多灰度等级图象分割算法及实现

以图象的相关系数为量化参数,讨论了像素的空间和灰度相关性,建立了直方图正态分布叠加模型,在此基础上,构造了基于灰度直方图的多灰度等级图象分割算法。该算法计算量小、实时性强,可应用于基于计算机视觉的实时检测系统。     

一种基于混沌序列的图象加密技术

混沌序列具有易生成性、对初始条件强敏感性、可完全重现性以及整体的伪白噪声统计特性等特点 ,同时混沌序列的离散映射序列也具有其相似的特性 .基于以上特性 ,给出了一种基于混沌序列的图象置乱加密算法 ,其首先 ,以初始条件为密钥生成混沌序列 ,并将它映射为 2 K值混沌序列 ;然后依据该序列随机地修改图象每个像素点的灰度值 .同时为了度量加密或置乱的程度 ,还给出了一种基于图象局部方差的图象置乱度的定义 .实验结果证明了该算法实现简单 ,计算量小 ,且图象的解密结果对混沌序列的初始值有较强的依赖性 ,安全性高 ,同时也证明了给出的图象置乱度能更好反映图象加密前后的视觉差别和加密效果 .     

图象小波变换编码的双金字塔数据结构

利用小波变换将图象分解成一组多分辨率子图象，提出了一种改进的编码方案－利用子图象的灰度统计分布特性和人眼视觉特性的分配比特数；采用双金字塔数据结构对图象数据进行编码，充分利用子图象的相似性，进一步减少了数据量。     

基于次序统计量像素灰度相似度的图像双边滤波

针对一般双边滤波器定义中的像素灰度相似度函数易受图像噪声影响,不能很好地表征像素之间的实际相似性的问题,设计了一个基于次序统计量的像素灰度相似度函数.基于网像中相邻像素之间的相关性,可近似地将某像素的1环邻域所有像素的灰度视为该像素灰度的n(n≤9)次观测值,并定义为n-次序统计量.依据两像素灰度的n-次序统计量的欧氏距离定义它们的灰度相似度.该相似度函数结合了像素1环邻域灰度分布的统计属性,能较好地抑制噪声的影响.仿真实验验证了所提出基于次序统计量像素灰度相似度的双边滤波算法具有良好的滤波特性.     

一种新的动态二值化算法

本文提出了一种新的动态二值化算法，以实现从灰度点阵图象中提取其对象。通过分析象素和其所在的局部区和灰度值等数字特征，可以判断局部区的内是否存在对象，阈值和判断条件对应。     

图象纹理分析方法及发展（一）

本文系统地回顾了图象纹理分析的各种统计方法及其发展,介绍了目前使用在纹理分析中的重要统计方法:灰度差分法,滤波法,功率谱法,共生特征法,灰度游程法,自相关特征法,以及根据纹理随机模型、相对极值量度、象元素以及某些规则推导出的各种纹理统计分析方法。本文还讨论了各种方法之间的关系以及基本实施步骤。文末,对于各种方法的的精度及复杂性进行了比较与介绍,并指出了图象纹理研究近期一些成果及研究前景。     

一种直方图局部均衡化的新方法

直方图均衡化(HE)是一种简便有效地增加灰度图象动态范围的方法,被广泛地应用于图象处理的各种领域,如医学照片,数字相片处理.它可以方便地增加图象的对比度,令图象的视觉信息量达到最大.但是这种方法存在很大的局限性,经直方图均衡化处理以后的图象和原图象在灰度上差别很大,在增加图象对比度的同时还将导致图象的亮度增加,并会产生噪声.本文对直方图的均衡化进行了一定的研究,将一些改进的方法,如自适应均衡化(AHE),双直方图均衡化(BBHE)等进行了比较,从而提出了一种根据图象直方图的局部形态对图象进行直方图局部均衡化的方法,这种方法一方面将像素的灰度值分散,可以分辨图象中比较细节的内容;另一方面,将图象的灰度变化控制在一定范围之内,抑制了噪声的产生,较大程度上地保留了原始图象的亮度.     

一种基于高阶统计量的图象平滑去噪法

为了消除或衰减存在于图象上的噪声，同时尽可能地保留图象细节，提出了一种基于高阶统计量的图象平滑去噪法，该方法是根据高阶统计量对高斯噪声不敏感的特性，对一个像素点采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值，以便可以在对噪声进行平滑滤波的同时，最大限度地保留图象的细节信息，仿真结果表明，该方法较好地实现了这一要求，与常用的中值滤波法相比，该方法处理后的图象，其PSNR可提高约1dB以上。     

综合颜色及空间特征的图象检索方法

针对目前的CBIR,没能有效地结合图象中对象空间信息的问题,提出了一种新的图象分割方法,该方法以线性加权方式融合颜色、纹理特征采用区域增长法对图象进行分割,避免了传统的由于单独采用颜色或纹理特征分割图象而产生的欠分割或过分割问题.根据分割区域的灰度、形状、位置等特征计算图象间的相似度,提出采用图象的灰度特征代替彩色信息以提高查询速度.     

