彩色地图图象的聚色算法研究

本文研究彩色地图图象中不纯净的颜色聚色问题，该问题是对地图图象进行自动识别的一个关键问题．本文对地图图象的颜色散射现象进行了分析，提出了对地图图象聚色的算法，该算法已经在ＩＢＭ４８６等微机上编程实现了，效果很理想．     

结合颜色特征和结构特征的彩色地图分层算法

在分析了彩色地图图像分层的特点、难点的基础上，提出直接基于RGB颜色模型的分层算法．同时针对分层得到的单版图存在信息丢失、难以恢复的问题，提出先对所有目标细化，然后再分层的新思路，并结合结构特征恢复丢失信息、改善分层效果．最后，通过对多幅真实地图的实验证明了该算法的有效性。     

地图自动化识别系统中识别车站标记的环界算法

本文研究将彩色地图按颜色分层后从单色地图中识别车站标记的问题，介绍了车站标记的结构特点，识别车站标记的方法和识别车站标记的环境算法。     

地图自动化识别系统中识别车站标记的环界算法

本文研究将彩色地图按颜色分层后从单色地图中识别车站标记的问题,介绍了车站标记的结构特点、识别车站标记的方法和识别车站标记的环境算法。     

空间关系信息和颜色信息相结合的地形图分层算法

在对地形图图象颜色进行误差分析的基础上，指出目前在地形图分层算法设计中，由于仅考虑地形图色彩信息而存在许多不足，因此提出了地形图像素空间关系信息的概念，并讨论了像素空间关系信息的提取方法，进而给出一个将地形图像素的空间关系信息与颜色信息相结合，以实现彩色地形图分层的新算法．实验表明，此算法可有效地抑制地形图图象的颜色误差和提高分层的精度，从而为地形图的分层识别及自动矢量化奠定了良好的基础．     

彩色地图图像中道路信息的识别和提取

本文研究对彩色地图图像中的道路识别提取的问题。讨论了基于聚类分析的一种按颜色分离地图要素的算法,并对若干影响效果的问题提出了修正和解决办法。     

采色地图图像中道路信息的识别和提取

本文研究对彩色地图图像中的道路识别提取的问题。讨论了基于聚类分析的一种按颜色分离地图要素的算法,并对若干影响效果的问题提出了修正和解决办法。     

基于标签分类的道路提取算法

文中研究对彩色地图图像中的道路和区域识别提取的问题。讨论了基于标签分类的一种按颜色分离地图要素的算法，对于其结果用数学形态学方法进行优化。该算法充分利用栅格地图的颜色信息和空间信息并取得了良好的实验结果。     

一种新的颜色聚类算法及其图象检索

为降低颜色直方图矢量的维数及解决颜色间的相似性问题,该文提出了一种新的颜色聚类算法,然后通过考察示例图象的主颜色表与数据库图象的颜色表之间的相交情况以及按比例分布情况,使图象检索结果消除了背景颜色的影响。     

基于颜色直方图的图象检索

针对基于颜色直方图的静态图象检索,提出了自动构造全局参考颜色表和自带参考颜色表的算法,解决了Ｓｗａｉｎ算法中存储量与计算量过大的问题,同时给出了一个发层聚类构造二叉树式分层索引数据结构的方法 。     

Novel precision target detection with adaptive thresholding for dynamic image segmentation

A new adaptive thresholding algorithm concerning extraction of targets from the background in a given image sequence is proposed. The conventional histogram-based or fixed-value thresholdings are deficient in detecting targets due to the poor contrast between targets and the background, or to the change of illumination. This research solves the problems mentioned above by learning the characteristics of the background from the given images and determines the proper thresholds based on this information. Experiments show that the proposed algorithm is superior to the optimal layering algorithm in target detection and tracking. Received: 28 December 1999 / Accepted: 8 August 2000     

基于视觉显著性的区域立体匹配算法

针对区域立体匹配算法对光照变化敏感,视差图存在目标和弱纹理区域的错配、边界不平滑等问题,提出一种利用视觉显著性特征改进的快速区域立体匹配算法。该算法先利用显著性检测定位图像主要目标区域;再结合索贝尔(Sobel)边缘特征和相角特征完成特征匹配、得到粗视差图;最后通过检测粗视差图中的视觉显著性,消除图像弱纹理区域的突兀噪声。相比绝对误差累计(SAD)、平方误差累计(SSD)和归一化灰度互相关(NCC)算法,所提算法对光照变化不敏感,得到的视差图完整,匹配率高,有利于实时系统应用。     

