去雾图像质量客观评价方法研究

针对目前去雾图像质量客观评价方法少和已有评价方法存在局限性等问题,提出一种去雾图像的客观质量评价新方法.针对去雾图像中存在的Halo效应,采用边缘加权结构相似性测度的方法,将雾化图像和去雾图像的整体轮廓信息与局部纹理细节信息加权来描述图像的结构相似度.从人类视觉感知的角度出发,定义了图像归一化灰度差,用来描述图像的亮度.将彩色图像转换到HSV颜色空间,利用S分量的信息熵和直方图相似度来描述图像的色彩还原能力.最后综合边缘加权结构相似性测度、图像归一化灰度差和色彩加权还原度建立去雾图像质量评价模型,并进行客观评价和比较.实验结果表明,与已有评价方法相比,所提出的评价方法能够获得与主观感受一致的结果,并具有较好的有效性和可靠性.     

基于边缘检测的多聚焦彩色图像融合算法

针对左聚焦和右聚焦彩色图像的融合问题,设计了一种基于边缘检测的彩色图像融合算法。首先将彩色图像转换为NTSC图像,再利用Canny方法检测出亮度信息图像的最优边缘,然后对亮度信息图像的边缘部分采用平均法进行融合,其余部分采用相关系数的权值法进行融合,最后将融合之后的饱和度图像、亮度图像和色调图像转换为彩色图像。从融合效果来看,文中算法能够将两幅左右聚焦的彩色图像融合成一幅信息量饱满且清晰的单一聚焦彩色图像。实验结果和信息熵客观评价结论表明,该彩色融合算法能够将信息熵提高2.13%～2.51%。     

基于C-Canny算子与灰度空间的彩色图像边缘检测

提出了利用灰度图像边缘检测结果完成彩色图像边缘检测的算法,并对Canny算子进行了改进,在计算梯度幅值时采用了3×3邻域,改进后的Canny算子对噪声抑制效果明显,且检测边缘更加精细.采用了两种算法将彩色图像转换为灰度图像,利用C-Canny算子对转换后的灰度图像进行边缘检测,在灰度图像边缘检测结果基础上,完成彩色图像的边缘检测.经实际测试证明,该算法检测出的图像边缘连续性好,准确性高,对颜色数不多的彩色图像有较好的边缘检测结果.     

基于改进颜色模型的图像边缘检测方法

边缘检测是图像处理和模式识别领域的基本课题,传统的边缘检测方法仅利用图像的亮度分量信息。给出一种基于改进颜色模型中颜色距离的彩色图像边缘检测方法,通过实验,将文中给出的边缘检测算法与常用的边缘检测算子进行比较。并对边缘灰度图像的阈值处理方法予以讨论,提出一种具有良好的自适应性的算法——极大值法,通过寻找局部极大值点定位边缘。实验表明文中给出的算法在改进图像边缘检测效果上是有效的。     

基于双边滤波的单尺度Retinex图像增强算法

提出了一种基于双边滤波的单尺度Retinex图像增强方法,在有效增强图像的同时,很好地保持了图像边缘及高亮部分的细节.采用双边高斯滤波来估计图像亮度,同时对原始图像进行局部对比度增强,有效地消除了光晕现象并增强了局部对比度.通过Weber定律在增强过程中对图像亮度进行控制,防止增强后的图像过亮,保持图像高亮部分的细节.实验结果表明:该方法增强效果明显,适用于灰度图像和彩色图像,并能防止颜色失真,使灰度和彩色图像达到较好的视觉效果.     

彩色图像边缘检测改进算法

介绍了梯度的概念和度量方法,分析了常用梯度算法,对其中的Sobel算子进行改进,从灰度算法改进到RGB三维空间,提出了一种针对彩色图像的边缘检测算法.本算法在Delphi平台上实现,与同类算法做了多次实验对比.实验证明,该算法能有效增强彩色图像的边缘,耗时较少,经过封装后可以直接用于二值图像、灰度图像和彩色图像,具有一定的通用性和实用价值.     

