基于边缘正则化小波描述的多传感器图像自动配准研究

本文提出了一种新的基于边缘的多传感器图像的自动配准方法,在本方法中,首先提出了一种基于正则化小波描述子的边缘描述方法,这种正则化小波描述子具有平移、旋转、尺度不变性;其次,在边缘匹配算法上,根据最小距离分类器原则提出了边缘匹配判据,并提出了一种基于小波系数域的快速边缘匹配算法,且进行算法复杂性分析;最后,从匹配成功的边缘中抽取匹配控制点并采用一致性检验方法来去除错误匹配点。讨论了图像变换模型与基于最小均方根误差准则的图像变换参数估计。该算法匹配精度高、运算速度快。实验结果验证了这种方法的有效性与实用性。     

基于PCA和分块FFT的快速模板匹配算法

图像匹配算法作为一种经典的图像识别算法,在计算机底层视觉处理中占有重要地位.在理论界,对该算法的讨论和研究由来已久,也提出了基于像素灰度、基于图像特征等的匹配算法.本文所提出的匹配算法主要基于模板特征,通过结合主分量分析(PCA)、分块快速傅里叶变换(FFT)等技术实现了高效快速的图像匹配算法.在对具有大量相似目标的图...     

视频广告监播中的图像匹配方法研究

在视频广告监播系统中,首先对视频广告进行关键帧的提取,然后对所提取的图片进行预处理,然后进行图像匹配.传统的方法是对图像二值化,利用序贯相似性检测算法进行图像匹配.本文提出将图像灰度化后,利用小波对图像进行边缘检测,采用基于图像边缘特征的启发式快速匹配算法,这样能提高匹配速度,提高识别效率,在视频广告监播系统中达到实时监播的作用.     

基于小波变换的多尺度图像匹配算法

文中针对基于梯度算子的图像匹配方法通常存在的问题———收敛速度较慢、迭代易落入局部最优点,提出了一种基于小波变换的多尺度图像匹配算法。这一算法利用小波的良好的多尺度特征,先对低分辨率的子图像做匹配,将得到的结果作为初始值用于高分辨率图像的匹配运算,匹配运算都在位移矢量场上进行。实验表明该方法可节省计算时间,且减小迭代落入局部最优点的概率,算法鲁棒性得以提高。     

夜晚微光图像中人车目标检测算法

本文针对夜间微光图像带噪信号进行了人车检测,提出了改进的算法。首先采用将Top-hat变换图像与原始图像相加再减去Bottom-hat变换图像的方式增强夜间微光图像的对比度。其次用开运算算法实现微光图像的消噪,在保留了图像的边缘细节的同时,也扩大了某些特殊微光图像中的人车目标特征。最后采用适合微光图像的Sobel算子进行边缘提取,对边缘提取后的图像进行分割,利用轮廓特征进行模板匹配获取人车目标的检测和定位。     

基于小波变换数据融合的图像边缘检测算法

本文提出了一种基于小波变换数据融合的图像边缘检测算法。该方法对原始图像分别采用小波变换、“Sobel”算子和“Log”算子三种方法提取边缘,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。仿真实验结果表明,该方案所得到的边缘优于单独采用“Sobel”或“Log”算子所获得的边缘图像,是一种有效的图像边缘提取算法。     

基于多尺度欧拉矢量的图像检索算法

在分析以往基于边缘的图像检索算法的基础上,提出了一种基于多尺度欧拉矢量的图像检索算法。该算法针对灰度图像,以小波变换为基础,利用小波模极大值对图像进行多级小波分解,得到多尺度下的边缘图像,针对每一幅边缘图像,计算其欧拉数,构造一个欧拉矢量,作为对图像特征的描述。同时,考虑到欧拉矢量之间的相关性,设计了相关权值矩阵,提出采用马氏距离进行相似性度量。该矢量不仅能很好的表示图像的形状特征,而且具有平移、尺度和旋转不变性,同时它又是图像的一个整体特征,能刻画图像的拓扑结构。实验结果表明该算法计算简单,有效,匹配快速,检索结果比较理想。     

