梯度算子对反向合成梯度算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法。与传统的反向合成图像对齐算法相比,该算法可有效地克服光照变化对匹配结果的影响[1]。由于局部指向性的计算在本质上是梯度的计算,而图像梯度的计算可以采用不同的梯度算子,因此采用4种不同的梯度算子（一阶差分算子,Roberts算子,Sobel算子和Prewitt算子）来计算局部指向性,并通过实验比较分析了4种梯度算子对反向合成梯度算法的影响。     

噪声对基于不同梯度算子的ICG算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法,能有效克服光照变化对匹配结果准确性的影响。局部指向性的计算在本质上是梯度的计算,可以用不同的梯度算子求解。该文采用4种梯度算子计算局部指向性,通过给输入图像和模板图像中加入噪声模拟实际图像,研究了噪声对基于4种梯度算子的反向合成梯度算法的影响。     

采用多尺度掩模消除干扰的反向组合算法

反向组合算法是最有效的图像对齐算法之一,但该算法抗干扰能力差.当输入图像部分被遮挡时,图像对齐效果变差.针对该问题,我们提出一种采用多尺度掩模消除干扰的反向组合算法.该算法采用自适应的方法设置初始掩模,再通过迭代判断和逐层分块来细化初始掩模,使得掩模能准确地设置在干扰区域上.实验结果表明,该算法既保留了原反向组合算法的优点,又提高了算法抗干扰的能力,使得反向组合算法能在更复杂的环境下进行图像对齐.     

具备反向学习和局部学习能力的磷虾群算法

针对磷虾群算法易陷入局部最优、收敛速度慢等缺点,提出了具备反向学习和局部学习能力的磷虾群算法。利用混沌映射和反向学习的思想初始化种群,根据算法迭代次数自适应调整学习维度,对精英个体进行反向学习,能有效保持种群的多样性,选取精英群体,通过自适应的Lévy飞行分布和改进的差分变异算子,提高种群的局部学习能力。这种新颖的元启发方式能加速收敛速度的同时可以保证磷虾群算法的鲁棒性。通过对8个基准函数进行仿真测试,实验结果表明：与最近的KH优化算法相比,该算法在收敛速度、收敛精度等方面得到明显改进。     

基于局部平均灰度熵的快速图像修复算法

使用块拼贴的基于样本的图像修复算法运行时间主要取决于最佳样本块匹配步骤的执行效率。目前算法普遍采用全局搜索获取样本块,逐一与待修复块进行相似性比对,修复质量和修复效率依赖于采样区域的范围大小。为提高计算效率,提出一种基于局部平均灰度熵的图像修复算法,在每次迭代中根据待修复块邻域窗的平均灰度熵自适应确定采样区域范围。实验结果证明,所提算法相较经典Criminisi修复算法提高了修复质量,且大大提高了修复效率。     

基于反向映射的图像间颜色迁移算法仿真

现有的图像间颜色迁移算法普遍存在颜色误迁率高的问题,为此在传统颜色迁移算法的基础上,引入反向映射对颜色迁移算法进行优化.首先通过对图像的特征提取,获得目标图像的主色,对提取结果做平滑处理.通过色彩空间转换和色调反向映射两个步骤,实现图像的形态学变换,得到过渡图像.在过渡图像上做K均值聚类匹配操作,并通过分层迁移和全局迁...     

核正交判别局部正切空间对齐算法

针对现有的局部正切空间算法中存在的问题,文中提出一种基于核变换的特征提取方法——核正交判别局部正切空间对齐算法(KOTSDA)。该算法首先利用核方法将人脸图像投影到一个高维非线性空间,提取其非线性信息;然后在目标函数中利用正切空间判别分析算法在保持样本的类内局部几何结构的同时最大化类间差异;最后添加正交约束,得到核正交判别局部正切空间对齐算法。该算法不需要经过PCA降维,有效避免判别信息的丢失,在ORL和Yale人脸库上的实验验证算法有效性。     

基于图像局部滤波去噪增强算法的图像语义分割问题研究

图像语义分割技术是一项重要的图像后期处理方法,在计算机智能识别和视觉传达领域有着重要应用.从图像语义分割局部增强问题出发,研究两种常见的图像分割技术,在此基础上提出了改进的图像局部滤波去噪增强算法,并详细阐述了算法的实现步骤,用实验的方法通过比较了图像熵值大小分析算法的运用效果,结果表明,改进的图像局部滤波去噪增强算法...     

