焦炭光学组织离焦显微图像去模糊算法研究

微观组织结构是判定焦炭质量的重要依据,通常需要偏光显微镜对焦炭光片成像,但显微镜头的特殊性,使得图像中间清晰而周围存在离焦模糊,降低了图像的质量,影响对焦炭组织成分的判定。因此,本文结合局部模糊分割算法和离焦去模糊网络,提出一种局部去模糊算法。首先对焦炭图像进行基于LBP的模糊检测,得到模糊度量图;通过Alpha抠图算法分割度量图,获得α模板矩阵;最后,以α模板矩阵作为融合比列,对原图和全处理图像进行线性融合,得到去模糊图像。通过实验对比,证明本文方法在累加概率(CPBD)等4个质量评价标准上面都得到了提升,相比于传统方法,去模糊效果更佳。     

基于LBP特征与图像显著性的散焦模糊区域检测

针对当前散焦模糊区域检测算法对于均质清晰区域容易误判,边缘定位不够准确的问题,提出一种基于LBP特征与图像显著性的散焦模糊区域检测算法。首先,利用LBP特征和SLIC算法来获取SLBP模糊图,利用DRFI显著性检测算法来获取DRFI显著图;然后,利用SLBP模糊图和DRFI显著图来构造三元标识图,进而利用KNN抠图算法来获取模糊图;最后,借助于形态学运算和平滑滤波来细化模糊图。在公共模糊数据集上的实验结果表明,该算法能有效地检测出均质清晰区域,保留图像边缘细节,在检测精度和查全率指标上表现较好。     

基于模糊聚类的国画图像分割研究

国画图像分割是图像理解、计算机视觉等研究领域的重要内容。文章根据国画颜色有限性的特点以及视觉的颜色聚类特性,提出了一种基于模糊C均值聚类(FCM)的国画图像分割算法,实现对国画图像的分割。算法根据中国国画颜色以墨色为主,以墨破色的特点,通过选取国画图像每个像素点的灰度颜色特征,计算各像素点到各个聚类中心之间的欧式距离,并利用模糊C均值聚类的方法更新聚类中心,聚类结束后得到分类后的图像;再利用分类图像标识出分割图像,从而实现国画图像的分割。通过实验得出,算法有效地保证了各区域图像的完整,提高了分割的精确度。     

基于最大模糊熵的红外图像边缘检测算法

针对红外图像边缘检测这一难题,结合红外图像及其梯度图像的特点,在红外梯度图像模糊划分的基础上,提出了一种基于最大模糊熵的红外图像边缘检测方法.首先通过改进传统Sobel算子构造出红外图像的梯度图并研究其直方图特点,然后对其进行自然模糊划分,最后根据最大模糊熵准则确定最优模糊参数,进而确定梯度图像的最佳分割阈值,从而实现边缘提取.与传统的基于梯度的边缘检测算法进行对比实验,结果表明,该方法用于红外图像边缘检测能获得更好的效果.     

基于模糊聚类算法的体育运动视频图像分析应用

针对当前的体育运动视频图像分割方法存在图像分割结果粗糙以及空间畸变率高等缺陷,提出基于模糊聚类算法的体育运动视频图像分割方法。介绍了模糊聚类算法的基本理论,借助时域差分图像建立含有正态分布和灰度值的二阶模糊属性,赋予模糊属性S隶属度函数,进而对时域差分图像进行模糊聚类,再通过边缘检测得到运动视频图像分割结果。实验结果证明,该方法的空间精度高、噪声迭代性能好、空间畸变率低,可精准分割复杂运动视频图像,得到高清画面。     

基于分块和Contourlet变换相结合的多聚焦图像融合算法

分块融合易产生块效应,而Contourlet变换融合方法不具备平移不变性.结合以上方法的各自优势,提出1种新的基于Contourlet变换与块分割相结合的多聚焦图像融合方法.首先对图像进行分块并评价子块清晰度,然后通过建立标记矩阵,确定图像清晰区域、模糊区域及两者的交界区域.对非交界区域,直接选取清晰子块的像素值作为融合后的像素值;对介于清晰与模糊之间的交界区域,采用1种新的基于Contourlet变换的融合算法完成融合.实验结果表明,该方法有效抑制了图像块效应,且具备平移不变性,融合效果明显优于分块和Contourlet变换融合方法.     

