局部高斯尺度混合模型的傅里叶-小波图像降噪

提出了一种基于局部高斯尺度混合统计模型的傅里叶-小波图像降噪方法.所提出的降噪方法综合了两者的优点,考虑到噪声小波系数间的相关性,小波系数统计特性通过局部高斯尺度混合统计模型来刻画.实验结果表明,此法可有效去除噪声,并且能够克服传统的小波去噪效果与选用的小波基函数相关的局限性,和其他方法相比,无论从视觉上还是峰值信噪比上比较,此方法降噪效果明显较好.     

基于视觉感知和MARMA-MRF模型的SAR图像分割

模拟人类视觉感知机制,提出了一种基于多尺度 自回归滑动平均(MARMA,multiscale auto-regressive and moving average model)模型 和Markov随机场(MRF,markov random field)的合成孔径雷达(SAR)图像分割新方法。首先 ,分析人类视觉感知系统的工作机制 和特点,利用SAR的成像机理,构建了SAR图像的金字塔结构和MARMA模型, 以此模拟视觉过程中的空间尺度和朝向感知机制;然后,通过不同尺度上的MRF模型和改 进的模拟退火(SA)算法实现更有效的多尺度分割策略。实验结果表明,本文提出的方法在SA R图像分割任务中有非常良好的表现。     

模拟视觉感知机制的视频监控场景分类方法

监控场景分类能增强智能视频监控的准确性与自适应性.本文提出一种模拟人类视觉感知机制的监控场景分类方法.首先,用二维双密度双树复小波变换模拟视皮层中简单细胞的空间尺度与朝向感知机制,将一幅监控场景图像分解为一系列不同尺度及朝向上的小波子带图像.然后,模拟视皮层中复杂细胞结构所呈现的统计特征感知机制,用基于小波共生矩阵的复合统计特征提取方法对上述小波子带图像进行统计特征提取,生成监控场景图像对应的特征向量.最后,将样本集中不同类别监控场景图像对应的特征向量输入支持向量机,训练出视频监控场景分类器.实验结果表明,相比于常规的自然场景分类方法,本文方法更适合于处理包含丰富空间几何结构特征的视频监控场景.     

基于自组织网络的SAR遥感图像的多尺度分割

基于多尺度信息特征和混合模型,将自组织混合网络(SOMN)应用于合成孔径雷达(SAR)图像的分割.首先对SAR图像的多尺度序列进行多尺度随机建模,以此进行多尺度特征提取;然后对其建立混合模型,并经过SOMN进行学习研究得到混合模型的参数;最后再利用Bayesian分类器,对SAR图像进行分割.实验结果表明,本文方法能够充分地利用SAR图像多尺度序列中不同类型地形的统计信息,进而明显地改进了图像的分割质量.     

基于FMM的图像建模与语义对象分割

提出一种基于有限混合模型(FMM)的图像自动建模与语义分割方法.算法采用分水岭算法进行预分割,以给FMM模型设定合适的初始参数.同时针对传统EM算法的不足,对其分类结果自动执行合并与分裂操作以获得最佳分类数并跳出局部极值点.实验结果显示新方法能获得较精确的具有良好视觉感知的语义分割结果.     

基于压缩感知的图像压缩抗干扰重构算法

针对传统图像变换压缩方法压缩的图像经无线信道传输时受高斯随机干扰导致重要变换系数失真出现重构图像局部内容缺失的现象,本文根据压缩感知(CS)信号分量具有同等重要性的特性,理论分析了去除失真CS信号分量以抵御干扰的可行性,提出一种基于CS的图像压缩抗干扰重构算法。算法首先假定已知受高斯随机干扰的比特所对应的CS信号分量的位置,然后根据这些位置确定新的CS信号和重构矩阵,再进行阈值迭代重构。仿真结果表明,本文算法在低误码率(BER)下得到精确重构的图像,在高BER下得到图像内容无缺失仅全局质量小幅下降的重构图像。因此,基于CS的图像压缩抗干扰重构算法能够较好地克服变换压缩方法以及阈值迭代重构算法抗干扰能力低的不足,从而为图像无线传输抗高斯随机干扰问题提供一种可行的解决方案。     

NSST域红外和可见光图像感知融合

为了提高融合图像的视觉感知效果,提出一种非下采样剪切波变换(Non-Subsampled Shear Transform,NSST)域红外和可见光图像感知融合方法.首先采用NSST将源图像分解为高频和低频分量;接着采用参数自适应脉冲耦合神经网络(Parameter Adaptive Pulse Coupled Neural Network,PA-PCNN)融合高频分量图像,提高成像细节;然后联合使用高斯滤波器和双边滤波器进行多尺度变换以融合低频分量图像,将低频分量分解为多尺度纹理细节和边缘特征以捕获更多的多尺度红外光谱特征;最后利用NSST逆变换获取融合图像.实验结果表明,该方法不仅可以有效提高融合图像的细节信息,而且还能增强红外特征的提取能力以契合人体的视觉感知.     