利用子空间稀疏特征的超分辨率图像重建算法

在传统超分辨率图像重建算法中,图像的梯度、纹理结构等特征通常是由人工设计的规则提取的,对于结构复杂、内容丰富的图像,这样提取到的特征不能精确地表达图像的全部信息,对图像的边缘和局部细节信息会造成缺失。而且在图像训练过程中,还会出现低分辨率[(LR)]和高分辨率[(HR)]图像特征图数量不一致、特征匹配度较低的问题。因此,如何提取表达能力更强的特征作为源图像的精确表示和训练过程中提高图像特征匹配度对图像的超分辨率重建至关重要。针对上述问题,提出了一种基于[PCANet]模型的超分辨率图像重建算法。首先通过具有高斯内核函数的[PCANet]模型提取图像的深层次特征,并且加入稀疏优化算法,对输出的特征映射矩阵迭代优化,得到其最佳投影矩阵,有效提升了特征映射的鲁棒性。然后利用学习获得的LR滤波器将提取到的图像的深度学习特征分解为多个稀疏特征,使用[ADMM]算法和SA-ADMM算法迭代更新得到其最优解以后,结合[LR]图像的稀疏特征和映射函数估计出HR图像的稀疏特征表示,最后和相应的[HR]滤波器进行卷积求和得到最终的重建图像。实验结果表明,该方法使重建图像的细节信息更好地保留,图像的边缘纹理更加清晰,客观评价指标平均[PSNR]值提高了0.21?dB以上,有效提升了图像重建的质量。     

改进背景先验和前景先验的显著性检测

针对传统的流行排序显著性检测算法存在的问题,本文提出了改进背景先验和前景先验的显著性检测.首先计算图像的凸包,并将图像分割成不同尺度的超像素;然后以凸包区域之外的超像素为背景种子,结合多尺度下图像的多种底层特征得到最终的背景显著图;第三,以凸包区域之内的超像素为前景种子,结合多尺度下图像的多种底层特征得到最终的前景显著图;第四,融合最终的背景显著图和最终的前景显著图得到弱显著图,通过多核增强(MKB)算法对由弱显著图生成的训练样本进行强分类,生成强显著图;最后综合强弱显著图,得到最终的显著图.通过在MSRA1000,PASCAL和ECSSD数据集上与其他13种算法进行对比,验证了本文算法在显著目标检测的准确性方面更具优势.     

二次广义cat映射的混合混沌图像加密算法

针对混沌图像加密的特点,为了提高加密的效果,提出了一种二次广义猫映射的混合混沌加密算法。该方法首先利用广义cat映射对像素点进行多次迭代,然后再利用广义cat映射进行多次置乱,并且置乱的次数与图像本身的像素值密切相关。再用广义Henon映射产生的混沌序列与置乱后图像进行扩散加密运算。实验和仿真结果表明该算法克服了以往算法不能抵抗选择明（密）文攻击的缺陷,并且有效解决了混沌系统随机性差、熵攻击、控制参数少等问题。同时具有密钥空间大,加密算法简单,能够较好地抵抗差分攻击、统计特性分析的优势,安全性高,加密效果好。     

流线形风格化图像生成算法

流线形风格化图像是印象派风格的典型代表,其艺术特点是通过流线条表现狂野与活泼的流动感,又通过色彩的层叠感表现时空的凝滞性.提出一种流线形风格化图像绘制算法,通过提取目标图像的结构矢量场,利用欧拉弹性模型进行光顺化得到流线场;通过结合凹凸映射的多源光照渲染和色彩扰动得到色彩层叠感强的纹理图;然后利用线积分卷积方法对流线场和纹理图进行合成,并利用样本梵高图像进行颜色传输得到最终的绘制结果.实验结果表明该算法自动化程度高,绘制结果具有较好的流线流动感和色彩层叠感.     

