基于图像金字塔的图像增强方法

本文采用高斯金字塔与拉普拉斯金字塔的方法对图像进行增强,通过幂函数对拉普拉斯金字塔的各层系数进行调整,再进行反向逐层重构可以得到分辨率高的图像,能够很好的使人们在正常的视觉效果下观察出图像的细节。     

基于高斯金字塔分解和圆谐傅里叶矩的图像复制移动检测算法

针对图像子块滑窗方式的移动导致数字图像复制移动检测算法的空间复杂度和时间复杂度很高的问题,提出基于高斯金字塔分解和圆谐傅里叶矩的检测算法.该算法首先对图像进行高斯金字塔分解,提取图像的低频区域,然后计算每个图像子块的3阶圆谐矩,并对各个图像块的特征向量进行字典排序,最后根据阈值进一步找到图像的复制粘贴区域.实验结果表明,该算法对经噪声污染和重压缩后的篡改图像具有很好的检测效果,且运算量较小.     

基于改进Itti显著模型的织物疵点实时检测

为克服人工疵点检测存在精度差、效率低、易疲劳等问题,研发了基于改进Itti显著模型的织物疵点实时检测系统。首先设计了专用的织物传动和退绕系统,实现对布卷的精确传递,采用不同光源和多台工业相机拍摄实现织物的实时采集;然后通过基于改进的Itti显著性模型对图像进行快速检测,利用下采样构建图像金字塔,并对金字塔图像进行中央周边差操作,获得织物亮度特征;接着对各尺度金字塔图像进行不同方向Gabor滤波边缘检测获得织物方向特征,归一化亮度与方向特征获得织物疵点显著图;最后通过自定义阈值对显著图进行分割。实验结果表明：本文系统能有效检测出白坯布、牛仔布含有的油污、断经、破洞、纬缩等常见织物疵点,疵点检测正检率为93%,实时检测速度最高达48 m/min,能满足实时检测需求。     

基于多分辨率的全局及局部显著性的色织物疵点检测

为提高色织物疵点检测效率和准确性,提出一种融合多分辨率的全局及局部显著图的色织物疵点检测方法。针对织物疵点及纹理的频谱特征,通过高斯金字塔生成不同分辨率图像,采用小波变换的全局显著性算法,以及傅里叶变换融合的方法得到全局综合显著图。使用基于图论的显著性(graph-based visual saliency, GBVS)算法计算织物图像局部显著性。加权融合全局及局部显著图得到综合显著图,并进行图像分割及形态学操作对疵点区域进行检测。使用不同算法对5种不同类型色织物疵点进行检测,结果表明:提出的方法的疵点检测率达92.0%,与传统方法相比有较大提高,且检测时间较短。     

基于SURF算法的声纳图像拼接方法

针对水下机器人采集的声纳图像检测范围较小的问题,文章提出了一种基于SURF的声纳图像拼接算法。首先,对采集的声纳图像进行一定的预处理,去除噪声并调整声纳图像的对比度;其次,对处理后的图像提取SURF特征点;然后,利用得到的特征点对求解单应矩阵并进行坐标映射;最后,对拼接图像进行图像融合。实验表明:该算法在含有较多特征点的声纳图像中具有较好的精度,实时性也较好。     

基于改进RANSAC算法的图像拼接方法

文章提出了一种基于改进RANSAC算法的图像拼接方法。在提取图像的SIFT特征点后,根据阈值法对特征点进行初始匹配,然后采用改进的RANSAC算法对初始匹配对筛选,再计算图像间单应性矩阵,最后使用加权平均的融合方法实现图像的无缝拼接。实验结果表明,改进后的RANSAC算法进一步提纯了匹配对,使得图像拼接获得了高质量的效果。     

基于改进RANSAC算法的图像拼接方法

文章提出了一种基于改进RANSAC算法的图像拼接方法。在提取图像的SIFT特征点后,根据阈值法对特征点进行初始匹配,然后采用改进的RANSAC算法对初始匹配对筛选,再计算图像间单应性矩阵,最后使用加权平均的融合方法实现图像的无缝拼接。实验结果表明,改进后的RANSAC算法进一步提纯了匹配对,使得图像拼接获得了高质量的效果。     

