基于断层图像分割的三维匹配插值

CT和MRI图像断层之间的距离远大于断层内部像素间的距离,三维剂量场的计算等工作通常需要等间隔分布的三维图像数据。目前常用的基于灰度插值方法会引起图像边界模糊,而基于形状的插值方法不能得到整个图像的数据。为解决这一问题,文中提出了一种基于断层图像分割的三维匹配插值算法。通过对断层图像进行分割,获得断层图像的空气、软组织和骨骼等区域信息。对相同密度区域采用匹配插值,不同密度区域采用缩放区域大小作为插值数据,使新的图像不仅在灰度上,而且在组织形状上介于原来的断层图像之间,满足了医学图像插值要求。和线性插值方法相比,新算法提高了插值图像的质量,插值结果可有效地应用于构建三维体模型。     

基于多尺度特征提取的均值漂移目标跟踪算法

为在图像对比度较低、相似目标过多等情况下较好地实现目标跟踪,提出一种基于多尺度特征提取的均值漂移跟踪算法.前一帧目标区域的特征点经匹配得到后续帧目标区域的特征点,利用所得特征点集的中心坐标修正均值漂移搜索窗位置,以此为约束条件,减小均值漂移迭代产生的偏差.实验结果表明,该算法可以提高跟踪精度、鲁棒性及实时性.     

基于图像的人体特征点提取与尺寸测量

人体特征点提取和尺寸测量一直是虚拟服装试衣的关键内容.本文在人体图像基础上,通过对ASM算法进行改进实现人体特征点提取以及特征点尺寸测量.首先,算法计算待测图片中人脸和身体两个中心点欧式距离与对应模板进行匹配,改变传统ASM算法单一模板局部模板匹配模式,提高了初次模型匹配的准确率和效率;接着,以特征点为中心选择较少有效邻域点在其灰度训练模型中目标搜索,解决传统ASM方法匹配时间长且特征点易匹配失败问题;另外,针对人体胯部以下区域易出现仅单侧拟合效果较好问题,利用马氏距离公式选择特定矩阵大小邻域范围内点的灰度与灰度模型比较,并且结合人体体型分布及对称性特点进行拟合处理.实验结果表明了该方法能适应复杂背景下人体图像的特征点提取与尺寸测量,提高人体特征点提取和尺寸测量精度.     

一种基于K均值分类稀疏表示的灰度图像颜色重建方法

本文充分利用参考图像与待处理灰度图像的关联关系,运用稀疏表示理论和字典学习的方法,提出一种基于K均值分类和残差补偿的稀疏表示的方法来对灰度图像进行颜色重建。首先根据K均值算法将参考图像分成K类,利用K阶奇异值分解（K-SVD）算法训练各类的亮度—特征—颜色的联合字典;其次,根据最小形心距离将待处理灰度图像自适应地分成K类,利用其亮度和特征信息根据正交匹配追踪（OMP）算法得到各类的稀疏系数;然后利用各类的字典和稀疏系数重建初始的彩色图像;最后用残差补偿对重建结果进行修正。实验结果表明,该算法相比于经典算法及其他改进算法对灰度图像进行颜色重建时取得了更好的效果,重建的图像看起来更自然、平滑并且在客观评价标准方面也优于对比算法。     

自适应搜索的快速分形图像编码算法

为了改进全搜索分形编码过程匹配耗时长而导致难以实用的缺点,新定义了规范块灰度值力矩来反映图像块的特征,根据匹配均方根误差与规范块灰度值力矩间的关系,建立一个预先剔除条件来排除许多不大可能匹配range块的domain块.对一个待编码range块,仅在与该range块灰度值力矩数值最接近的domain块的自适应搜索邻域范围内找它的最佳匹配块.仿真结果表明,与全搜索分形图像编码算法相比,三幅测试图像在重建图像质量更好的情况下,能够平均加快它的编码速度58倍.     

根据轮廓寻找匹配对应点的断层图像插值方法

插值是三维重建的一个重要步骤。目前常用的直接灰度插值会使得图像边界模糊。针对这一问题,提出一种基于轮廓寻找匹配点的插值方法：首先对两幅图像进行形状插值,得到插值图像的轮廓;再根据轮廓寻找插值图像在两幅源图像上的对应点,并根据匹配准测,找到最佳匹配点;最后对匹配点的灰度进行插值,得到插值像素点的灰度值。试验结果表明,和已有的算法比较,新算法较好地提高了插值图像的质量。     

基于学习边缘信息的图像插值算法

为解决图像插值时产生边缘模糊和重影等现象,利用神经网络学习图像边缘信息,匹配两相邻断层图像间相似点,实现图像的灰度插值.对于新插值图像上的每一个像素,在相邻两个断层各选择一系列候选对应点,利用神经网络选择最佳匹配的一对对应点,利用这对对应点的灰度值插值出新图像上相应位置的灰度值.试验结果表明,改善了传统图像插值中图像边缘模糊的现象,并且极大的消除了重影现象.     

