小波变换域内基于方向梯度相角直方图的图像检索算法

利用反对称双正交小波所具有的多尺度边缘表征能力,基于图像边缘的梯度相角构建统计特征量用于反映图像的内容并支持检索,实验结果表明该算法不仅具有较高的检索效率,同时对图像中存在的光照变化和几何变化（尺度、平移和旋转等）具有较强的鲁棒性,且用于检索的特征量能够直接基于部分解码的小波压缩数据得到。     

基于兴趣点局部分布特征的图像检索方法

提出了一种基于兴趣点颜色和空间分布特征的图像检索方法。该方法把图像内容看作为由若干兴趣点组成的集合,首先利用小波系数的空间方向树特性来检测兴趣点,然后利用基于兴趣点的环形颜色直方图和空间离散度来描述图像的特征,最后用加权特征距离来估计图像内容的相似度。同时,通过利用环形颜色直方图和空间离散度作为图像特征保证了该算法能够对图像的尺度变化、旋转变化和平移变化具有很好的抑制能力。在含有1000幅图像的数据库上所做的一系列实验表明,该算法与其它基于兴趣点的方法相比,能够更准确和高效地查找出用户所需的图像,明显地提高了检索精度。     

基于灰度和边界方向直方图的医学图像检索

本文研究了采用分级检索的机制,综合利用灰度及形状特征进行基于内容的医学图像检索的方法,该方法克服了灰度直方图不能充分表示空间分布信息的不足。利用边界方向直方图描述形状特征,避开了对图像进行精确分割这一医学图像处理中的难点问题。对CT图像数据库进行的检索实验,验证了该方法具有良好的检索性能。     

基于兴趣点凸包的图像检索方法

提出了一种基于兴趣点确定感兴趣区域的图像检索方法。在尺度归一化图像中检测兴趣点,然后对兴趣点求取凸包确定感兴趣区域,并用颜色直方图和Zernike矩作为特征进行检索,在保证图像检索对图像旋转、平移、缩放鲁棒性的前提下,将图像检索上升到物体层,克服了传统方法的不足。对1000幅图像进行的大量实验表明,该方法与其他基于兴趣点的方法相比,平均检索准确率提高了13%,可以更准确地查找到用户所需图像。     

基于方向梯度直方图和局部对比度特征的海面背景红外图像分类

在复杂多变的海面环境下,应用红外成像技术对海面中小目标进行搜救时,为有利于后续针对不同场景的目标处理,有必要对采集的原始图像进行分类处理。根据不同的环境条件,将海面红外图像分为五类场景。从两个方面对训练集图像进行特征提取,一个是通过高斯滤波将图像分为基础层和细节层,然后使用改进的方向梯度直方图（HOG）方法提取特征;另一个是提取图像的局部对比度得到局部特征。将提取的特征向量融合并输入到分类器中,使用支持向量机（SVM）对测试集图像进行分类。文章使用了HOG和局部对比度方法（LCM）结合的新特征描述符对海面红外图像的场景进行分类,与其它方法相比,结果表明改进方法的准确率达到96.4%,体现了可行性和有效性。     

基于改进直方图的红外图像增强方法

为了能在动态范围压缩的同时增强红外图像的对比度,提出了一种基于Sobel梯度直方图均衡算法（gradient histogram equalization,GHE）。与以往的直方图均衡化（histogram equalization,HE）方法不同,该方法自适应地为图像强梯度的灰阶分配高对比度,保留并增强16 bit图像中更多的细节。随后使用双Gamma映射对映射曲线进行调整,有效地抑制图像亮部的过曝现象,同时提高暗部的细节。该方法相比于传统的直方图均衡化算法在暗区细节处理、过曝抑制、对比度增强等方面都有较好的效果。     

基于方向梯度直方图的陨坑预检测算法

陨坑是行星软着陆导航与避障过程中的主要检测目标,目前陨坑检测方法需要被检测图像尽可能地包含完整且清晰的单一陨坑,因此对图像陨坑进行预检测处理得到了广泛关注。通过人工模拟地形方法建立行星陨坑图像数据库,提出一种基于灰度梯度直方图特征(HOG)的支持向量机(SVM)图像陨坑分类方法。该方法可以有效地提取图像中可能包含陨坑的图像子图,并作为后续精确标记陨坑位置的图像处理方法的输入数据。仿真结果表明,该方法能够有效地提高陨坑标记的准确性和实时性。     

显著兴趣点颜色及空间分布熵的图像检索方法

提出了一种利用显著兴趣点进行图像检索的新方法,此方法主要有显著兴趣点检测、基于显著兴趣点的特征描述和相似性度量三个步骤.先使用一个自适应滤波器对图像进行滤波,然后提取显著兴趣点;以显著兴趣点为线索,设计了一种基于显著兴趣点的颜色分布熵,既利用了显著兴趣点的局部特征,又考虑了显著兴趣点的空间分布结构;用图像间的颜色分布熵来度量图像间的相似性.该检索算法不但保证了对图像旋转、平移鲁棒性,而且克服了传统直方图没有空间位置的缺陷.实验结果表明,该方法对图像检索非常有效.     

