同态滤波在图像角点提取中的应用

针对图像分割中角点提取对图像增强的要求，探讨了同态滤波图像增强技术，研究了同态滤波在频域中的实现方法，同时探讨了其在时域中的对应形式，并且实现了基于小波变换的同态滤波。通过实验验证了算法的有效性，给出了实验分析和结论。实验结果表明，对图像采取同态滤波增强方法，可以增强图像角点提取的准确性。     

基于B样条的改进型Harris角点检测算法*

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法。实验表明,该方法对提取角点非常有效。     

基于B样条的改进型Harris角点检测算法

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法.实验表明,该方法对提取角点非常有效.     

基于二维Gabor小波变换的角点匹配算法

图像配准研究的核心问题在于提高配准的速度和精度,而图像配准的结果主要取决于特征的匹配精度。为了提高特征匹配精度,本文提出了一种基于二维Gabor小波变换的角点匹配算法。该算法首先采用改进的Harris角点检测方法提取角点,得到角点位置的坐标,利用多个二维Gabor小波模板对参考图像和待配准图像进行滤波,从滤波图像中提取角点坐标处的复Gabor小波系数,并以此作为角点的特征描述,然后引入两种相似性度量因子对角点进行匹配。通过对不同图像进行大量的实验,该算法在选择合适的参数,同时采用最长公共子序列度量因子的情况下,能成功提取较多的同名点对,并且能够取得较高的匹配率。     

面向图像角点特征取证的人工智能检测仿真

角点是展现局部图像特征的关键要素,但传统图像角点特征取证检测方法精度低,无法有效的解决角点特征图像中模糊、缺失等问题。为此,对面向图像角点特征取证的人工智能检测进行研究。通过在不同干扰情况下对图像做简化处理,完成特征取证。采用掩模平滑方法将提取出图像角点做增强处理,最后利用人工智能中链码和与差算法对图像做检测。结果表明,面向图像角点特征取证的人工智能检测精准度较高,可以有删除假图像角点,使用结果更贴近真实情况,具有较高鲁棒性。     

基于B样条多分辨率表示的一种数字水印方法

本文根据B样条多分辨率表示的特点提出了一种盲数字水印方法,把原图像做二次小波分解,在低频子图像上用Harris特征点检测算法选取特征点,在以特征点为圆心的同心圆上选点的灰度值作为控制顶点建立B样条曲线,对B样条曲线做多分辨率分解,在低分辨率系数中嵌入水印。由于小波分解后选特征点以及Harris特征点具有几何变换不变性,试验表明该方法对JPEG压缩、缩放、旋转、平移、剪切、滤波等具有较强的抵抗力。     

角点测度在月球表面多光谱图像融合中的应用

根据Harris角点检测原理,提出角点测度的概念,并以角点测度响应值作为高频图像融合系数的选择依据,进而提出基于图像冗余小波域的角点测度重要中心系数算法。算法首先利用冗余小波变换把多光谱图像分解成小波平面和相似平面,然后利用角点测度响应函数来估计小波平面的角点测度,用基于角点测度响应值的重要中心系数融合规则融合小波平面。对相似平面则采取加权平均的融合规则,最后通过冗余小波逆变换得到融合图像。在实验中,用Clementine月球表面多光谱数据和SPOT5多光谱数据验证了算法的有效性,并和其他方法做了比较,除了基于视觉的主观比较以外,还引入了标准差、熵、清晰度和相关系数等客观评价指标对融合结果进行评价,结果表明,算法有效地保持了原图像的细节特征,如边缘、角点等。     

雾天监控视频图像Harris角点检测

对监控视频图像研究发现,退化的视频图像在角点提取时,出现角点数量少,甚至检测不到角点的情况,对后续图像分析造成困难。通过对雾天拍摄的视频图像分析,采用改进的直方图均衡化预处理算法,对雾天图像进行局部增强处理,在高斯滤波去除噪声的基础上进行Harris角点检测。试验结果表明,通过改进的直方图均衡化处理雾天视频图像,对图像的增强效果好,解决了角点数量少的情况。     

基于小波变换的运动目标特征提取

本文研究的目的就是针对飞机、车辆等运动目标,如何提取角点特征.提出了一种基于小波变换的特征提取方法,充分利用了双正交小波的多尺度特性、对称性、正则性的优点,作者选取了角点这一重要的局部特征作为研究对象,并以曲率为出发点,结合基于灰度图像和边缘图像的角点检测方法提取角点,最后与其他方法提取的角点进行了比对.实验表明,这种方法的稳定性较强、算法简单,在同等运算量的情况下提高了角点的准确性.     