生成模型与判别方法相融合的图像分类方法

本文通过在图像局部特征基础上基于高斯混合模型建立全局视觉词汇,用局部特征相对于不同视觉单词的后验概率之和所形成的特征向量来描述图像,最终利用基于线性核的支持向量机进行图像分类.实验中比较了与其它同类方法在PASCAL VOC 2006图像集上的分类结果,验证了本文提出的分类方法及其与目标区域（前景）特征相结合在提高分类效果上的有效性.     

基于多尺度上下文语义信息的图像场景分类算法

传统视觉词典模型没有考虑图像的多尺度和上下文语义共生关系.本文提出一种基于多尺度上下文语义信息的图像场景分类算法.首先,对图像进行多尺度分解,从多个尺度提取不同粒度的视觉信息;其次利用基于密度的自适应选择算法确定最优概率潜在语义分析模型主题数;然后,结合Markov随机场共同挖掘图像块的上下文语义共生信息,得到图像的多尺度直方图表示;最后结合支持向量机实现场景分类.实验结果表明,本文算法能有效利用图像的多尺度和上下文语义信息,提高视觉单词的语义准确性,从而改善场景分类性能.     

抑制SAR图像相干斑的迭代方向滤波算法

为保护SAR图像边缘特征并有效提高对乘性相干斑噪声的抑制性能,该文提出一种基于迭代方向滤波的抑制图像相干斑新算法。该算法先借助高斯-伽马平行窗估计出的比率边缘强度映射(ESM)与方向信息,自适应地控制各向异性高斯核(AGK),生成沿ESM方向分布的具有各向异性支撑区域的局域窗。然后将SAR图像多种局部统计参量联合作为衰减因子,形成与SAR图像区域分布特性相适应的负指数衰减型加权系数,进而将负指数衰减型加权系数与局域窗带方向的各向异性支撑区域结合形成局域加权的方向滤波。最后对SAR图像迭代地进行方向滤波即可实现带边缘保护的相干斑抑制。实验结果表明,与多种抑斑算法相比,该文算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。     

基于最大后验概率的SAR图像目标分割算法

文中使用最大后验概率(MAP)分类方法实现合成孔径雷达(SAR)图像目标分割,并与基于偏微分方程(PDE)的各向异性扩散(AD)过程结合起来,使MAP分类准则得到更好的分割结果。AD过程是作用在后验概率上的空域滤波器,具有高效、精确和简洁的优点,并对图像数据的分布特性具有很强的适应性。这种方法需要先将图像从灰度域转化到后验概率域,因此需要对像素灰度分布进行条件概率分布建模,并进行参数估计。文中巧妙的使用有限混合高斯分布模型来逼近条件概率分布,并用期望最大化(EM)方法用来实现参数估计。在引入这种新奇的混合高斯分布模型后,基于MAP-AD的分割算法对地面SAR图像获得了很好的分割结果并对图像灰度分布具有很强的鲁棒性。     

量子彩色图像的频域滤波

为解决量子彩色图像滤波问题,该文提出一种基于量子傅里叶变换的频域滤波方法。首先采用新颖的增强量子描述(NEQR)方案将彩色图像描述为量子图像,然后对该量子图像实施傅里叶变换,采用基于滤波函数定义的量子Oracle将变换后的图像划分为不同频率的图像,最后通过逆量子傅里叶变换将这些不同频率的量子图像变换到空域,通过对空域量子图像实施测量即可得到不同频率的经典滤波图像。文中给出了具体的量子滤波线路,以彩色图像平滑、锐化、周期噪声消除为例,验证了提出方案的正确性。     

一种基于块局部最优维纳滤波的图像重构算法

基于块的图像处理方法将欧氏距离作为相似块的评判标准,无法很好地反映块之间的结构性,导致重构图像存在不同程度的块效应。该文根据基于块的维纳滤波器能够充分利用图像块冗余度的特点,结合块效应的空间分布特征,提出一种改进的基于块局部最优维纳滤波的图像重构算法。首先,该算法通过对图像高频部分稀疏采样,将块效应限定在块与块的交界处,然后将图像分成块边界区域和块中心区域,利用几何结构相似和亮度相似的图像块确定滤波参数,进而平滑块效应。实验结果表明,该算法可以有效抑制重构过程中的块效应,且对于细节丰富的图像,重构效果的提升更加明显。     

