图空间上彩色矢量形态学算子

针对现有彩色图像形态学矢量排序算法的缺点,将基于图的二值及灰度形态学扩展到彩色图像,在具备完备格的图空间上定义一种新的彩色矢量形态学算子.为使新算子便于实现,结合图论定义最小生成矢量子图函数及相关理论,并在此基础上提出彩色矢量形态学极值提取算法.实验结果表明,该算子在保存彩色信息的完整及关联性方面优于现有的彩色形态学,避免出现"假色"现象及人为决定主导颜色分量的缺点,同时有效地保护了原图像的纹理不发生较大的变化,较好的保存图像的拓扑结构,有较广的应用前景.     

矢量对偶形态学算子

对偶性是形态学算子的重要性质之一,且具有重要应用.现有的矢量形态学算子均难以满足对偶性,从而限制了矢量数学形态学理论的发展及应用.为了解决该问题,研究了现有矢量形态学算子的性质,发现彩色空间和矢量排序算法是导致矢量形态学算子难以满足对偶性的两个关键因素.通过选用对称彩色空间,利用矢量对称距离实现了具有对偶特性的矢量形态学算子.为了验证矢量对偶形态学算子的性能,给出了满足对偶特性的矢量形态学滤波及梯度算子,并将其应用到彩色图像滤波及边缘检测中.实验结果表明,矢量对偶形态学算子较传统的矢量形态学算子具有更好的对称性,对噪声条件下的图像进行滤波及边缘检测,均获得了更好的处理效果.     

基于多尺度多结构元的彩色形态学边缘检测

针对图像中的几何特征和噪声特性,文章提出了一种基于多尺度多结构元的彩色形态学边缘检测算法。该方法首先在HSL空间定义了多结构元彩色形态学基本算子,在此基础上利用不同尺度的结构元素提取彩色图像边缘,然后用多尺度合并算法对各个边缘进行合成以得到边缘检测结果。经大量的实验证明,多尺度多结构元的彩色形态边缘检测有着比单一尺度结构元的彩色形态边缘检测更优越的性能,在有噪声干扰的情况下,和传统的方法相比,该算法能更好地抑制噪声并且提取更多有用的边缘信息,满足不同的应用需求。     

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.     

基于矩阵偏序关系的形态学算子

已有形态偏序由于忽略了图像像素的局部相关性导致运算结果产生噪声叠加、拓扑失真等问题，本文在矩阵Frobenius范数的基础上定义了一种新的偏序关系，从理论上证明了该序满足的自反性、传递性和反对称性.在此基础上，本文提出了基于新序的形态学膨胀、腐蚀算子和相关的梯度运算算子.为验证新序和算子的有效性，与已有的算法进行对比实验，结果表明，新序和相应的算子在保证颜色分量相关性的同时，利用矩阵运算保证了像素的局部相关性，在抑制噪声和边缘保持方面均优于现有的算法.同时，通过结果对比和理论分析发现，新的形态算子对结构元素尺寸的包容性强，克服了形态算子在应用时难以选择合适结构元素大小的问题.这种新序是多通道图像处理的基础，可以扩宽形态学理论的应用范围.     

基于多尺度形态学的弱目标图像处理方法

提出一种基于目标及背景结构特征的多尺度形态学图像处理方法，针对弱目标和背景噪声的结构差异，选择合适的结构元素和合理的形态算子达到较好的滤波效果。形态滤波器是从数学形态学中发展出来的一类新型非线性滤波器。由于形态算子实质上是表达物体或形状的集合与结构元素之间的相互作用，结构元素的形态决定了这种动算所提取的信号的形态信息，因此数学形态学对信号的处理具有直观上的简单性和数学上的严谨性，使数学形态学在描述信号形态特征上具有独特的优势。通过改变结构基元的尺度，对图像进行多尺度分析，能准确提取图像在不同尺度下形状的分层特征和有用信息。     

利用自适应灰度形态学检测噪声图像边缘

传统的形态学边缘检测算法采用固定的结构元素时图像边缘进行提取,通用性不强.本文提出一种结构元素种类、滤波所使用的结构元素的尺寸郜白适应的图像边缘检测算法,该算法根据模板匹配方法,选样最优匹配的结构元素;针对不同浓度的噪声图像自适应选取结构元素的尺寸进行滤波,并进一步检测图像的边缘.仿真表明,该算法在不同噪声图像的边缘检...     