基于稳定兴趣点及其空间分布的图像检索

提出一种基于稳定兴趣点空间分布的图像检索方法。首先使用基于优化梯度滤波(ODF)的兴趣点检测器,结合尺度归一化的方法,检测图像中的稳定兴趣点;再利用稳定兴趣点的空间分布,对图像进行环形和凸包区域划分;最后利用凸包颜色直方图和环形区域兴趣点邻域内伪泽尼克矩的加权特征向量,对图像进行特征描述。实验表明,本方法实现简单,对图像旋转、平移具有鲁棒性;与其他基于兴趣点的检索方法相比,降低了不稳定兴趣点的影响,平均检索速度较快且平均检索准确率提高了7.0～10.9%,可以更准确地查找到用户所需图像。     

基于直方图均衡化图像增强的改进方法

文章以matlab语言为背景,研究了直方图均衡化图像增强,分析了传统的直方图均衡化图像增强方法的弊端,给出了改进方法,并用实验结果证明了改进方法的优越性。     

基于兴趣点局部综合颜色和纹理图像检索方法

提出了一种基于兴趣点局部区域综合颜色和纹理的图像检索方法。此方法主要用于对图像中有代表意义的局部区域图像特征进行提取。文中研究了对兴趣点的选取以及感兴趣区域的确定,再对感兴趣区域内的图像进行颜色和纹理特征提取。实验证明,此方法提高了图像的检索效率及准确率。     

加窗灰度差直方图描述子及其对SURF算法的改进

如何构造紧凑而有效的特征描述子是机器视觉和模式识别领域重要的研究课题之一。针对SURF (Speeded Up Robust Features)算法的Haar描述子不能充分利用特征点周围信息的缺陷,该文提出了一种新的局部不变描述子加窗灰度差直方图(Windowed Intensity Difference Histogram, WIDH),该描述子基于特征点周围邻域一个较小的核心区域,通过窗口模板的移动充分利用外围作用区域的灰度差信息,构造了一个维度低且辨识力很强,运算简单高效的描述矢量。实验表明,将WIDH用于改进SURF算法的Haar描述子时,可以用更低维的矢量获取与SURF相近或更好的辨识能力。在抗模糊性和抗噪性方面,WIDH明显优于SURF的Haar描述子,相同的错误率下查全率分别提高了大约35%和50%。     

图像梯度场双区间均衡化的细节增强

直方图均衡化技术已广泛地应用于图像增强中,本文将该方法引入梯度域,这样可以使图像细节均匀地分布在各灰度级上.进一步本文又研究了图像梯度幅值分布特点,根据梯度幅值的右偏分布特性,采取双区间分别对梯度场进行均衡化处理.在区间阈值选取上,本文结合频率分布的数字特征,提出了区间阈值的两个选取准则并将梯度幅值合理地分为小梯度区间和大梯度区间.在目标梯度场复原过程中,本文提出矩阵变换法替代传统的"微分迭代法",减小了算法的时间复杂度.实验结果表明本文算法可使图像细节得到有效地增强.     

图像增强中直方图均衡化合理性的一种解释

本文证明了图像增强中平坦的直方图是一些合理假定的必然结果,这些假定包括灰度值被拉伸的程度应该和它在图像中出现的次数（直方图）相联系,灰度值出现的次数越多,就应该被拉伸得越厉害;图像被增强之后如果再进行一次增强应保持不变。教学实践表明,这样引入直方图均衡化易于理解,有启发性。     

基于兴趣点颜色形状特征的图像检索方法

提出了一种基于兴趣点的图像检索新方法ACSM（Annular Color and Shape Moment）．利用兴趣点的位置信息，提取兴趣点周围局部区域的颜色矩特征和区域形状不变矩特征。ACSM算法不仅对平穆、旋转具有良好的鲁棒性，而且克服了传统颜色矩和形状不变矩没有位置信忠的缺陷。实验结果表明，由于将颜色和形状特征有机结合，ACSM算法有效提高了图像检索的准确性。     

基于广义直方图均衡的图像增强新方法

针对传统直方图均衡方法进行图像增强时导致图像细节信息丢失和噪声放大的问题,提出了广义直方图均衡图像增强方法。传统直方图是基于整数1进行计数的,广义直方图将整数1分解成2个值:分数和余数,通过对每个灰度级累计分数值和在所有灰度级均匀分配余数值生成。由于分数值控制着广义直方图均衡的效果,图像中不同特性区域应该具有不同的分数值,给出了基于局部复杂度计算的分数值求取方法。实验结果表明本方法能有效克服传统直方图均衡法丢失目标细节和过分放大噪声的不足,是一种有效的图像增强方法。     

基于网格梯度的边界点检测算法的研究

为了快速有效地检测聚类的边界点,提出了网格梯度、边界网格的概念以及一种基于网格梯度的边界点检测算法(Boundary Points Detecting Based Gradient of Grid,BPGG),该算法先求出网格的梯度值,根据此值判断该网格是否为边界网格,进而确定聚类边界点.实验表明该算法可以在含有任意形状、大规模数据集上快速有效地检测出聚类的边界点,并去除噪声.     

基于感兴趣区域多特征加权融合的图像检索算法

基于内容的图像检索有着广阔的应用前景,但存在检索性能不高的缺点.综合兴趣点和多特征融合的优点,提出一种基于感兴趣区域多特征加权融合的图像检索算法.采用Harris算法提取图像的兴趣点,确定感兴趣区域;再采用累积灰度直方图、共生矩阵和形状不变矩分别提取感兴趣区域的颜色、纹理和形状特征;经归一化后,最后采用距离函数级融合来度量图像的相似度,以检索图像.实验表明,算法有效地提高了图像的检索性能.