基于边缘检测与HSI彩色空间的车牌定位方法

提出了对采集到的图像进行一系列预处理并在此基础上对车牌粗定位和精确定位。首先,对车牌图像进行灰度化、平滑去噪,边缘检测后,提取边缘比较密集的车牌候选区域;然后,对裁剪出的彩色图像在HSI彩色空间的基础上进行边缘提取操作,取得图像饱和度和亮度边缘,并进行边缘合成;最后,利用色调信息的提取来判定车牌区域。该方法能使车牌区域得到有效的增强,达到精确定位目的。     

基于人眼视觉特性的彩色图像质量评价

图像处理系统的性能优劣的评判往往需要一个合理迅速的图像质量评价算法作为支撑.传统的图像质量评价算法由于没有充分考虑人眼的视觉特性,使得质量评价结果与实际图像的人眼感知质量不符.根据人眼对图像边缘信息非常敏感这一人眼视觉特性,提出一种综合图像边缘和背录相似度的算法(EBS)来评价彩色图像质量,即通过比较失真彩色图像与原始参考图像的边缘以及除边缘之外的背景相似程度最终确定失真图像的质量.应用于由779幅包含五种类型失真的图像质量评价库的实验结果表明,该算法的评价结果相比PSNR,MSSIM,IFC以及基于像素域的VIF等算法与图像的主观评价结果(由DMOS值表示--将背景不同的一组观察者对失真图像的评分进行统计平均后所得到的评价结果)更一致,也即该算法的评价结果更接近图像的实际视觉感知质量.     

基于频域直方图和HVS的彩色图像质量评价算法

针对主流图像质量评价算法应用于彩色数字图像时,性能和准确度并未达到很好效果,提出了一种基于直方图和HVS的彩色图像评价算法(HHBQA)。将图像转换成频率空间,并对频率域幅度进行直方图计算;结合人类视觉对亮度和颜色的感知特点,对彩色图像的亮度和颜色分配权重并最终融合评价结果。实验结果表明,本算法与真实感官感受具有高度一致性,优于其他主流算法,同时具有最快的计算处理时间。     

基于亮度不变特征的自适应双边滤波算法

针对目前滤波算法存在的亮度敏感性不足,提出基于亮度不变特征的自适应双边滤波算法.算法首先利用局部相位的最大矩和最小矩来建立空间参数的角点和边缘信息表示,接着采用灰度均一性测度来建立亮度距离参数与图像内在噪声的关系,从而建立双边滤波的自适应参数调整策略.实验结果表明,提出算法的平均峰值信噪比值比已有算法高0.49～2.2 dB,具有更好的图像视觉质量和边缘保持能力.     

基于QDCT和贝叶斯谱熵的盲彩色图像质量评价

图像质量评价算法在评价彩色图像质量时,往往 会因损失色彩信息或者破坏彩色图像结构的整体性, 而使得评价结果与人眼观测结果不一致。由于图像越模糊其频谱的高频分量分布越不均匀, 基于四元数离 散余弦变换(QDCT)和贝叶斯谱熵,提出了一种无参考模糊彩色图像质量评价算法。首先,利 用四元数矩阵 对彩色图像进行表示并分解成不重叠的8×8 pixel的子矩阵。其次 ,对每一个子矩阵进行QDCT后得到子 矩阵的频谱。最后,通过贝叶斯谱熵衡量频谱中高频分量分布的均匀性,实现彩色图像质量 评价。所提算 法在数据库IVC、TID2013和CSIQ上的PLCC和SRCC值均达到了 0.920以上。实 验数据表明,本文算法的评价结果准确性好、性能稳定且与人的主观观测结果的一致性高。     

基于图像失真类型的自适应图像质量评价方法

提出了一种图像质量评价方法,所提出的评价算法抽取DCT系数特征来代表图像的失真类型,使用基于支持向量机的分类器对图像失真类型进行预测,随后针对每一种失真类型,给出相应的融合评价算法,对图像进行质量评价.实验结果表明,该算法在整体性能上要优于传统的PSNR及SSIM等图像质量评价算法.     