基于演化算法的纹理合成图像修复技术

针对Criminisi算法中计算待修复块优先级时存在的一些不足及搜索最佳匹配块效率低的问题,提出一种基于演化算法EA(Evolutionary Algorithm)的纹理合成图像修复技术。该算法首先从等照度线方向和梯度方向共同考虑待修复块的优先权,并根据梯度的变化来控制模板窗口的大小,然后提出用演化算法在待修复区域周围搜索最佳匹配块,最终达到快速准确修复图像的目的。仿真实验表明,提出的新算法与传统算法相比具有更快地收敛速度和更好地修复效果,其综合性能优于Criminisi算法。     

基于对齐与优化的图像拼接

图像拼接技术将存在重叠区域的多幅图像经过配准和融合后得到单幅宽视场图像。由于误差的积累,多幅图像拼接后在重叠区域会有明显的拼接痕迹,所以需要对拼接后的图像进行优化。首先研究了变换矩阵及其参数,然后提出一种图像对齐方法,完成图像拼接,最后用全局优化策略消除累积误差。实验证明,该方法在存在较大光照强度变化,重叠区域小的情况下能够鲁棒地完成多幅图像的拼接。     

基于可变步长逆向组合算法的弥散张量图像配准

弥散张量成像（Diffusion Tensor Magnetic Resonance Imaging,DT-MRI）是近年来新兴的一种核磁共振成像技术,作为一种无创伤的描述大脑结构的新方法,弥散张量成像在临床诊断中发挥着重要的作用。由于不同个体或者同一个体不同状态下获取的张量数据展开的多幅图像之间存在一定偏差,需要将这些图像对齐,即配准。逆向组合算法是一种很好的配准方法,但是当模板图像和目标图像之间存在多种几何变化时,算法的收敛速度往往很慢。提出了一种可变步长的逆向组合算法,通过自适应改变原始算法的步长达到加快算法收敛速度的目的。实验表明,该算法在保持原始算法精度的基础上能够加快收敛速度,并且对图像的几何变换有很好的鲁棒性。     

一种改进的生物地理学优化算法

生物地理学优化算法（BBO）作为一种新型的智能算法,在其提出不到十年的时间内受到学界的广泛关注和研究,并显示出了广阔的应用前景。为了提高算法的优化性能,对BBO算法提出一种改进,该算法在将差分优化算法（DE）中的局部搜索策略同BBO算法中的迁移策略相结合的基础上,针对迁移算子和变异算子分别进行改进,提出了二重迁移算子和二重变异算子,使得栖息地个体在进化过程中得到更高的进化概率,从而使得算法的寻优能力得到进一步提升。通过6个高维函数的测试,结果表明该算法在优化高维优化问题时,较其他几种生物地理学优化算法具有更好的收敛性和稳定性。     

局部特征信息约束的改进Criminisi算法

针对Criminisi算法计算目标块填充优先权等级时存在缺陷的问题,提出了一种改进的修复算法,方法在确立新的优先等级函数时,充分考虑图像的局部特征信息--曲率和梯度,将曲率及梯度信息作为优先权值的数据项,从而获得更加可靠的填充修复顺序。实验结果表明,和Criminisi算法相比,该方法克服了修复过程中高纹理区域向低纹理区域过度扩散的问题,并取得了更加理想的视觉修复效果。     

一种非线性逆扩散图像增强算法

针对传统图像增强算法无法同时消除噪声和保持纹理的不足,从线性逆扩散的基本原理出发,提出了非线性逆扩散图像增强算法的原则,给出了适合的扩散系数。试验结果表明本算法有效地增强了图像,消除了图像中的噪声,能够保留图像中的细节纹理。     

改进的逆向组合算法在图像配准中的应用

逆向组合算法在进行图像配准时精度很高,但对模板图像在待配准图像中的初始位置敏感。针对该问题,提出一种改进的逆向组合算法,通过计算巴氏系数进行模板匹配,实现输入图像的粗定位后,应用逆向组合算法进行精确定位。实验结果证明,改进的算法对图像发生形变的情况具有较好的鲁棒性,相比原算法,配准能力更强。     

Image algebra techniques for binary image component labeling with local operators

Binary image component labeling is a fundamental process in image processing and computer vision. This paper presents several image component labeling algorithms with local operators expressed in the language of image algebra. These algorithms are then analyzed for their time and space complexities.     

一种改进的遗传算法：GA-EO算法

针对基本遗传算法(GA)有局部搜索能力差、计算量大、对较大搜索空间适应能力差和易收敛于局部极小值等问题,采用将极值优化(EO)算法与传统遗传算法相结合的方式,对基本遗传算法进行改进,提出了一种新的算法:GA-EO算法,并用实验证明了新算法的有效性。     

行满秩Toeplitz型矩阵Moore-Penrose逆的快速算法

通过构造对称分块矩阵给出了秩为m的m×n阶Toeplitz型矩阵Moore-Penrose逆的快速算法。该算法计算复杂度为O（mn）+O（m²）,而由T^T（TT^T）^-1直接求解所需运算量为O（m²n）+O（m3）。数值算例表明了该快速算法的有效性。