实时红外亚成像跟踪

研究了玫瑰线扫描PC仿真的精确实现。研究了适合低对比度、空域模糊亚图像的于块二值迭代分割及空域模糊分割识别算法。提出了两种目标初始大概率检测策略,一是初始多帧配准识别,一是利用复合制导对指定区域中心进行扫描成像,通过红外亚图像序列运动补偿实时锁定跟踪,获得了高的跟踪准确度。最后对实验系统构成进行了说明。实验表明,本文提出的识别跟踪算法是可行的,能在DSP实验系统中实时实现。     

基于结构形态几何生长的 模糊红外光谱图像分割

针对局部目标与背景的低对比度、目标边缘模糊红外手印的分割问题,提出了一种基于结构形态几何生长的边缘模糊红外目标提取算法。该算法首先利用最大熵法及阈值扩展将图像进行粗分割;在粗分割的目标区域中提取区域块特征点,构筑手的结构形态;通过区域块特征点寻找种子点,并以种子点与对应特征点的距离关系作为生长判决条件进行几何生长,最终提取得到目标图像。与常用提取算法进行比对实验,结果表明,针对边缘模糊的红外手印图像,本文算法能更有效地提取出完整目标。     

一种优化的FCM图像分割方法

结合粗糙集理论,利用像素邻域的空间信息,对图像色彩的分布进行了量化表示,并据此提出一种基于量化粗糙信息的改进图像分割方法,该方法使用局部量化粗糙度和待定算子来更新FCM算法中的隶属度函数,实现图像的初步分割,并针对初步分割后的小区域和相似区域,进行色彩区域的合并操作,来对分割结果进行优化。实验结果表明,相对于传统的模糊C-均值(FCM)聚类分割算法,提出的方法降低了时间复杂度,且具有良好的分割效果。     

一种岩石薄片离焦模糊图像自动筛选方法

针对岩石薄片全幅面偏光采集中,部分视域采集的图像会存在离焦模糊问题.本文提出一种模糊图像检测方法,能在薄片全幅面采集的大量偏光图像中,自动检测出存在离焦模糊的视域.由于图像模糊会导致图像空间域和频率域的一些特征产生变化,因此本文结合空间域和频率域方法,对图像分块进行模糊评价得到模糊度图,由该图统计特性将图像区分为清晰图...     

Automatic blur region segmentation approach using image matting

For images with partial blur such as local defocus or local motion, deconvolution with just a single point spread function surely could not restore the images correctly. Thus, restoration relying on blur region segmentation is developed widely. In this paper, we propose an automatic approach for blur region extraction. Firstly, the image is divided into patches. Then, the patches are marked by three blur features: gradient histogram span, local mean square error map, and maximum saturation. The combination of three measures is employed as the initialization of iterative image matting algorithm. At last, we separate the blurred and non-blurred region through the binarization of alpha matting map. Experiments with a set of natural images prove the advantage of our algorithm.     

Iterative transductive learning for automatic image segmentation and matting with RGB-D data

In this paper, we propose a fully automatic image segmentation and matting approach with RGB-Depth (RGB-D) data based on iterative transductive learning. The algorithm consists of two key elements: robust hard segmentation for trimap generation, and iterative transductive learning based image matting. The hard segmentation step is formulated as a Maximum A Posterior (MAP) estimation problem, where we iteratively perform depth refinement and bi-layer classification to achieve optimal results. For image matting, we propose a transductive learning algorithm that iteratively adjusts the weights between the objective function and the constraints, overcoming common issues such as over-smoothness in existing methods. In addition, we present a new way to form the Laplacian matrix in transductive learning by ranking similarities of neighboring pixels, which is essential to efficient and accurate matting. Extensive experimental results are reported to demonstrate the state-of-the-art performance of our method both subjectively and quantitatively.     

Spatially variant defocus blur map estimation and deblurring from a single image

In this paper, we propose a single image deblurring algorithm to remove spatially variant defocus blur based on the estimated blur map. Firstly, we estimate the blur map from a single image by utilizing the edge information and K nearest neighbors (KNN) matting interpolation. Secondly, the local kernels are derived by segmenting the blur map according to the blur amount of local regions and image contours. Thirdly, we adopt a BM3D-based non-blind deconvolution algorithm to restore the latent image. Finally, ringing artifacts and noise are detected and removed, to obtain a high quality in-focus image. Experimental results on real defocus blurred images demonstrate that our proposed algorithm outperforms some state-of-the-art approaches.     