基于JPEG2000的高动态范围图象压缩

高动态范围图象对真实场景的色阶和动态范围进行编码,如辐射度图。通过对JPEG2000编码器进行扩展,提出了一个高动态范围静态图象的压缩方法。该方法基于应用于高动态范围图象显示的色调映射技术,通过可变基底的对数映射函数对图象像素的32位浮点格式的辐射度值进行变换,然后将数据输入到JPEG2000编码器,并依据HVS模型的对比灵敏度特性对小波系数进行加权处理。实验显示,该方法对图象有较大压缩率的同时还保持较好的主观质量。     

A model for the gray-intensity distribution of historical handwritten documents and its application for binarization

In this article, our goal is to describe mathematically and experimentally the gray-intensity distributions of the fore- and background of handwritten historical documents. We propose a local pixel model to explain the observed asymmetrical gray-intensity histograms of the fore- and background. Our pixel model states that, locally, the gray-intensity histogram is the mixture of gray-intensity distributions of three pixel classes. Following our model, we empirically describe the smoothness of the background for different types of images. We show that our model has potential application in binarization. Assuming that the parameters of the gray-intensity distributions are correctly estimated, we show that thresholding methods based on mixtures of lognormal distributions outperform thresholding methods based on mixtures of normal distributions. Our model is supported with experimental tests that are conducted with extracted images from DIBCO 2009 and H-DIBCO 2010 benchmarks. We also report results for all four DIBCO benchmarks.     

一种基于纹理特征融合的SAR图像分割方法

在由若干灰度共生矩阵纹理统计量进行特征融合后所生成的图像上,定义多分辨双Markov-GAR模型,采用多分辨MPM参数估计方法及相应的无监督分割算法,对SAR图像进行纹理分割。该方法既利用了像素的灰度信息,也利用了像素的空间位置信息,削弱了斑点噪声对分割的影响。实验表明对于一些高分辨SAR图像,该方法与单纯基于灰度图像上的多分辨双Markov-GAR模型纹理分割相比,分割精度得以提高。     

二维图像特征点自主提取算法研究

采用概率论理论,对二维图像进行灰度统计分析,采用计算标准差方法,对图像特征点区域定位并提取特征点.该方法提取特征点,仅需对抽样象素区域进行灰度标准差分析,避免了提取图像特征点,根据被处理图像的一些先验信息,利用试探方法确定阈值的局限性.通过分别对具有弱纹理及包含复杂背景的多物体自然二维图像的特征提取,证实了所提方法的有效性和可靠性,可满足机器视觉系统中自主、实时识别与提取二维图像特征点要求.     

基于区域清晰度的纺织纤维图像融合

针对多焦面纺织纤维图像,提出一种基于区域清晰度的图像融合方法。用像素点灰度的模值衡量像素点的清晰度。首先通过对多焦面图像搜索像素点最大模值的方法,确定每个最清晰像素点(即灰度的模值最大)所在的图层号,并保存在图层号矩阵中。再针对图像中的噪声干扰,根据局部区域模值的最大值,确定区域阈值进行去噪处理,并修正图层号矩阵。然后根据图层号矩阵,用对应图层像素点的灰度值合成得到多焦面融合图像。最后对融合方法提出改进措施,以进一步提高图像处理的速度。实验表明所提出的多焦面图像融合方法行之有效。     

High-Precision Boundary Length Estimation by Utilizing Gray-Level Information

We present a novel method that provides an accurate and precise estimate of the length of the boundary (perimeter) of an object by taking into account gray levels on the boundary of the digitization of the same object. Assuming a model where pixel intensity is proportional to the coverage of a pixel, we show that the presented method provides error-free measurements of the length of straight boundary segments in the case of nonquantized pixel values. For a more realistic situation, where pixel values are quantized, we derive optimal estimates that minimize the maximal estimation error. We show that the estimate converges toward a correct value as the number of gray levels tends toward infinity. The method is easy to implement; we provide the complete pseudocode. Since the method utilizes only a small neighborhood, it is very easy to parallelize. We evaluate the estimator on a set of concave and convex shapes with known perimeters, digitized at increasing resolution. In addition, we provide an example of applicability of the method on real images, by suggesting appropriate preprocessing steps and presenting results of a comparison of the suggested method with other local approaches.     