多结构元素的数学形态学图像边缘检测算法

数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已得到人们的广泛关注，并应用于图像处理的许多方面。本文提出一种基于多结构元素的数学形态学图像边缘检测算法，该算法通过构造4个不同方向的结构元素，应用形态学梯度算子得到图像4个方向的边缘检测结果，并将这些结果进行加权平均，得到最终的图像边缘。为验证算法的效果，给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明：本文算法成功地完成了图像的边缘检测，且检测效果明显优于经典的Sobel算子，Laplace算子和Canny算子。     

量子启发数学形态学的研究

本文在量子信息处理技术的启发下提出一种新的数学形态学结构元素,该结构元素不是传统的结构元素的简单线性组合,而是一种类似于量子叠加态的多态结构元素.利用此结构元素构成的形态学基本算子被定义,其运算意义被解释,并指出在特定的情况下,该算子对数字图像的处理结果能退化到对应的传统形态学算子的处理结果.本文还给出一个利用这种叠加态结构元素进行二值图像边缘检测的实例,并将其检测结果与对应的传统处理结果进行了比较.     

彩色伪随机编码结构光解码方法研究

在采用伪随机序列生成彩色条纹作为投影图像的基 础上提出了一种对彩色伪随化编码结构光三步 解码新方法。首先,建立向量梯度算子将Canny算子推广到彩色多通道图像,对彩色带状图 像进行彩色边缘检测,确 定边缘特征的位置信息;其次,采用引导式K-means聚类算法和 颜色分辨能力较强的颜色不变量对图像进行颜色识 别和分类,继而获得边缘特征的颜色信息;最后,提出分步窗口匹配算法对边缘特征序列进 行匹配,从而确立拍摄 图像和投射图像上的边缘特征的对应性。实验结果表明,提出的解码方法在不需要假定被测 物体表面颜色和纹理结 构的条件下,依然能够有效地提高解码的精度,具有较强的鲁棒性。     

一种新型目标图像去模糊方法

针对现有的图像去模糊法存在着细节纹理失真、锐化效果不显著、平滑区域去模糊效果欠佳等不足,提出一种基于自适应阈值和改进梯度算子的新方法,该法首先对原图像素进行全扫描提取得到自适应阈值,然后建立像素点增强方程,再将增强后的点进行新梯度算子滤波,最后重组像素得到增强图像,仿真结果验证了该法在增强锐化的同时,保护了图像的细节和平滑区域像素等信息.     

红外图像改进非局部均值滤波算法研究

为了有效地滤除红外图像中的噪声,提出了一种改进型非局部均值滤波算法(INLMF)。该算法首先针对传统算法中采用固定尺寸的方形图像块无法有效刻画图像中大量分布的细节信息这一缺陷,结合图像中像素点灰度信息提出了一种图像块自适应划分方法,使得划分后的图像块在尺寸和形状上依赖于图像中灰度信息的实际分布情况;其次引入结构相似度因子对算法中的图像块权重值计算方法进行适当改进;最后分别将INLMF算法与已有的两类改进型NLMF算法对两幅红外监控图像进行滤波,并进行了理论分析和实验验证。结果表明,INLMF算法相对于其余几类算法而言,滤波效果较好,该研究对于提高红外图像滤波效果是有帮助的。     

基于结构元素分解的二值形态学并行快速算法

提出结构元素为4连通或8连通区域时数学形态学膨胀腐蚀的快速算法.首先将二维结构元素分解成不同方向的一维结构元素;然后,通过分步移位位操作实现二维形态学膨胀、腐蚀算法;最后利用二值图像的特点,将连续的若干个像素点视为一个整体并行操作,从而实现算法性能提升,相比于其他算法具有速度快、易操作等优点.     

An improved image graph for semi-automatic segmentation

The problem of semi-automatic segmentation has attracted much interest over the last few years. The Random Walker algorithm [1] has proven to be quite a popular solution to this problem, as it is able to deal with several components and models the image using a convenient graph structure. We propose two improvements to the image graph used by the Random Walker method. First, we propose a new way of computing the edge weights. Traditionally, such weights are based on the similarity between two neighbouring pixels, using their greyscale intensities or colours. We substitute a new definition of weights based on the probability distributions of colours. This definition is much more robust than traditional measures, as it allows for textured objects, and objects that are composed of multiple perceptual components. Second, the traditional graph has a vertex set which is the set of pixels and edges between each pair of neighbouring pixels. We substitute a smaller, irregular graph based on Mean Shift oversegmentation. This new graph is typically several orders of magnitude smaller than the original image graph, which can lead to a major savings in computing time. We show results demonstrating the substantial improvement achieved when using the proposed image graph.     

