一种Beamlet变换下的图像边缘检测算法

Beamlet变换是一种多尺度分析的有效工具。对基于Beamlet变换的线特征提取算法进行改进,提出一种表示Beamlet上图像灰度值加权平均的算式,提出在图像子块内沿Beamlet的各个方向搜索边缘,形成一种图像边缘检测的新算法。从检测到的边缘连贯性等方面对该算法的性能进行了评价,将该算法应用于车道线等图像的边缘检测和车道识别。实验结果表明,该算法检测到的边缘连贯性好,算法的错检率和漏检率低,且具有较强的提取线特征的能力;检测到的边缘线段包含位置、方向等信息,便于对车道等目标进行识别;算法的缺点是：抗噪性不够好且计算较为复杂,有待改进。     

基于Beamlet变换的线特征检测

线特征是图像的重要特征,其检测效果直接影响模式识别和分类。基于调和分析的思想,给出一种带有方向信息的多尺度的Beamlet基,对图像进行Beamlet变换。试验结果表明,该线特征检测方法不仅能提取无噪声图像中的直线和曲线,而且对强噪声图像中的直线和曲线提取效果也很好。     

改进的Beamlet与Canny相结合提取复杂图像线特征

传统Beamlet无结构算法在提取图像线特征时不仅存在重叠模糊的缺陷,而且在提取复杂图像线特征时不能有效地检测出目标信息,细节特征更是难以刻画。针对这些问题,提出将改进的Beamlet无结构算法与Canny算子相结合的方法提取复杂图像的线特征。首先,对图像进行Beamlet变换,通过改进Beamlet无结构算法,采用新的能量统计和制定新的划线规则,以保证每个二进方块最多有一条最优基;然后,对图像用Canny算子检测边缘,通过选取较大的Sigma,只检测明显的大边缘;最后,两者结合得到图像的线特征。从检测的线特征的线型连接程度等方面对该算法的性能进行了评价,并与现有的方法进行了比较,实验结果表明,该方法克服了两种方法单独提取线特征时存在的断裂、重叠、模糊和虚假边缘的缺点,有效地提高了复杂图像线特征提取的准确性和连续性。     

基于Beamlet的图像线特征提取方法

提出一种基于Beamlet变换图像线特征提取方法。用基于方向窗的方向滤波突显图像中不同方向的线特征,通过阈值处理将灰度图像转换为一组二值图像,利用逻辑或运算融合成一幅图像,用Beamlet变换从融合图像中提取图像的线特征和曲线特征。实验结果表明,在信噪比很低的情况下该方法能够得到满意的结果。     

基于Contourlet变换的遥感图像融合

利用Contourlet变换的多尺度、局部化、方向性和各向异性等优点,提出了一种基于Contourlet变换的遥感多光谱与全色波段图像融合新算法。算法首先对多光谱图像进行IHS变换,然后将多光谱的I分量和全色图像进行Contourlet分解,进而在不同子带中进行图像融合,低频采用一种新的基于形态学梯度算子的边缘信息融合算法,高频采用区域标准方差融合并使用形态学进行一致性检测,最后将得到的灰度融合图像进行线性拉伸并替代原来的I分量,进行IHS反变换后得到最终的融合图像。实验结果表明,与传统的图像融合算法相比,该算法能够更有效地融合源图像信息,保持源图像特征。     

迭代离散Shearlet变换异类源遥感图像融合

Shearlet变换是一种多尺度几何分析算法,适用于遥感这类纹理丰富、边缘复杂的图像处理。提出了一种基于迭代离散Shearlet变换的图像融合算法,将源图像进行分解,得到图像的多尺度、多方向树型结构表示;对粗糙分量和带通细节分量分别采用不同的融合规,得到融合图像的树型结构表示;最后进行Shearlet反变换得到融合图像。仿真结果表明,提出的算法比基于Contourlet变换的图像融合算法有更好的效果,更有利于保留纹理和边缘信息。     

一种改进的复杂图像线特征提取方法

针对传统Beamlet变换无结构算法在提取图像线特征时存在的线断裂、重叠、模糊等问题,提出了一种提取复杂图像线特征的改进方法。该方法首先利用小波变换对图像进行预处理,以突显细节特征;接着对预处理后的图像进行Beamlet变换,得到变换系数集合;然后在阈值化时,定义了新的能量统计,在可视化时,制定了新的划线规则,并使两者结合,以确保每个二进方块最多只用一条最优基表征;最后将所有方块中的最优基作为线特征提取出来。实验结果表明,与传统算法相比,在没有明显增加计算量的前提下,该改进方法对线条丰富和边缘复杂的图像的线特征提取,表现出明显的优势。     

利用Beamlet变换算法提取遥感图像线性特征*

利用一种Beamlet变换算法来提取遥感图像中的线性特征,通过对遥感图像按二进、递归进行划分,利用灰度信息,积分计算每一小块图像中的Beamlets,结合梯度信息,通过广义似然比检验GLRT(generalized likeli-hood ratio testing)来检测判断符合条件假设的Beamlets,重建线性目标。此算法可以克服图像中的干扰及噪声,适应复杂、低信噪比遥感图像环境,准确地定位出直线。实验结果表明,该算法具有较好的性能,可以应用到实际的遥感图像处理中,具有实用价值。     

