基于积分图像的灰度分布标准化快速算法*

在积分图像基础上提出和应用平方积分图像,实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法.应用该算法,结合对灰度分布标准化近似计算公式的变换,实现了图像窗口灰度分布标准化的快速计算.实验证明,当需要对一幅图像的大量图像窗口进行灰度分布标准化时,这种算法对提高计算速度十分有效.     

基于积分图像的快速模板匹配

人脸检测中，模板匹配前往往需要对图像窗口进行灰度分布标准化，而灰度分布标准化则要先算出图像窗口的灰度均值及方差。在积分图像基础上，提出和应用平方积分图像，实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法，结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换，以厦灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤，大大提高了模板匹配速度。人脸检测实验证明这种快速模板匹配算法是有效的。     

适于人脸检测的模板匹配快速算法

为提高人脸检测中模板匹配的速度,在积分图像基础上,提出和应用平方积分图像,实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法,结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换,以及灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤,大大提高了模板匹配速度。人脸检测实验证明了这种算法的有效性。     

一种掩膜图像窗口的快速灰度分布标准化算法

图像窗口模式匹配前常需进行灰度分布标准化预处理,但由于某些模式识别场合需要掩去图像窗口的一些无关区域,常见的灰度分布标准化处理快速算法不适用。应用广义积分图像,实现了一种任意掩膜的图像窗口灰度分布标准化快速算法。掩膜的形状具有对称性时,算法的计算速度还可进一步提高。实验表明,该算法能提高掩膜图像窗口灰度均值、方差的计算速度1倍以上,可实现多尺度目标检测中对大量掩膜图像窗口的快速灰度分布标准化处理。     

一种用于图像降噪的自适应均值滤波算法

图像中噪声的消除是图像处理与识别的重要环节,噪声滤除效果的好坏直接影响着后续图像处理与识别的质量.为此,提出一种用于图像降噪的空间域滤波算法,自适应均值滤波算法(Adaptive Averaging Filtering Algorithm,AAFA).该算法中局部窗口的系数(掩模系数)是根据局部窗口内各像素与中心像素间的灰度和空间关系计算的,即局部窗口中心像素灰度均值的计算既考虑了窗口内各像素与中心像素间的灰度值差异,又顾及了窗口内各像素与中心像素间的距离.利用该算法进行图像降噪的实验结果表明,相对于经典的空间域均值滤波算法和其它的均值滤波算法,该算法的噪声滤除效果更好.     

基于均值滤波的改进算法

均值滤波算法是图像去噪的经典方法,它不仅能够快速减弱噪声对图像的干扰程度,而且可以有效地平滑图像。但普通均值滤波算法容易使图像边缘变得模糊,并且随着窗口的增大,模糊程度更加明显。本文将以处理高斯噪声为例,在原算法的基础上,进一步考虑了每个像素点在八个不同方向的邻域灰度值以不同的速度发生着变化,使算法得到增强,并对改进后的算法进行了相关分析。     

广义行-列积分图及其在快速投影算法中的应用

投影法是一种广泛应用的图像特征提取方法.在人脸检测中应用投影法,由于需要对图像每一窗口进行遍历及多尺度搜索,积分投影函数和方差投影函数的计算会十分耗时.混合投影函数作为积分投影函数和方差投影函数的加权和,运算量更大.提出广义行一列积分图,并应用它实现了一种快速投影算法.理论分析和基于投影的人脸检测实验表明,该算法可大大地提高投影函数的计算效率.     

基于局部方差和后验概率分类的快速模板匹配算法

具有旋转不变性的模板匹配算法在工业制造上具有广泛的应用。为解决传统的模板匹配方法在目标旋转、匹配速度上的问题，提出一种基于局部方差和后验概率分类的模板匹配方法。为减少计算量，在匹配中通过局部方差过滤掉部分候选窗口，并在后验概率分类模块中通过对比不同区域稳定特征点对的灰度来计算窗口相关性。使用后验概率分类计算窗口相关度能在预处理过程实现旋转不变性，并保证准确率在95%以上。实验结果表明，该算法在80万像素级的任意角度匹配图像上选择合适的窗口移动步长后，可将匹配时间减少到10 ms以内，相较于现有算法速度更快。     

基于分形与灰度特征的无监督纹理分割技术

提出了一种新的基于方向分形特征和灰度特征的纹理图像分割方法。该方法首先用一个局部窗从功率谱图像中提取不同方向上的分形维和分形截距,将它们各自的均值和方差与灰度均值、灰度方差结合起来构成一个多维特征向量,然后利用模糊C均值聚类算法进行聚类实现纹理图像的分割。实验结果表明该方法对织物纹理图像和医学图像都有着良好的分割效果,鲁棒性强。     

基于混合投影函数的眼睛定位

介绍一种精确定位眼睛的方法.眼睛定位是很多人脸检测算法的关键步骤.在获得眼睛窗口之后,可以利用投影方法来定位眼睛.提出一种混合投影函数,该函数结合了积分投影函数和方差投影函数,能够反映出图像在某个方向上灰度均值和方差的综合变化情况.实验结果表明,利用混合投影函数可以相当精确地确定眼睛中心的位置.     

