首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 62 毫秒
1.
结合非下采样轮廓波变换的平移不变性,提出了一种基于视觉显著性的红外与可见光图像融合算法。首先,利用引导滤波器改进显著性检测算法并将其用于红外图像;然后,对红外图像和可见光图像进行非下采样轮廓波变换以得到各自的低频与高频子带;最后,在低频与高频子带的融合中分别采用红外图像显著性指导法与绝对值取大法。实验结果表明,与多种相关算法相比,该算法所得融合图像在突出红外目标的同时还具有丰富的可见光背景信息,具有更好的视觉融合效果和客观质量评价。  相似文献   

2.
针对红外与可见光图像融合造成的成像边缘存在模糊区域问题,提出一种基于非下采样轮廓波变换(Nonsubsampled Contourlet, NSCT)域平均梯度能量驱动的红外图像(IFR)与可见光图像(VBI)融合算法,首先对IFR和VBI分别进行NSCT变换,得到低频、中频、高频子带系数,低频融合采用平均梯度能量(Average Gradient Energy, AVGE)取最大的方法进行融合,中频融合采用空间频率(Spatial Frequency, STF)取最大值进行融合,高频提出了一种平均梯度能量驱动脉冲耦合神经网络(Average Gradient Energy Pulse Coupled Neural Network, AVGE-PCNN)的融合方法进行融合,采用逆非下采样轮廓波变换(Inverse Nonsubsampled Contourlet Transform, INSCT)得到最终融合图像,实验采用三组不同场景的IFR和VSI图像进行融合处理。通过对比实验证明,提出的融合方法在改善图像边缘模糊方面效果良好,主观评估和客观评价均优于DWT、DTCWT、NSCT算法...  相似文献   

3.
颜色特征是图像检索领域中最为重要的视觉特征之一.对于基于颜色的图像检索系统,其性能在很大程度上取决于颜色特征的描述和匹配方法的有效性.本文使用主色偏差矩阵来描述颜色特征,并使用相关系数进行相似性度量.经实验证明,该方法对于图像的几何变换和空间变换,具有较高的检索查全率.  相似文献   

4.
针对多曝光工件图像动态范围低、反光面多、易产生过饱和现象等问题,提出了一种针对工件图像序列的Retinex方法。引入光照模型,解决现有方法中没有充分考虑光照条件与曝光时间的缺陷。增强不同曝光时间的LDR(Low dynamic range)图像序列,并将一般的单个图像Retinex处理过程扩展至图像序列,综合序列中各幅图像提供的信息。为了更好地保护边缘信息,还采用具有多方向带通特性的非下采样轮廓波(Non-subsample contourlettransform,NSCT)变换先分解出细节、近似分量子图,再分离近似分量图像的照射、反射分量,从序列中选取各分量图像的最优组合用于增强。试验结果表明:该方法能够有效去除工件图像反光面的过饱和现象,同时提升了图像的视觉动态范围。  相似文献   

5.
针对水下图像噪声特点以及去噪时边缘细节保护不理想的问题,提出了基于联合双重滤波的NSCT阈值去噪算法.该方法采用具有平移不变性的非下采样轮廓波变换对水下图像进行多尺度和多方向分解,根据分解后图像的噪声分布特点,联合频域与空域方法将中值滤波和非局部均值滤波算法分别应用于高低频图像的滤波处理,设置合理阈值进行去噪,进一步恢复图像细节并重构图像.实验结果表明,水下图像的去噪效果明显提高.  相似文献   

6.
提出了一种新型的共生矩阵描述子,它首先计算彩色图像的真彩色边缘,然后把彩色边缘图像量化为64种颜色,通过共生矩阵来描述两个彩色子块之间的空间相关性,并用于基于内容的图像检索。实验结果表明,彩色子块共生矩阵描述子能够有效地结合颜色和纹理特征,具有良好的检索性能。  相似文献   

7.
基于双树复小波和灰度共生矩阵的纹理图像检索   总被引:1,自引:0,他引:1  
传统的DWT小波变换在提取图像纹理特征时存在震荡、平移变化、混频和缺乏方向性四种缺陷。为了克服这些缺陷,本文采用双树复小波变换对图像检索中的查询图像和目标图像进行分解,提取6个方向上的纹理特征,为了弥补双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,又利用这两种图像的灰度共生矩阵提取4个统计量特征;最后用Canberra距离进行相似性度量并输出图像检索的结果。通过对Brodatz纹理图像库的各种纹理图像的检索实验表明,该方法对纹理图像有较好的检索效果。  相似文献   

8.
基于主色调和共生矩阵的概念,提出并实现一种基于主色调纹理的图像检索方法.该方法根据用户所给目标图像的多种主色调,基于三种颜色分量和灰度分量的矩阵信息,提取图像的主色调共生矩阵纹理特征,并利用适用该特征的相似性度量函数实现基于内容的图像检索.  相似文献   