一种新的基于维纳滤波的错误隐藏插值算法

提出了一种基于维纳插值模型的帧内错误隐藏插值算法WIEC。算法采用最近的相邻点作为插值的参考点,同时对传统插值选点方法进行改进,将已恢复的像素点用作估值,使得算法可以较好的恢复图像中如边缘特征等一些重要信息。考虑到误差积累和计算复杂度等问题,又提出了一种螺旋型插值顺序模式。该插值顺序模式不仅提高了插值精度,而且减小了最大插值误差。仿真实验表明,算法具有良好的错误隐藏效果。     

形态学与测地距离函数应用于CT断层图像插值

现有的插值方法在进行断层图像插值时,要么不能兼顾灰度和形状的变化,要么计算量太大。为解决这一问题,提出一种基于数学形态学、测地距离函数与向量积点匹配相结合的插值算法。通过对已知两幅断层图像进行分割,得到目标与背景的区域后,利用数学形态学与测地距离函数相结合的方法确定出插值图像目标与背景区域的轮廓,然后在每个轮廓内运用向量积点匹配插值方法得到插值点的值,从而得到整个插值图像。实验结果表明,该算法插值出的图像不仅视觉效果好而且使计算量极大减少。     

纹理细节和边缘结构保持的图像插值算法

针对图像重建过程中产生的边缘结构被破坏和纹理细节丢失问题,提出一种纹理细节和边缘结构保持的图像插值算法。首先,采用自适应阈值的八方向边缘检测划分图像区域;其次,构造双变量有理函数模型,它可在有理模型和多项式模型之间转换;最后,提出基于边缘数据的局部不对称性和梯度特征调整待插值点空间距离的方法,调整边缘部分待插值点坐标并代入有理模型实现插值,而非边缘部分采用多项式模型插值。实验表明,该算法的峰值信噪比平均提升了0.48~2.17 dB,结构相似性平均提升了0.004~0.028,获得了较高的客观评价数据。该算法将原空间距离不变的插值修正为空间距离变化的插值,有效地保持了图像的边缘结构和纹理细节,使得重建结果具有较好的视觉效果。     

融合颜色与光照信息的改进AKAZE图像匹配算法

传统AKAZE算法主要以图像的灰度信息作为输入,忽略了颜色与光照信息,且存在过多的冗余特征点。提出一种融合颜色与光照信息的改进图像匹配算法。在图像原始灰度信息中增加颜色补偿量和光照补偿量,克服传统AKAZE算法未利用颜色和光照信息来区分同名点的缺点。在特征点邻域内计算欧式距离和区域重复率以确定重叠程度较高的相邻特征点,比较相邻特征点的响应强度,将响应强度值较小的特征点作为冗余点并删除。在图像匹配后利用随机一致性算法剔除误匹配点对,通过并行运算对算法进行加速。实验结果表明,该算法可以有效识别同名点并剔除图像中的冗余点,运行效率优于SIFT和SURF等算法。     

基于模板匹配的装配缺陷检测算法研究

工业CT技术能准确地重建出工件内部结构的灰度图像,这为无损检测工件内部装配缺陷（漏装、误装和多装等）提供了可能。提出一种新的模板匹配算法来实现装配缺陷的检测。首先,利用模板的平均灰度矢量进行粗搜索,确定出候选匹配点集;其次,利用模板的Zernike矩进行精搜索,定位出目标。实验结果表明,即使提取的模板相对于被检测部件存在任意角度的旋转,提出的模板匹配算法仍能准确地检测被识别的零部件。     

基于灰度插值的MNAM图像表示方法

针对多子模式非对称逆布局模式表示模型,引入灰度插值的方法,对原有的点、直线、矩形和三角形四种模式重新进行了定义,一个三角形插值块可以通过三个顶点的位置和灰度值按照线性插值的方法生成块内任意一点的灰度值.理论分析和实验结果表明在引入插值方法以后,与MNAM方法相比,算法的复杂度会增加,图像的压缩比可能略有降低,但是图像的重建质量则会得到明显的提高.     