A new active contour remote sensing river image segmentation algorithm inspired from the cross entropy

The CV (Chan–Vese) model is a piecewise constant approximation of the Mumford and Shah model. It assumes that the original image can be segmented into two regions such that each region can be represented as constant grayscale value. In fact, the objective functional of the CV model actually finds a segmentation of the image such that the within-class variance is minimized. This is equivalent to the Otsu image thresholding algorithm which also aims to minimize the within-class variance. Similarly to the Otsu image thresholding algorithm, cross entropy is another widely used image thresholding algorithm and it finds a segmentation such that the cross entropy of the segmented image and the original image is minimized. Inspired from the cross entropy, a new active contour image segmentation algorithm is proposed. The region term in the new objective functional is the integral of the logarithm of the ratio between the grayscale of the original image and the mean value computed from the segmented image weighted by the grayscale of the original image. The new objective functional can be solved by the level set evolution method. A distance regularized term is added to the level set evolution equation so the level set need not be reinitialized periodically. A fast global minimization algorithm of the objective functional is also proposed which incorporates the edge term originated from the geodesic active contour model. Experimental results show that, the algorithm proposed can segment images more accurately than the CV model and the implementation speed of the fast global minimization algorithm is fast.     

强噪声下改进Canny算法的边缘检测

针对传统边缘检测算法抗噪性较差、易受噪声影响、误判率高和漏判等问题,提出一种强噪声环境下对传统Canny边缘检测算法的改进算法。该算法选用平滑聚类滤波取代高斯滤波对受噪声图像进行预处理;对滤波窗口内的像素点进行噪声检测,根据检测到的噪声点个数自适应调整滤波窗口的大小,改变窗口中各信息的输出,为图像中的重要信息赋予较大的权值,实现降低噪声影响的同时防止重要信息被过滤;极大值抑制阶段在3×3邻域内使用Sobel算子,额外加入45°、135°方向计算梯度幅值和方向,更全面地检测细节信息;针对图像的灰度变化使用平均方差来计算高阈值。仿真结果表明,在高斯噪声和椒盐噪声的混合强噪声干扰下,该算法得到的边缘提取结果明显优于传统算法得到的结果。     

基于方向特性的指纹图像预处理

以图像块的灰度均值与标准偏差的比值为判定标准对指纹图像进行分割,本文提出了改进的点方向图计算方法,针对指纹图像方向性强的特点,构造了间隔22．5°的八方向的滤波模板对指纹图像进行方向性滤波,并采用数学形态学的方法进行图像平滑,以自适应阈值法对图像进行二值化。实验结果证明,用该方法进行图像预处理,能大大减少指纹图像中的伪结构,有利于后续的指纹特征抽取和识别,有较高的使用价值。     

旋转45°矩形窗口的积分图像算法改进及应用

旋转45°矩形窗口的积分图像用于计算旋转Harr型特征,可实现快速人脸检测.通过改进这种积分图像的算法,不仅提高了其计算速度,而且使获得图像直立矩形窗口和旋转45°矩形窗口的积分图像只需遍历原图像一次.实验证明算法改进是有效的.还提出了利用这种积分图像检测平面内旋转人脸的另一种方案,拓展了其应用.     

一种有效的运动物体检测方法

为了从监控视频中检测出较高质量的运动物体,文章提出了一种基于帧间差分和背景差分相结合的运动目标的检测方法,并且采用像素级和帧级背景更新相配合的一种背景更新策略。算法求取各像素点处的最大概率灰度,从而提取出连续视频的背景图像;相邻帧则利用帧间差分法以及背景差分法得到两幅运动区域图像;将两幅运动区域图像相与,提取出较为准确的运动目标。实验证明,该算法对光线的变化鲁棒性较高,运算速度较快,且能够及时的响应监控视频的实时变化,提高运动目标的检测质量。     

SUSAN边缘响应值灰度化转共生矩阵检索

SUSAN初始边缘响应矩阵元素值对应USAN中像素点总数,该统计值与响应矩阵元素分布均体现图像特征。若将该统计值视为灰度值,则响应矩阵中的元素分布特征可以视为灰度矩阵中的纹理特征。提出SUSAN边缘响应值灰度化转共生矩阵检索算法,即先计算图像的SUSAN边缘响应矩阵,再按映射规则转换为灰度矩阵,然后计算灰度共生矩阵及其各特征描述子,最后进行特征检索。实验显示,该算法的查全率与查准率在检索结果数量达到某临界点之后较为满意,且体现一定的仿射变换、亮度变化等不变性与抗噪鲁棒性。