新的颜色相似度衡量方法在图像检索中的应用

相似度衡量与特征提取在图像检索中具有重要的作用.基于自适应颜色特征提取的技术,提出一种新的颜色相似度衡量方法,称作加权主色优先距离WMCF.它由3个视觉感知特性条件导出,据此改善图像检索效果.同时,也采用简化的脉冲耦合神经网络提取新的纹理特征,进一步提高图像检索的精确度.实验表明,新的相似度衡量方法相较于CHIC及OCCD衡量方法有着更高的精确度和较小的时间复杂度;同时结合颜色特征与纹理特征的最终检索方法相较FC、BDIP Nmi等方法在精确度上有10％左右的提高,且具有更好的相关图像排序结果.     

机械加工工件表面图像纹理表达及特征提取

提出了一种基于工件表面图像纹理表达及特征提取的图像处理方法.针对影响高精度视觉测量精度的相面旋转问题,充分利用工件表面纹理信息,提出了基于工件表面纹理特征的序列局部图像校准方法,获得序列图像之间的相对旋转角度,解决了测量过程中相机抖动或工件振动引起的尺寸特征方向变动问题.     

机械加工工件表面图像纹理表达及特征提取

提出了一种基于工件表面图像纹理表达及特征提取的图像处理方法。针对影响高精度视觉测量精度的相面旋转问题,充分利用工件表面纹理信息,提出了基于工件表面纹理特征的序列局部图像校准方法,获得序列图像之间的相对旋转角度,解决了测量过程中相机抖动或工件振动引起的尺寸特征方向变动问题。     

应用Gabor滤波器和局部边缘概率直方图的全局纹理方向性度量

为了构建人机识别纹理方向性模型,提出了一种图像全局纹理方向性的度量算法。首先,设计Gabor滤波器以减小次要方向分量,增强描述纹理的全局方向性分量。然后,构造局部边缘概率直方图,描述纹理方向性的整体分布,定量给出全局方向性度量值。最后,在Tamura纹理模型实验集以及Brodatz纹理图像库上,测试比较了用不同测度算法度量全局纹理方向性的精度。结果显示,在两类纹理图像库上所获得的测试值均与人类视觉感知保持了较高的一致性,其精度比其它算法可高出10%,表明论文所提的全局纹理方向性度量算法可以满足精度要求更高的人机纹理识别模型。     

应用显著纹理特征的医学图像配准

针对传统的基于几何度量的配准方法无法配准存在局部变形的医学器官的问题,提出了应用显著纹理特征的经典迭代最近点(ICP)医学图像配准算法。该方法借鉴主动外观模型(AAM)思想对医学图像的显著纹理特征建模,将显著性强的特征点赋予较大权重,率先配准。在传统基于空间距离的图像配准基础上加入显著纹理距离。然后,模拟格式塔心理学提出的人类视觉认知过程,使用线性递减的权重平衡两种"距离"度量方式。该算法前期主要根据几何距离取得整体配准效果,后期依赖图像纹理特征使存在局部变形位置的特征点也能精确配准。最后,在腹腔肝脏图像上进行实验。实验结果表明该算法取得了较好的配准效果,准确率达78.82%,比其他几种流行算法提高了22.22%,且对图像的旋转变化不敏感。提出的算法基本解决了存在局部变形医学器官图像的配准问题,达到了精度高、鲁棒性强的配准效果。     

自适应变尺度特征点提取方法

为了提高特征点匹配速度,设计了一种自适应变尺度构造图像金字塔的特征点提取方法。该方法采用FAST特征点数量作为尺度空间信息量的度量,利用相邻两层模糊图像的信息量差作为金字塔分层依据,通过调整尺度参数,使相邻图像间的细节特征均匀变化;并使用匹配点数量阈值控制金字塔的高度,设计利用"边匹配,边构造"的图像匹配策略来提高特征匹配的效率。最后,将所设计方法与SIFT、FAST、ASIFT三种特征提取方法进行比较。实验结果表明:所设计方法在变尺度条件下的正确匹配率可以达到43.59%,与SIFT相比提高了25.51%,提取的特征点在目标经历各种光照、角度等变化之后仍能正确表示目标。本文所设计方法根据目标图像特点自适应选择参数,不需要人工调整就可获得理想的匹配效果,能适应各种变化条件下的特征提取和匹配工作,并能提高特征提取和匹配效率。     

利用自适应纹理分布的活动形状分割前列腺磁共振图像

基于前列腺磁共振图像性质,提出利用自适应纹理分布的活动形状图像分割方法来自动分割前列腺磁共振图像.该方法首先通过图像的分类与拟合确定感兴趣的腺体区域,同时估计若干形状参数用于分割过程中调整形状;然后融人多重纹理信息,建立纹理一致测度,将传统的活动形状按照自适应的纹理判别步骤细分为纹理分布形状与补充形状,提高活动形状的搜索匹配能力.在搜索匹配部分,利用已估计参数优化活动形状搜索的初始估计,并根据纹理分布形状和补充形状调整迭代过程.实验结果表明,该方法分割出来的前列腺轮廓与金标准的Hausdorff距离为6.00 pixel,分割精度为93％.该方法对活动形状的改进是有效的,利用自适应纹理分布的活动形状能够自动、准确地将前列腺从磁共振图像中分割出来.     

一种基于多重分形新特征的图像分割算法

提出了一种新的基于容度的多重分形图象分析方法.在特征提取方面利用了基于Choquet容度的不同度量标准.从不同的角度提取信息,最大限度地利用了图像中的纹理信息,能将不同类型的纹理有效地区分开.同时结合模糊神经网络提出了一种基于自适应模糊聚类方法的图像纹理分类新算法,不仅克服了经典算法的不足,而且能自动确定网络结构.通过对实际图像的分割试验,证实了该方法的有效性.     

基于纹理的视觉伺服研究

不同于传统的基于点、线等几何特征和图矩等统计特征的图像伺服,本文提出了基于纹理的视觉伺服的方法.实验证明目标纹理特征变化能够提供机器人运动信息.本研究不仅是对视觉伺服理论、纹理研究的丰富与补充,具有重要的理论意义,在某些几何特征缺乏,仅有纹理特征场景中,也有实际应用价值.本文以摄像机两个自由度运动引起的图像纹理特征变化实验为例说明了该方法的可行性和实用性.     

基于弱纹理检测及视差图融合的立体匹配

为了在消除弱纹理区域匹配歧义性的同时保证纹理区域的匹配率,提出了一种基于弱纹理区域检测及视差图融合的立体匹配算法.该算法首先根据输入图像的颜色(灰度)变化情况检测出弱纹理区域,然后基于这一检测结果,对输入图像对应用改进的极线距离变换算法,以提高弱纹理区域像素的可区分性,接着,采用窗口匹配算法和置信度传播算法分别对原始输入图像和极线距离变换后的图像计算视差图谱,最后,以弱纹理检测的结果为基准,对这2张视差图谱进行融合,以实现在弱纹理区域和纹理区域的同步最优匹配.通过对弱纹理化后的Middlebury图像库中图像的实验表明,在几乎不增加计算复杂度的同时,该算法的匹配率比当前先进算法提高至少20％,同时,实验还表明了该算法对照度不一致输入图像对匹配的鲁棒性.