自适应滤波窗实现距离加权图像椒盐噪声滤除

目的 在比较几种椒盐去噪方法的滤波窗口尺寸选择策略的基础上,提出一种基于自适应滤波窗的距离加权图像椒盐噪声滤除方法。方法 首先将图像中灰度值为0或255的像素点判定为噪声点,接着对每个噪声点,在以该噪声点为中心、不断增大面积的滤波窗口序列中,寻找包含非噪声点的最小尺寸窗口。若此窗口尺寸小于预设的阈值,则使用该窗口中的非噪声点进行距离加权滤波。否则认为该噪声点位置位于图像自身灰度值为0或255的像素点区域内部,使用少数服从多数策略计算灰度恢复值。结果 将本文方法与其他7种椒盐去噪方法相比较。当图像自身包含较多灰度值为0或255的像素点时,本文方法去噪效果优于其他7种方法。当图像自身不含或较少包含灰度值为0或255的像素点时,本文方法与其他方法中的最优去噪结果效果相当。结论 本文方法不仅能够有效滤除椒盐噪声,而且适用于自身包含灰度值为0或255的像素点多的椒盐噪声图像。     

一种灰度化混合法在集装箱箱号识别中的运用

研究一种基于机器视觉的集装箱箱号识别方法。对于集装箱彩色图像预处理过程中的灰度化方法，传统的灰度化算法不能有效弥补图像中污损或其他信息缺失的部分，因此，本文提出使用主成分分析法（PCA）结合贝叶斯阈值估计灰度变化率的混合法对图像的灰度化进行优化，可以在判断图像中某一点灰度值与周围相邻像素点的灰度值的变化率后，弥补缺失信息，有效确定边缘特征，从而使后续的字符识别准确率大大提高。最后使用该算法模型设计实现一套用于港口集装箱的智能检测系统。经过Matlab实验验证，在对50幅港口集装箱箱号图像的识别中，通过使用本文提出的混合灰度化方法，与普通的均值法和加权平均法的灰度化方法相比，准确率更高，其中单一字符准确率可达96%，箱号准确率可达92%。     

基于立体匹配的低纹理图像重构算法

针对立体匹配中低纹理区域容易产生误匹配及传统动态规划固有的条纹问题,提出一种改进的基于双目立体视觉的低纹理图像三维重构算法。该算法首先基于像素间相似度和像素自身特异性计算匹配代价并引入一种自适应多边形支撑区域聚集匹配度。然后采用一种全局意义的简单树形动态规划进行逐点匹配。最后基于左右一致性准则运用一种简单有效的视差校正方法消除误匹配得到最终视差图。实验证明将算法运用于实拍低纹理灰度图像的匹配,得到轮廓光滑清晰的三维点云,说明该方法的适用性。     

基于支持向量机的连续超声图像集分割算法

针对传统的支持向量机（SVM）模型对连续超声图像集进行分割时需要为图像集中每张图片提取样本点来建立分割模型的问题,提出了一个对整个连续超声图像集的统一的SVM分割模型。首先,从图像的灰度直方图中提取灰度特征作为表征图像集中图像连续性的特征;其次,从图像集中选取部分图像作为样本,并从中提取像素点的灰度特征;最后,将各像素点的灰度特征与各像素点所在图像中表征图像集连续性的特征相结合,用SVM的方法训练出分割模型对整个图像集进行分割。实验结果表明,与传统SVM分割方法相比,新模型在面对大量的有连续变化的图像集的分割问题上,大幅地减少了人工选取样本点的工作量,并且在分割的准确率上也有保证。     

融合SIFT特征的熵图估计医学图像非刚性配准

配准准确性是医学图像配准算法的一项重要指标,像素灰度是目前图像配准中广泛使用的特征,但是灰度特征来源单一,而且忽略空间信息,在一些情况下容易产生误配。针对这个问题,本文提出一种融合SIFT特征的熵图估计医学图像非刚性配准算法。该算法首先使用基于互信息的刚性配准算法对两幅待配准图像进行粗配;然后,在采样点上提取像素灰度和SIFT高维特征,并在此基础上构造k-最邻近图(kNNG);最后,使用k-最邻近图来估计α互信息(αMI)。实验结果表明:和传统的基于互信息和像素灰度的刚性配准算法,基于熵图估计和单一像素灰度特征的非刚性配准算法相比,本文提出的算法具有更高的配准准确性。