基于小波变换和快速聚类方法的目标检测与识别

针对显微图像中的微目标检测与识别,提出了一类基于三次B样条函数多尺度小波变换,该变换通过零交叉或模极值检测图像的边缘,在分解和重建时采用一种基于滤波器系数特征的离散快速算法。为除去由噪声引起的虚假边缘,建立了边缘点检测的自适应阈值方法。为实现微目标的识别,采用了一类简单有效的快速聚类算法。最后采用含随机噪声的模拟图像和显微图像进行算法比较与验证,实验结果证明了这些算法的有效性。     

基于融合的高分辨率彩色图像拷贝—变换—移动篡改检测

拷贝—变换—移动篡改是一种操作简单但非常有效的数字图像篡改方法,现有检测框架无法检测。同时,在处理高分辨率篡改图像时,基于穷举搜索的现有算法框架会有计算量的困难。针对高分辨率彩色图像拷贝—变换—移动篡改提出了基于图像融合和尺度不变特征变换(SIFT)特征点匹配的检测算法。首先利用基于加权多尺度基本形的图像融合方法将降采样后的彩色图像信息融合至单幅灰度图像中,然后设计快速匹配方法得到融合图像中匹配的SIFT特征点作为种子点,最后根据图像处理规则和SIFT特征点的尺度和方向信息制定合适的生长策略逐步生长出被篡改区域。对手动制作的篡改图片和可疑新闻图片的实验结果表明,该算法对常用的润色操作和亮度调整以及JPEG有损压缩有较强的稳健性。     

基于线特征和控制点的可见光和SAR图像配准

以具有典型人造目标的可见光和SAR (Synthetic aperture radar)图像为研究对象,提出一种自适应多尺度快速Beamlet变换方法提取人造目标在可见光和SAR图像的共有特征---线特征, 并基于线特征构造控制点,设计了一种基于控制点特征的匹配度函数,采用基于特征一致的粗配准和基于控制点的精确配准方法,对待配准图像实现由粗到精的自动配准. 实验表明,在可见光和SAR图像存在较大灰度差异、旋转和平移的情况下,该算法仍然能够精确配准图像.     

基于Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征,它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换,但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法,该方法以finite ridgelet理论为基础,结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性,能够获得连续空间函数的稀疏表达,同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明,本方法即使在背景复杂的环境下也具有良好的检测效果。     

一种遥感图像中建筑物的自动提取方法

目前,传统建筑物识别方法通常采用基于建筑物边缘线性特征的识别算法,这类方法具有简单高效的优点,但识别率较低。该文提出了一种综合利用建筑物的若干特征进行自动识别的方法。首先用Canny算子提取边缘。然后根据建筑物的空间分布特点和Hough变换特性。在Hough变换域进行建筑物边缘方向统计来筛选边缘线段,提取出潜在的目标边缘线段;接着该文提出了对建筑物的几何特征（例如矩形特征、角点特征和阴影特征等）和灰度特征进行识别的算法,将其识别结果做为判定建筑物目标的依据,最终准确地提取出建筑物。大量实验证明该方法相比较单一的线性特征检测方法,速度快、准确率高．具有较强的实际应用价值。     

基于beamlet变换的图像线性特征提取

Radon变换常用于图像直线特征的提取,但是在检测线段时,Radon变换无法提供线段的端点以及长度信息,在提取被噪声严重污染的图像中的线性特征时存在巨大困难。beamlet是一个多尺度的在一定范围内的位置、方向和尺度下二进组织的线段库,具有分级、多尺度的特性。beamlet变换是近年来蓬勃发展的多尺度几何分析理沦的一种,特别适合于提取图像中的线性特征。该文描述了一个多尺度图像分析的框架,其中线段起到的作用类似点在小波中起的作用。论文研究了beamlet变换的实现方法,并将beamlet变换应用于被噪声严重污染的图像中线性特征的提取。实验证明该方法具有很好的效果。     

面向巡线无人机高压线实时检测与识别算法

以巡线无人机巡航中识别高压输电线为背景,提出一种准确、实时的高压输电线检测与识别算法.首先,针对高压输电线成像是线状结构和低灰度值的特征而且其空间分布近似水平,提出一种基于方向约束的多尺度线状目标强化算法.此方法把近似水平方向的高压输电线目标强化出来的同时,能够很好地抑制竖直方向线状干扰物体和非线状背景及噪声.然后,对强化后的结果进行基于角度约束的Radon变换.由于高压输电线邻近区域的灰度分布近似,在Radon变换中引入用于识别高压输电线的识别因子,以获得高压输电线的识别结果,并抑制近似水平的干扰物体.实际的飞行试验结果表明,该算法对高压输电线识别具有很好的抗噪性、抗干扰性和实时性.     

基于改进的多分辨率Hough变换的直线检测方法

该文提出了一种基于改进的多分辨率Hough变换的直线检测方法。对多分辨率图像由粗到细地循环处理,首先利用全局累加器序列对最小的图像做Hough变换得直线参数,利用该直线参数估计下一循环图像中的直线参数;建立了一种简单对应关系,将得到的直线参数的估计范围转换成图像空间范围;然后在图像空间范围内利用局部累加器对较大图像做Hough变换检测直线。最后还给出了线段端点检测、长度计算及连续性考察的方法。实验表明,该方法可以加快直线检测速度、节省存储空间,端点检测方法具有一定的鲁棒性。