9.
为了获取适合人眼观测的高质量红外与可见光融合图像,提出了一种基于视觉显著性指导的红外与可见光图像融合算法。首先,利用改进的流形排序法分别检测红外与可见光图像的视觉显著性区域;然后,采用非下采样轮廓波变换对红外和可见光图像进行多尺度、多方向分解,从而获取各自低频子带和高频子带,并将视觉显著性的检测结果用于指导分配低频子带的融合权重,即依据显著度大小赋予不同的权值,而高频子带的融合则依据局部标准差准则赋值;最后,通过非下采样轮廓波逆变换获得融合图像。实验结果表明:这种算法不仅可以保全可见光图像中的细节信息,而且能够精确地突显出红外目标信息,具有较好的视觉效果, 增强了红外与可见光复合前视系统的识别性能。  相似文献   

10.
设有矩阵方阵 AX=B,其中 A、B 是 n×n 的复矩阵,当 A、B 都有摄动矩阵或 A、B中的一个有摄动矩阵时,本文应用矩阵范数对矩阵方程 AX=B 的解的误差都作出估计。  相似文献   

11.
提出一种新的基于Radon和小波变换的图像纹理特征检索算法.针对检索图像进行Radon变换,并对投影矩阵进行中心化使其具有平移不变性.利用图像的统计值对投影数据规范化,分别沿 和t方向对投影矩阵进行TSI小波分解,得到具有平移、旋转和尺度不变的小波分解.提取各子带能量作为图像的纹理特征,并对特征向量进行高斯归一化.以两幅图像归一化特征向量间的Canberra距离作为图像的相似度进行检索.基于纹理特征的图像检索试验结果表明,该方法对高斯噪声具有较强的鲁棒性,与其他方法相比具有较高的检索率.  相似文献   

12.
为改善单一特征图像检索方法的局限性和传统综合特征检索方法计算复杂度高的问题,提出一种综合特征的图像检索新方法:将Tamura纹理特征与抗几何形变的小波变换纹理分析方法相结合提取出13个纹理特征分量,在小波分解得到的低频区域中进行颜色直方图的提取,从而实现了颜色和纹理特征相结合的图像检索系统.实验表明,该方法在不明显增大计算量的情况下比单一特征的图像检索具有更好的检索效果.  相似文献   

13.
借鉴纹理谱特征的概念,本文提出并实现一种结合图像主色连通区域信息及其纹理谱特征的图像检索方法.该方法基于图像的主色连通区域,结合图像的颜色构成和分布信息,提取图像的每个主色连通区域的纹理谱特征,并采用线性加权直方图相交法作为相似性度量函数,同时分析并给出了适用于本文方法的加权函数取值方式.本文方法将颜色信息与纹理特征有效地结合在一起,在不增加太多计算时间的条件下,提高了检索质量.  相似文献   

14.
基于Contourlet变换和不变矩的图像检索方法   总被引:1,自引:0,他引:1  
利用Contourlet变换具有良好的稀疏特性及其能准确捕获图像中边缘信息的特性,提出一种基于Contourlet变换和不变矩的图像检索方法.利用Contourlet变换分解得到高、低频子带,计算各高频子带的信息熵和低频子带的7个不变矩构成图像的特征向量,采用不同权值的欧氏距离作为图像的相似度进行检索.实验结果表明,该方法具有较高的查准率,能够对纹理图像进行很好的分类和检索.  相似文献   

15.
将小波变换多尺度理论用于分析确定共生矩阵最佳步长参数值,利用小波变换对原始图像进行分解,根据具体纹理图像,选择合适小波子图像(近似图像或其细节子图像)进行纹理分析,通过计算分解图像的纹理特征参数(对比度)确定最佳步长参数.当步长参数为最优值时,计算所得纹理特征参数值将处于周期极值位置,其利于纹理分析.相对于原始图像,分...  相似文献   

16.
针对静态图象的特性 ,介绍了一种可以在 C语言环境下读取 BMP文件的方法 ,用这种方法 ,可以得到不同位图像素值的 BMP图象的每一个像素点的信息 (即 R,G,B)。在分析了几种典型的颜色和纹理特征提取算法的基础上 ,通过转换成不同的颜色空间 ,利用基于颜色和基于纹理的图象检索算法 ,提取该图象的颜色和纹理特征。并用不同的量化方法对图象的特征提取的效率进行了分析  相似文献   

17.
基于灰度——基元共生矩阵的图象检索   总被引:1,自引:0,他引:1  
结合描述纹理特征的统计方法和结构方法,提出灰度-基元共生矩阵.解决单独使用某一方法的缺点如计算量大、表达复杂、检索效果差等.  相似文献   

18.
基于内容的图像检索研究的焦点是应用最初发源于文本文档检索的相关反馈技术来提高检索性能.但这一技术没有能够填补底层图像特征和高层语义内容之间的空白,这一空白被认为是CBIR的瓶颈,也是图像压缩和视屏检索的瓶颈.阐述了在DCT域中进行图像检索的基本方法和相关反馈的当前发展状况,并提出一个在CBIR中集成相关反馈的框架算法.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号