对象引导的单幅散焦图像深度提取方法

2D图像转3D图像是解决3D影视内容缺乏的主要手段之一,而深度提取是其中的关键步骤.考虑到影视作品中存在大量散焦图像,提出单幅散焦图像深度估计的方法:首先通过高斯卷积将散焦图像转换成两幅模糊程度不同的图像;其次计算这两幅图像在边缘处的梯度幅值比例,进而根据阶跃信号与镜头的卷积模型得到边缘处的模糊度;再次将边缘处的模糊度转换成图像的稀疏深度并利用拉普拉斯矩阵插值得到稠密深度图;最后通过图像的视觉显著度提取前景对象,建立对象引导的深度图优化能量模型,使前景的深度趋于一致并平滑梯度较小区域的深度.该方法利用对象引导的深度优化,剔除了拉普拉斯矩阵插值引入深度图的纹理信息.模拟图像的峰值信噪比和真实图像的视觉对比均表明该算法比现有方法有较大改善.     

边界模糊图像的径向基函数神经网络分割方法研究

边界模糊图像不同区域之间没有明确的分界,用传统的图像分割方法难以得到很好的分割结果。本文研究了径向基函数网络的工作实质及其用于图像分割的机理,分析了径向基函数神经网络的特点,针对边界模糊图像,应用不同结构的径向基函数神经网络对其进行图像分割,验证了径向基函数网络用于图像分割的有效性以及算法速度上的优越性。     

基于支持向量回归的无参考模糊和噪声图像质量评价方法

基于支持向量回归(SVR)和图像奇异值分解,提出了一种新的无参考(NR,no-reference)模糊和噪声图像质量评价(IQA)方法。首先通过对待评价图像进行高斯低通滤波生成再模糊图像,然后分别对它们进行奇异值分解并计算奇异值的改变量,最后使用奇异值的改变量作为SVR的输入,训练预并测得到图像的质量评分。在3个公开的模糊和噪声数据库上的实验结果表明,新方法预测得分与主观得分有较好的一致性,获得了较好的评价指标;对于模糊失真类型和噪声失真类型,在LIVE2数据库上的性能评价指标斯皮尔曼等级相关系数(SROCC)分别达到0.961 3和0.965 9。     

Image matching using enclosed region detector

Affine-invariant region detection is the basic technique for visual matching and has been widely applied in many areas. In this paper, we propose a simple yet effective method to detect the affine-invariant regions from gray image, which is called enclosed region. The enclosed region is detected based on the observation that one physical object is enclosed by the same region before and after affine transformation. The proposed method is a three-step method. Firstly, we segment the initial regions by using thresholds on the image. Secondly, external enclosing region (EER) and internal enclosed region (IER) are defined for each initial region, and we select the enclosed regions from the initial regions through applying histogram constraints on EER and IER. Thirdly, the largely overlapping regions are removed. Experiments on typical images exhibit the robustness of the proposed enclosed region detector. Extensively quantitative evaluation and comparison demonstrate that the proposed method outperforms state-of-the-art methods.     

（论坛）基于全变分的模糊人脸图像复原算法

在人脸图像采集过程中,会受到多种因素影响,图像质量都会有所退化,因此将模糊图像恢复成清晰图像一直是图像处理领域的热点之一。根据全变分正则化的图像复原算法的思想,引入相容点集与不相容点集的概念,以及一些辅助的约束条件,提出一种有约束人脸图像复原优化模型,并使用最速下降法求解此模型,使模糊的人脸图像清晰化。实验结果表明,这种模型是可行的,基本恢复了原始的图像。     

采用拉普拉斯尺度混合先验的结构化近似消息传递算法

为了准确有效地实现自然图像的压缩感知重构,提出一种使用拉普拉斯尺度混合（Laplacian Scale Mixture,LSM）先验的结构化近似消息传递（Approximate Message Passing,AMP）算法.利用LSM模型构建AMP算法的高阶统计约束,将压缩感知重构问题转化为先验信息估计问题和奇异值最小化问题.首先,用LSM分布刻画相似块矩阵奇异值的稀疏性,其中该稀疏性指示了图像块的相似性,因此LSM模型被用来描述图像的非局部相似结构;然后,通过期望最大化算法估计LSM模型的尺度参数,得到可靠的先验信息;最后,由AMP算法求解奇异值最小化问题,实现图像的精确重构.实验结果表明,提出的结构化AMP算法的图像重构质量优于多种主流的压缩感知图像重构算法.     

一种学习向量神经网络的图像插值算法

利用一种新型学习向量神经网络实现了对灰度图像的基于最佳点对匹配的图像插值。采用新型学习向量神经网络的最佳点对匹配图像插值算法插值出的中间图像,较好的解决了插值图像边缘模糊的现象。试验结果表明,该方法插值得到的图像边界清晰较好,模糊度小,图像连续。