边缘视差连续性约束的航空影像特征线匹配算法

鉴于同一边缘线上像素的视差变化具有连续性的特点,本文提出边缘视差连续性约束的航空影像特征线匹配算法。该算法首先对左影像进行特征线提取,将Freeman链码跟踪得到的每条边缘特征线作为一个整体,利用相互连接直线段对其进行拟合。将拟合直线端点作为该特征线上的一组匹配基元,通过对其进行匹配实现该特征线的整体匹配。初始匹配过程中,综合利用核线约束、单应矩阵约束和灰度相似性约束对拟合直线的端点进行匹配。然后利用视差连续性约束对每条特征线上点的匹配结果进行检核及余点同名点构建,取得较好匹配结果。论文选取UCX和DMC三组数字航空影像进行特征线匹配实验,验证本文算法的有效性。      

融合图像灰度信息与边缘特征的快速匹配算法

基于灰度相关的图像匹配算法对光照变化敏感,且计算量大,效率低,而基于特征的图像匹配算法结构复杂且在很大程度上依赖于特征提取的质量。为此,本文提出了一种基于Sobel边缘特征和小波变换的递推多模板快速匹配算法。首先用Sobel算子提取边缘特征;然后用小波变换对图像进行多尺度分解;最后用本文提出的递推多模板快速算法仅对集中了图像主要信息量的低频部分进行互相关匹配。将该算法应用于基于ADSP-S201的图像制导系统中,实验表明,此算法在保证匹配准确度的同时完全能达到系统实时性要求。      

基于色温估计的自动白平衡算法研究

为了解决现有灰度世界算法在拍摄大面积色块时的失效问题,提出一种在RGB色度空间的基于色温估计的自动白平衡算法。首先确定不同的光源在RjGBjG空间中的分布规律;然后根据图像中像素原始数据R／G、B／G的值确定光源信息,得到相应R、G和B增益值;最终实现白平衡调整。实验结果表明,在图形颜色信息比较丰富时,算法处理结果较灰...     

基于二维最大熵阈值分割的SIFT图像匹配算法

提出了一种基于二维灰度直方图最大熵阈值分割的SIFT图像特征匹配算法。与传统SIFT算法相比,该算法首先综合利用图像像素的灰度信息和邻域空间信息,生成图像二维灰度直方图,并基于此直方图的最大熵对图像进行阈值分割,然后检测分割后图像的DoG尺度空间局部极值,并以此作为特征点进行图像匹配。实验结果表明,基于所提出的匹配算法,可以有效降低图像背景噪声和边缘像素点对目标匹配的干扰,进而提高图像目标的匹配性能。     

基于边缘检测与双边滤波的彩色图像去噪

 针对彩色图像双边滤波去噪方法存在的不足,本文提出一种边缘检测与双边滤波相结合的彩色图像去噪方法.首先利用细胞神经网络(CNN)模型导出一种新的彩色图像分块自适应边缘检测算法,继承了CNN灰度边缘检测算法定位准确的优点,又弥补了CNN现有算法不能直接处理彩色图像的空白.接下来提出一种针对图像增强的边缘滤波算法,通过两级边缘检测满足去噪不同阶段对边缘检测的不同要求.在此基础上,用改进的双边滤波器对彩色图像进行去噪,通过非抗噪边缘图对噪声范围进行定位,以缩小双边滤波的范围,减少去噪过程带来的图像模糊,并且对双边滤波加权平均方式进行改进,减小噪声点本身的权重,降低高频噪声的影响.最后根据滤波后的去噪边缘图对彩色图像进行增强.实验结果表明,文中方法在有效去除噪声的同时保护和增强了图像中的边缘.     

色度马氏距离图与灰度图特征自适应融合的彩色人脸识别

色彩提供了比灰度更为丰富的信息,鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中.基于YCbCr颜色空间,分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图.提出一种色度马氏距离图与灰度图特征自适应融合的人脸识别算法.分别构造出色度马氏距离图与灰度图的基于小波包结点能量的归一化特征向量,采用多种融合策略进行特征融合,并根据融合效果自适应地选取特征融合参数,构造出最佳的鉴别特征向量,实现色度与亮度特征的互补.使用基于方差相似度的分类器获得人脸识别结果.实验表明:该算法识别率高、鲁棒性好.