一种基于图像拼接和图形匹配的数字图像处理技术

数字图像其实质是多维数值矩阵,通过对矩阵进行算法运算可以完成对于数字图像的处理,图像拼接和地图匹配是数字图像处理领域中重要的一环,通过图像拼接可以完成大视场图像的处理并生成全景图像,其核心在于将具有重叠的两幅或是多幅数字图像进行匹配对准和融合形成一张大幅的视场图像,图像拼接技术在工业、农业、医学等领域都有着广泛的应用前景。尤其是现代无人机技术的快速发展,数字图像的获取更加方便,借助于图像拼接技术可以将无人机所获取的数字图像进行拼接并与地图匹配用以获得更好的视觉地图。文章在分析无人机图像特点的基础上对如何做好无人机数字图像的拼接和融合进行了分析介绍。     

基于椭圆重叠区域的蚕茧图像融合方法

针对现有线性权值分配方法对蚕茧图像进行融合时会在高纬度区域出现蚕茧边缘分界线的问题,提出一种基于椭圆重叠区域的蚕茧图像融合方法。首先,利用最小二乘拟合算法得到待拼接图像中蚕茧表面的等效椭圆,输出其在该图像坐标下的位置方程;再根据图像配准过程中得到的横、纵轴位移距离建立蚕茧图像融合的数学模型,获取等效椭圆重叠区域的点集;最后通过椭圆重叠区域的最大宽建立改进的三角函数权重算法,对椭圆重叠区域进行融合处理。结果表明:该方法的融合效果比渐入渐出算法和三角函数权重算法更优,能够有效消除蚕茧边缘分界线,得到具有良好视觉效果且包含更多信息量的蚕茧融合图像。     

一种有效的印刷图像拼接方法

<正> 在印前处理过程中,为了突出某些特殊要求或特殊效果,往往需要将两幅以上的黑白图像拼接在一起,并要求拼接图像间没有明显的拼缝,清晰度和平滑度一致,形成一幅完整协调的画面。但是由于各幅图像的亮度值不可能完全相同,使得直接拼接后的图像有明显的拼缝,根本不可能用。在传统的拼接过程中,先将需要拼接的两幅图像进行傅立叶交换,在频域内对图像进行拼接,然后进行傅立叶反交换,得到新的拼接图像。但是,在频域拼接     

基于粗糙集与PCA的多聚焦图像融合算法

粗糙集理论是处理不确定性问题的一种数学工具。为了解决含有椒盐噪声的图像的融合问题,采用粗糙集理论与PCA算法相结合的方法对受到噪声干扰的多聚焦图像进行融合。先采用粗糙集理论对源图像进行粗糙增强预处理,再用PCA算法对增强后的图像进行融合,得到融合图像。采用主观评价与信息熵和平均梯度作为图像融合效果评价准则。仿真结果表明,运用该算法得到的融合图像的视觉效果比源图像更好。     

基于网格的织物图像拼接技术

图像拼接技术是计算机视觉和数字图像处理中的重要分支。本文首先研究在图像配准过程中绝对差、差值平方和,以及归一化相关系数对配准时间和精度的影响;其次研究算术平均法、加权平均和多分辨率小波融合方法对消除拼接接缝的效果;最后通过对时间复杂度、匹配度和融合效果的分析,得出适合织物图像的拼接方法。通过研究发现,采用基于灰度空间上的网格特征匹配和应用加权平均方法进行重叠区域的图像融合可以很好地完成织物图像的拼接。     

基于显著性检测的害虫图像自动分割算法研究

图像分割技术应用于农田检测中能够区分不同种类及程度的虫害,极大程度的节省时间并提高劳动效率。首先建立了害虫显著性图像的分割模型,从DCT系数中提取颜色、亮度、纹理和深度的特征,并基于图像块之间存在空间距离,采用高斯模型加权来估计图像显著性,然后设计了一种融合算法,对这些选定的图像特征进行检测分类。研究结果表明,所提的分割算法不仅能够对田间图像进行无监督分类,还能实现对害虫的高效、精准分类与在线监测,有利于不同类型杀虫剂的实时选择。     

