,获得高低阈值,再通过灰度线性变换及灰度级等间距密度均衡,增大图像灰度动态范围,获得细节丰富灰度连续的图像。理论分析和实验结果均表明,该算法克服了平台直方图均衡引起的灰度断层现象,有效地增强了红外图像的对比度,提高了图像质量。     

投影算法与块匹配法结合的实时数字稳像方法

为了实时地稳定摄像系统的输出视频，特别是图像序列中存在运动物体的视频，提出了一种稳像方法.首先用灰度投影算法对图像序列进行粗匹配；然后用块匹配法在粗匹配的基础上进行精确匹配；最后将两次匹配得到的运动矢量相加得到最后的运动矢量，补偿图像序列的运动.进行匹配的小块是根据参考帧的拉普拉斯变换选取的.对实时稳像实验结果的定量分析和评价表明，该方法切实可行，并具有速度快、精度高的特点.     

一种新的红外弱小运动目标检测算法

为检测强杂波背景中的红外弱小运动目标,提出一种基于Power-Law检测器的目标检测新方法．利用图像中弱小目标经过时像素点灰度值有起伏变化这一特点,将其看作是一种弱瞬态信号,利用Power-Law检测器对瞬态信号良好的检测性能,实现对弱小运动目标的检测．仿真结果表明该算法能够可靠地检测出信杂比(SCR)大于1的弱小运动目标．     

基于残差字典学习的图像超分辨率重建方法

为了提高图像重建质量,在保留图像空间结构信息的同时恢复更多图像高频信息,提出一种基于二维可分离字典和残差字典的图像超分辨率重建方法.不同于传统的基于一维字典的超分辨重建方法,二维字典直接利用图像的二维矩阵表示,因此,可以保持图像的空间结构信息,减少字典参数的数量,节省存储空间.为了更好地恢复图像高频信息,在二维可分离字典重建图像基础上,引入残差字典,重建边缘等高频信息,两类字典各有侧重,二者结合可得到更高质量的超分辨率重建图像.在典型的公共图像集上的实验证明了提出的结合二维可分离字典和残差字典的图像超分辨重建方法的有效性和优越性.     

基于小波包变换的岩心图像压缩算法研究

由于特殊的地质环境和复杂的地质变迁,岩心图像普遍具有纹理丰富,边缘复杂的特点,较自然图像有很大差别。岩心图像采集过程中如果采用目前通用的压缩算法,会导致在低比特率下图像失真严重,不利于分析和识别。本文提出基于小波包的岩心图像压缩算法,首先采用基于熵的最优基选择算法对岩心图像进行小波包分解,在分解后的小波包子带结构上选择最优的码块尺寸采用JPEG2000编码。实验结果表明该算法获得的PSNR高于标准JPEG2000算法,并且纹理区域具有更好的主观视觉效果。