复杂环境中电力线激光点云的自动提取

为了解决目前复杂环境下电力线提取精度及鲁棒性低的问题，提出了一种基于激光点云的电力线自动提取方法。通过主成分分析确定输电线路的主方向，将长距离输电走廊划分为多个空间网格，以应对地形起伏变化时植被点云对提取算法的干扰；再通过一种自顶向下的全新滤波算法剔除每个空间网格的地物点，根据点云密度分布差异实现电力线和电塔的自动分离；另外, 提出半径搜索算法对分离后的结果进行处理，得到单条电力线的激光点云数据。结果表明，所提出的方法对电力线的提取精度高达99.69%，针对不同连接塔型和不同地形都具有很好的鲁棒性。该研究在输电通道空间结构的自动分析领域以及智能巡检领域具有良好的工程应用价值。     

一种基于多级空间视觉词典集体的图像分类方法

针对单一特征时存在提取的信息量不足,对图像内容描述比较片面,提出将传统的SIFT特征与KDES-G特征进行串行融合,生成一个联合向量作为新的特征向量.针对传统的视觉词典构造方法缺乏考虑视觉词汇在空间的分布特点,本文引入图像空间信息,提出了一种空间视觉词典的构造方法,先对图像进行空间金字塔划分,再把空间各子区域内的特征分别聚类,构建属于对应子空间区域的空间视觉词典.在图像表示阶段,图像各子区域内的特征基于其对应的空间视觉词典进行LLC稀疏编码,根据各子区域对图像贡献程度的不同,把编码后各子区域的特征向量赋予不同的权重加权处理,再连接形成最终的图像描述.最后,利用线性SVM进行图像分类,实验结果表明了本文方法的有效性和鲁棒性.     

基于噪声估计的自适应开关型中值滤波器

提出了一种基于噪声估计的自适应开关型中值滤波器(IASMNE,improved adaptive switching median filter based on noise estimation)。IASMNE以图像经小波变换后在不同尺度和不同方向提取的子带滤波系数值的统计信息构成刻画图像受噪声干扰程度的特征矢量,在大量噪声图像上获得的特征矢量为学习数据集,并利用支持向量回归(SVR)分析实现对图像中噪声比例的准确估计。基于此,IASMNE对高、中、低不同噪声比例图像启动不同的滤波策略,并灵活设置滤波参数。大量实验表明,与其它开关型滤波器相比,IASMNE能够合理地根据图像噪声干扰程度进行最佳滤波,尤其是对于大于70%的椒盐噪声(SPN)能够大幅度提高图像质量。     

基于颜色-纹理自相关算法的内镜图像检索

为了同时有效的提取内镜图像的颜色和纹理信息,体现各特征的空间相关性,本文提出了一种颜色-纹理自相关算法应用于内镜图像检索.即通过纹理谱和自动阈值分割算法提取出纹理图像,并与颜色特征向量相融合再计算其相关性,得到距离分别为1、3的颜色-纹理自相关向量.在相似度匹配阶段采用Generalized Tversky Index...     

Image registration by recognition of corresponding structures

A method for automatic image registration which is characterized by its insensitivity to scaling, rotation, and intensity changes is described. The method is based on similarity assessment of the structures in the images and on a check of their spatial arrangement. Pairs of structures that correspond to each other provide sets of control points to geometric mapping functions. An application of the method to remote-sensing image alignment with a reference map is presented     

Mining discriminative spatial cues for aerial image quality assessment towards big data

Evaluating massive-scale aerial/satellite images quality is useful in computer vision and intelligent applications. Traditional local features-based algorithms have achieved impressive performance. However, spatial cues, i.e., geometric property and topological structure, have not been exploited effectively and explicitly. Thus, in this paper, we propose a novel method for image quality assessment towards aerial/satellite images, where discriminative spatial cues are well encoded. More specifically, in order to mine inherent spatial structure of aerial images, each image is segmented into several basic components such as buildings, airport and playground. Afterwards, a weighted region adjacency graph (RAG) is built based on the basic components to represent the spatial feature of each aerial image. We integrate the spatial feature with other transform domain features, and train a support vector regression model to achieve image quality assessment. Experiments demonstrate that our method shows competitive or even better performance compared with several state-of-the-art algorithms.