基于机器视觉的织物表面最优图像亮度选取

基于机器视觉的织物表面检测中,环境亮度直接影响织物成像质量的优劣。为了得到最优图像亮度,首先以白色纸带所在的矩形区域内的平均灰度值来标识织物图像亮度,然后选用标准差、点锐度、图像信息熵等3种经典算法对多组不同亮度下采集的织物图像质量进行评价,并对评价结果进行对比分析,选择出最适于进行织物表面质量检测的图像亮度。实验证明,这3种经典算法能够得到正确且可行的图像亮度选取结果,可为生产实践提供理论指导。     

基于Retinex对UAV单幅侦察图像的去雾算法研究

针对现有的暗原色先验算法和Retinex算法在处理无人机侦察影像时存在的运算速度慢、光晕效应、细节丢失的问题,提出一种改进后的Retinex算法。首先将RGB颜色空间转化到HIS颜色空间,分离出亮度Ⅰ,对大中小三个尺度赋值,利用高斯环绕求得三种尺度亮度图像后加权,再将亮度Ⅰ转化回RGB颜色空间,以求得到细节信息更加清晰的复原图像。最后在MATLAB中进行仿真实验,并通过改变参数调整图像复原效果。     

基于改进的Faster R-CNN的小目标储粮害虫检测研究

针对小目标储粮害虫图像的检测问题,提出了一种基于特征金字塔网络的Faster R-CNN改进模型对图像中的小目标进行检测。本文以5种常见的储粮害虫为检测目标,样本中通过随机组合的方式混合不同种类的储粮害虫进行拍照取样,通过对原始图像数据进行目标扩充后构建了含942张储粮害虫图像的数据集（CSGP）。在改进模型的特征金字塔网络结构中,特征提取网络产生的高层特征图通过下采样方式逐步对底层特征图进行融合,生成适合多尺度目标检测的特征图。实验结果表明,采用训练集目标扩充的方式,储粮害虫图像的目标检测结果mAP提升了2.21%;改进后的模型进一步使得储粮害虫图像检测的mAP达到96.69%。最后,设计了一套粮仓内的储粮害虫监测系统。     

一种红外图像增强算法研究

针对传统红外图像存在的一些不足,提出一种融合多尺度Retinex和小波变换的红外图像增强算法。该算法综合了小波变换多尺度、多分辨率的优点,以及多尺度Retinex红外增强的特性,利用小波变换对图像信号进行分解,对低频系数进行多尺度Retinex算法处理,而对小波分解的高频细分量进行消除噪声并改善图像细节部分,并同时也改善了性噪比、对比度以及亮度均匀性等性能指标。通过仿真该算法可增强图像细节,优化图像整体视觉效果。     

基于直角坐标机器人和图像拼接技术的扫描仪设计

文章设计的扫描仪可以控制相机高精度、高稳定性地移动,然后对大幅面的字画稿件等进行逐一拍照,获取若干张高分辨率图像,再通过图像拼接和处理技术形成一幅图像,在对这张图像进行数百倍的放大后,图像依然清晰,其细节特征也依然清楚。文章给出了扫描仪的机械设计和图像拼接的技术方案,其中机械设计依照龙门式直角机器人结构,图像拼接采用了Harris角点检测、粗匹配、精匹配等多种算法。     

基于BEMD的数字图像水印算法

数字水印技术作为信息隐藏在多媒体领域得到了广泛应用,它的主要思想是将信息的秘密嵌入进图像视频等数字信息产品中,使信息版权得到有效地保护。经验模态分解是一种全新的多尺度分析方法,在非线性非平稳信号分析方面有良好的性能。文章实现了将二维经验模态分解方法应用于数字水印的嵌入与提取,对水印图像添加高斯白噪声和JPEG压缩图像进行攻击并进行水印再提取,验证了算法具有一定的不可见性和较强的鲁棒性。     

基于均值方差法的遥感图像多尺度表达算法

针对目前遥感图像的多尺度分割算法没有在同一幅图像中实现多尺度表达,文章提出了基于均值方差法的遥感图像多尺度表达的方法。首先用分水岭算法对遥感图像进行初始分割,然后用面向对象的分割方法,以均值方差作为分割质量评估参数,对遥感图像进行多尺度选择。得到多个最优尺度后,在遥感图像中进行多尺度表达,直到每个最优尺度都完成了区域选择。实验结果表明,多尺度表达结果合理,接近于人工解译结果。