基于卷积神经网络的弱光照图像增强算法

针对现有的弱光照图像增强算法强烈依赖于Retinex理论、需人工调整参数等问题，提出一种基于卷积神经网络（CNN）的弱光照图像增强算法。首先，利用四种图像增强手段处理弱光照图像得到四张派生图，分别为：限制对比度自适应直方图均衡派生图、伽马变换派生图、对数变换派生图、亮通道增强派生图；然后，将弱光照图像及其四张派生图输入到CNN中；最后经过CNN的激活，输出增强图像。所提算法直接端到端地实现弱光照图像到正常光照图像的映射，不需要按照Retinex模型先估计光照图像或反射率图像，也无需调整任何参数。所提算法与NPEA（Naturalness Preserved Enhancement Algorithm for non-uniform illumination images）、LIME（Low-light image enhancement via Illumination Map Estimation）、LNET（LightenNet）等算法进行了对比。在合成弱光照图像的实验中，所提算法的均方误差（MSE）、峰值信噪比（PSNR）、结构相似度（SSIM）指标均优于对比算法。在真实弱光照图像实验中，所提算法的平均自然图像质量评价度量（NIQE）、熵指标为所有对比方法中最优，平均对比度增益指标在所有方法中排名第二。实验结果表明：相对于对比算法，所提算法的鲁棒性较好；经所提算法增强后，图像的细节更丰富，对比度更高，拥有更好的视觉效果和图像质量。     

融合深度和颜色信息的图像物体分割算法

讨论立体图对的图像分割问题,提出一种基于深度和颜色信息的图像物体分割算法。该算法首先利用基于聚类的Mean-shift分割算法对目标图像进行适度的过分割,同时借助双目立体视觉算法获取立体图对的稠密深度图,并依据深度不连续性从过分割结果中选取用于继续进行“精致”分割的种子点集,接着对未分配种子标签的区域用图割算法分配标签,并对彼此之间没有深度不连续边界但具有不同标签的相邻区域进行融合。相比于传统图像分割算法,该算法可有效克服过分割和欠分割问题,获取具有一定语义的图像分割结果。相关的对比实验结果验证了该算法的有效性。     

融合多特征与先验信息的显著性目标检测

目的 图像的显著性目标检测是计算机视觉领域的重要研究课题。针对现有显著性目标检测结果存在的纹理细节刻画不明显和边缘轮廓显示不完整的问题,提出一种融合多特征与先验信息的显著性目标检测方法,该方法能够高效而全面地获取图像中的显著性区域。方法 首先,提取图像感兴趣的点集,计算全局对比度图,利用贝叶斯方法融合凸包和全局对比度图获得对比度特征图。通过多尺度下的颜色直方图得到颜色空间图,根据信息熵定理计算最小信息熵,并将该尺度下的颜色空间图作为颜色特征图。通过反锐化掩模方法提高图像清晰度,利用局部二值算子（LBP）获得纹理特征图。然后,通过图形正则化（GR）和流行排序（MR）算法得到中心先验图和边缘先验图。最后,利用元胞自动机融合对比度特征图、颜色特征图、纹理特征图、中心先验图和边缘先验图获得初级显著图,再通过快速引导滤波器优化处理得到最终显著图。结果 在2个公开的数据集MSRA10K和ECSSD上验证本文算法并与12种具有开源代码的流行算法进行比较,实验结果表明,本文算法在准确率-召回率（PR）曲线、受试者工作特征（ROC）曲线、综合评价指标（F-measure）、平均绝对误差（MAE）和结构化度量指标（S-measure）等方面有显著提升,整体性能优于对比算法。结论 本文算法充分利用了图像的对比度特征、颜色特征、纹理特征,采用中心先验和边缘先验算法,在全面提取显著性区域的同时,能够较好地保留图像的纹理信息和细节信息,使得边缘轮廓更加完整,满足人眼的层次要求和细节要求,并具有一定的适用性。     

Occlusion cues for image scene layering

To bring computer vision closer to human vision, we attempt to enable computer to understand the occlusion relationship in an image. In this paper, we propose five low dimensional region-based occlusion cues inspired by the human perception of occlusion. These cues are semantic cue, position cue, compactness cue, shared boundary cue and junction cue. We apply these cues to predict the region-wise occlusion relationship in an image and infer the layer sequence of the image scene. A preference function, trained with samples consisting of these cues, is defined to predict the occlusion relationship in an image. Then we put all the occlusion predictions into the layering algorithm to infer the layer sequence of the image scene.The experiments on rural, artificial and outdoor scene datasets show the effectiveness of our method for occlusion relationship prediction and image scene layering.