基于空间纹理相似性的图像角点特征匹配算法

本文针对传统图像角点特征匹配算法的匹配速度慢且准确率低等问题,提出一种基于空间纹理相似性的图像角点特征匹配算法。首先,计算图像目标上角点对应的空间距离矩阵;然后,通过计算图像角点的空间距离矩阵在对应角点邻域LBP特征向量上的瑞利商,将角点在图像灰度特征空间内的度量问题转换为纹理特征空间内幅值的度量问题;最后,根据角点对应的瑞利商的大小,实现不同图像间的角点特征匹配。对不同条件下采集的图像进行角点特征匹配,得到的匹配结果表明本文算法不仅能够很好的适应图像光照、几何变化,得到的匹配正确率较高,同时与传统算法相比本文算法在运行时间上也有大幅度的降低,当处理特征数量较小时平均降低48ms,而匹配特征数量较多时能够降低2408ms。     

基于低层次计算机视觉的超分辨率图像重建

在基于低层次计算机视觉的超分辨率图像重建过程中,角点检测和插值是两个关键的技术。首先在SUSAN角点检测算法的基础上提出了改进算法,改进后的算法根据图块对比度的不同,在确定位于不同图块中的像素的USAN面积时采用了可变灰度阈值,可变灰度阈值的采用,使得检测出的角点分布更加均匀,而角点分布均匀则使得图像配准更加精确,有利于后期的重建工作。其次,提出了一种适合于超分辨率图像重建的插值算法：基于圆区域的自适应插值算法。该算法可以根据待插值点周围的灰度特征自适应决定插值策略,将线性插值、最邻近插值和中值插值法有机地结合在一起。大量的仿真实验证明了提出算法具有运算量小、图像重建后的效果出重,易于实现。     

基于Harris角点的图像匹配算法

提出了新的基于特征点的高速图像匹配算法。该算法把角点特征和灰度值特征结合起来,定义了一种基于Harris角点的灰度值特征,并充分利用角点灰度值以及角点周边灰度值和位置信息,然后依据这些信息进行匹配。实验结果表明,该算法不仅速度快,而且对灰度值分布不均图像和含噪图像的匹配同样适用。     

基于改进SURF算法的柔性装夹机器人快速工件匹配方法

针对传统SURF算法在构建局部特征描述符时耗时较长,无法满足实时性要求的问题,提出了一种改进的SURF算法。首先,运用Hession矩阵行列式（DoH）检测图像中的关键点,并利用非极大值抑制法和插值运算搜索、定位极值点;其次,采用灰度质心法确定关键点的主方向;然后,采用二进制描述符BRIEF对关键点进行描述,并利用关键点的主方向构造带有方向的特征描述符,使其具有旋转不变性;最后,运用汉明距离初步确定匹配点,再用比率检测法和RANSAC算法去除误匹配点,进而获取精准配准。实验结果表明,该改进SURF算法在应用于机器人进行柔性装夹时,对工件图像的平均匹配时间由SURF算法的214.10 ms减少到86.29 ms;而且匹配精度方面比原SURF算法提高了2.6%,因此,所提算法能够有效提高柔性装夹机器人工件图像的匹配速度和匹配精度。     

图像矩特征匹配的快速算法(英文)

针对图像匹配过程中矩特征计算量大的问题,从矩特征求解特点出发,提出了一种快速的矩特征匹配算法.该算法利用匹配过程中相邻待匹配子图间的相关性,通过设置十个和表,使得每个待匹配子图低阶矩的计算只需很少的几次加乘运算,大大降低了矩特征的计算复杂度,缩短了匹配耗时.同时,由于所提算法矩特征的计算是基于图像灰度值的精确计算,且匹配过程采用遍历搜索策略,因此其匹配精度与传统遍历搜索的匹配精度相当.仿真结果验证了所提算法的有效性.     

基于邻域灰度信息的Hausdorff距离图像匹配方法

针对可见光与红外图像由于成像机理不同引起的图像灰度值差异大、边缘轮廓不一致、传统基于灰度和基于特征的匹配方法匹配概率不高等问题,在分析了各种Hausdorff距离算法的前提下,引入可见光与红外图像的灰度信息,提出一种基于邻域灰度信息Hausdorff距离的图像匹配方法。该方法在计算图像边缘特征点相似性的基础上,增加了邻域归一化灰度方差计算,有效解决了由于边缘差异引起的Hausdorff距离算法对可见光/红外图像匹配概率不高的问题。经可见光与红外图像匹配的仿真实验表明,在各种条件下,该算法与传统Hausdorff距离算法相比,有效提高了在不同光照下图像的匹配效率以及对噪声的抗干扰性能。     

一种基于T-Snake模型的医学图像分割方法

改进的T-Snake算法首先在分水岭法中,对相邻区域以其像素数、灰度均值和灰度方差定义距离,并据其在图像上建立新的连通图,以对图像过度分割而产生的一些过小区域合并;其次,在模型跨边缘时,利用已分割断层图像中模型内部区域的统计特征,用区域生长法获取内点并重新参数化模型,使模型不再跨边缘,以保证模型形变到正确的边缘。算法在MATLAB上验证通过。