基于a'trous小波分解的图像边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起重要作用。本文对小波变换进行了研究,并且分析了小波变换提取图像边缘的原理。为了高质量地进行图像边缘检测,提出了一种基于二阶B样条小波变换的多孔算法提取图像边缘。算法利用B样条小波对图像函数进行小波变换,提取图像边缘,并采用多孔算法防止图像信息丢失。实验结果表明,和传统的边缘检测算法相比,在边缘精度和噪声抑制方面,该算法是有效的。     

结合小波融合和插值的多幅图像超分辨率复原

超分辨率复原的目的就是由多幅低分辨率降质图像来估计一幅高分辨率图像,以此消除由有限检测器尺寸和光学元件产生的模糊和噪声,增加图像细节.采用基于小波域的图像融合和插值相结合的算法.先对原始图像进行小波三次样条插值,然后对插值后的图像做小波融和,如果结果未能达到要求那么就增加小波融和的分解层数,直至得到满意的高分辨率图像.方法充分利用了图像问的补充信息,使复原图像更接近实际拍摄的高分辨率图像.不仅信噪比优于仅使用小波插值的方法,而且具有很好的主观视觉效果,仿真实验表明这种方法可行,有效.     

基于变分和小波变换的图像放大算法

为了更好地放大图像,利用小波变换的思想,提出了一种变分和小波变换相结合的图像放大算法.该算法的思想是先构造一个用Besov范数估计图像正则性的变分泛函,然后在小波域中最小化变分泛函得到放大图像.小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像,而且小波的引入使得文中新算法具有运行时间短、速度快的特点.与传统的插值放大图像不同,该算法是用变分的思想进行图像放大.理论分析和实验仿真表明,该算法能达到和样条插值同样的放大效果.     

分数阶B样条小波域的图像变分去噪

分数阶B样条具有分数阶逼近,可以更好地刻画图像纹理部分。将分数阶B样条小波推广到二维领域,利用分数阶B样条小波进行图像阈值去噪,提出了分数阶B样条小波域图像去噪的变分模型。同传统小波函数与全变差结合模型比较,分数阶B样条小波在保持纹理和去噪方面得到了明显改进。     

基于小波域分形编码的图像插值

传统的图像插值方案(包括最近邻插值、双线性插值和B样条插值等),大多是基于图像分块的光滑连续模型。由于该模型不能很好地描述自然图像的特点,因此插值得到的图像质量不高。为寻求更有效的插值方案,首次提出了基于小波域分形编码的插值算法。该算法在FW编码的基础上,首先利用图像的局部自相似模型,通过小波树的膨胀,并借助小波域的第1级子带,对超分辨率级的第0级子带进行最优预测,再经过小波反变换来得到插值图像。标准测试图像的实验表明,该插值算法与传统的双线性插值相比,不仅可以获得清晰的纹理和边缘,而且峰值信噪比也更高,因此插值得到的图像更加精确、真实。     

一种数字水印算法及其复杂度分析

稳健性是稳健水印算法的主要目标,为改善水印稳健性,图像水印算法中可先用样条方法 为图像建模,再实现水印嵌入操作,比如由低频子图像各行小波系数构成的控制多边形定义 一簇B样条曲线,适度改变B样条曲线并反算其控制顶点以得到水印图像．本文探讨了这 个算法,进而重点分析了反算控制顶点的算法及其时间复杂度．     

基于图像传感器的焊缝偏差信息提取方法

介绍了焊接图像传感器的传感原理及其利用CCD摄像机获得的焊接温度场图像,叙述了小波变换方法用于边缘检测的原理,论述了利用三次样条小波函数对温度场图像进行变换得到焊缝位置和焊炬位置的算法,最后给出小波变换对图像的处理结果以及焊缝偏差量。     

基于快速小波包直方图技术的图像检索算法

提出了一种基于快速小波包直方图技术的图像检索新算法。此方法主要有图像的小波包分解,最主要能量频带的选择和小波包直方图的抽取及相似性度量三个步骤。首先,用一族正交小波基分解一幅图像并用小波包系数计算各个频带的能量;其次,选择几个最主要能量频带进行阈值化和非线性滤波;最后,抽取小波包直方图作为特征表示并应用直方图相交距离从图像数据库中检索被查询图像。由于该方法在特征抽取中应用较小的特征空间,因此需要较小的计算复杂性。实验结果表明,这些技术在图像检索中可以获得更好的性能。     

基于SUSAN算法的图像配准

通过检测物体的特征点来完成两幅图像的配准。根据USAN区域的描述，采用简化了的SUSAN算法检测刚体的特征点，然后通过找到的特征点和刚体形状不变的特性采用特征点之间的几何关系来配准。实验的结果表明，在无旋转条件下的刚体图像配准中，该算法在特征点提取和图像配准过程中速度比较快。     

基于新颖子波变换的高光谱遥感图像特征提取

提出了一种新颖的用于高光谱遥感图像特征提取的子波变换算法.与二进小波变换按恒Q准则划分频域不同的是,该算法通过改变相邻子波的带宽比,可以实现更为灵活的频域划分.采用子波能量的离散余弦变换作为特征矢量,然后进行无监督C均值聚类实验和有监督RBF(径向基函数)神经网络分类实验.实验结果表明,子波变换能量的离散余弦变换特征可以有效地描述光谱曲线特征,且正确分类率高于传统的小波变换.