一种小波域改进非局部均值滤波算法

提出了一种噪声图像高效滤波算法。该算法对经典非局部均值滤波算法从边缘保持效果和计算复杂度两个方面加以改进。提出一种基于图像结构相似度(SSIM)相似性检测算子,并将其与传统的高斯加权欧氏距离进行加权融合,从而实现对经典非局部均值滤波的改进,可实现对图像边缘和平坦区域滤波的有效兼顾。将其引入到小波变换域,对于高频子图像,首先采用Canny算子实现自适应边缘检测,获得边缘和非边缘图像,采用改进非局部均值滤波和经典非局部均值滤波分别加以处理,然后实现图像的融合;最后实现小波系数重构。通过对实物图像和标准测试图像的仿真实验结果表明,该滤波算法的去噪效果较优,能基本实现对高强度随机噪声情形下的图像复原,从而印证了该滤波思路的可行性。     

Scale space classification using area morphology

We explore the application of area morphology to image classification. From the input image, a scale space is created by successive application of an area morphology operator. The pixels within the scale space corresponding to the same image location form a scale space vector. A scale space vector therefore contains the intensity of a particular pixel for a given set of scales, determined in this approach by image granulometry. Using the standard k-means algorithm or the fuzzy c-means algorithm, the image pixels can be classified by clustering the associated scale space vectors. The scale space classifier presented here is rooted in the novel area open-close and area close-open scale spaces. Unlike other scale generating filters, the area operators affect the image by removing connected components within the image level sets that do not satisfy the minimum area criterion. To show that the area open-close and area close-open scale spaces provide an effective multiscale structure for image classification, we demonstrate the fidelity, causality, and edge localization properties for the scale spaces. The analysis also reveals that the area open-close and area close-open scale spaces improve classification by clustering members of similar objects more effectively than the fixed scale classifier. Experimental results are provided that demonstrate the reduction in intra-region classification error and in overall classification error given by the scale space classifier for classification applications where object scale is important. In both visual and objective comparisons, the scale space approach outperforms the traditional fixed scale clustering algorithms and the parametric Bayesian classifier for classification tasks that depend on object scale.     

面向云环境的彩色图像混合加密算法

针对传统图像加密算法难以保证在云环境下密钥配送的安全性,以及DNA编码在抗统计学分析效果欠佳等问题提出了一种面向云环境的彩色图像混合加密算法。提出了一种自适应DNA编码对传统方法进行改善,通过国产SM2与SM3加密算法作为散列值的生成函数与控制参数的非对称加密,运用盲水印技术镶嵌至密文图像中。实验结果表明,该算法密钥空间大且加密图像相邻像素相关性较低,具有更为接近理想值的像素改变率与像素平均改变强度,具有较为理想的安全性同时在密钥的传输过程中由非对称加密算法保证其安全可靠。     

一种基于Shearlet变换域改进自适应中值滤波算法

为了有效滤除图像中大量存在的脉冲噪声,提出了一种基于Shearlet变换域改进自适应中值滤波方法。首先在对Shearlet变换进行深入分析的基础上,给出了Shearlet分解和重构基本步骤;然后实现对含噪图像进行多尺度Shearlet变换,对获得多个尺度下的分解系数采用从噪声检测、噪声滤波等环节改进的自适应中值滤波算法(IAMF)进行噪声抑制;最后实现滤波后分解系数重构。分别与经典中值滤波(MF)、自适应中值滤波(AMF)以及Shearlet变换域阈值法进行比较,实验结果表明,该滤波算法滤波性能较好。     

一种基于图划分的人造红外目标实时分割算法

提出一种基于图划分的实时红外目标分割方法．选用规格化划分值作为区分目标和背景的最佳阈值选取的准则．该准则联合考虑了象素的灰度信息及其空间位置信息,因而分割红外目标比常规方法更为准确可靠．文章对该算法的时间复杂性及空间复杂性进行了分析,为满足实时处理的需要,对算法进行了简化处理,并定义四种方向的领域权值矩阵,提出一种快速查表的方法有效地解决了算法的实时性问题．试验结果表明,该方法能够有效地完成红外目标的准确分割,分割性能优干传统的Otsu准则和一维熵方法,同时,采用快速实现算法大大提高了该算法实时处理能力,节省了存储空间,从而使该算法在实际中能得到有效应用．