张量子空间降维的边缘图像匹配

针对传统基于向量子空间降维的图像匹配算法易丢失像素间邻域关系和计算量大的问题,提出一种基于张量子空间降维的边缘图像匹配算法。通过双边投影变换提取边缘图像的张量子空间,在降低特征空间维数的同时保持边缘特征之间的邻域关系,同时采用边缘膨胀后的互相关度量模板与实时图的相似性。标准人脸数据库和红外实时图像的匹配实验结果表明:该算法在匹配时间、匹配正确率、匹配精度3方面较传统基于向量子空间的匹配算法有显著的性能提高,并且对杂波和部分遮挡有较强的适应性。     

基于Sobel算子和改进SURF算法的图像拼接方法

针对基于SIFT算法的图像拼接算法计算量大、算法复杂、匹配效率低的问题,提出一种基于Sobel算子和改进SURF算法的图像拼接方法。首先采用Sobel算子快速检测图像兴趣点,然后利用改进的SURF算法进行图像匹配,采用随机抽样一致性算法消除错误匹配点。最后对图像通过加权平均法进行图像融合,消除拼接缝隙。实验结果表明,与基于SIFT算法的拼接方法相比,该方法具有较好的匹配精度,方法容易实现,且在匹配阶段具有更好的匹配效率,同时能够更好地处理拼接缝隙。     

基于SURF算法的医学图像特征点匹配

微创外科手术中的图像特征点快速匹配,可使计算机具备图像实时识别能力,提高手术成功率。但由于在手术中所运用的图像匹配算法具有计算量大、耗时长等缺点,提出一种基于SURF的图像特征点快速匹配算法。首先对图像采用SURF算法提取特征点,然后通过Hear小波变换确定特征点的主方向和特征点的描述子,并使用改进的最近邻搜索算法进行特征点匹配,最终根据实际需要选取相似度最高的前50～100对匹配点进行对比实验。实验结果表明,该算法鲁棒性强、速度快、匹配准确性高,且在医学图像处理中具有较大的应用价值。     

A new image registration method for grey images

The proposed algorithm relies on a group of new formulas for calculating tangent slope so as to address angle feature of edge curves of image. It can utilize tangent angle features to estimate automatically and fully the rotation parameters of geometric transform and enable rough matching of images with huge rotation difference. After angle compensation, it can search for matching point sets by correlation criterion, then calculate parameters of affine transform, enable higher-precision emendation of rotation and transferring. Finally, it fulfills precise matching for images with relax-tense iteration method. Compared with the registration approach based on wavelet direction-angle features, the matching algorithm with tangent feature of image edge is more robust and realizes precise registration of various images. Furthermore, it is also helpful in graphics matching.     

一种基于TS201的归一化互相关快速算法

归一化互相关算法因其图像匹配稳定性高的特点被广泛应用于SAR成像和红外成像的制导系统中。为增强其应用的实时性,讨论一种基于TS201处理器,在保证全图遍历条件下,结合处理器的自身特性,采用递推与多模板思想构建的归一化互相关快速算法。实验证明,该执行效率常规算法的实现方案有了很大提高,可以实现低对比度条件下的目标精确匹配。     

基于全向小波和Hausdorff距离的边缘检测

针对传统小波变换对含噪图像边缘检测的不足,结合全向小波和Hausdorff距离的知识,提出了一种改进的边缘检测算法.首先,对图像做全向小波变换,同时做改进的灰度图形态学处理;然后在一定的窗口下求处理后图像间的Hausdorff距离,并将其大小作为图像边缘检测的像素值.最后将该算法与Sobel算法、Canny算法做比较,实验结果表明该方法提取的边缘清晰度优于其他方法,且可以很好地抑制噪声.     

基于SGC变换耦合边缘特征加权的图像融合算法

当前图像融合主要通过图像特征取大的方法来融合图像系数,忽略了图像边缘特征的相关性,使融合结果中存在块现象和不连续现象等不足。为此,引入二代曲波(SGC)变换,设计边缘特征加权的图像融合算法。将输入图像通过SGC变换,分解出其低频和高频系数;采用区域能量模型,计算出图像所包含的能量特征,通过均值模型,计算出图像所包含的亮度特征。利用图像的能量和亮度特征,构造双特征低频系数融合函数,获取能量特征和亮度特征都较为理想的融合低频系数。利用Sobel算子对图像的边缘特征进行检测,利用检测结果构造边缘特征加权的高频系数融合准则,获取高频系数融合结果。最后,借助二代曲波逆变换处理融合系数,获取融合图像。实验测试结果显示,相对于当前融合技术,所提算法具有更好的融合效果,其融合图像具备更好的边缘连续性以及清晰度。     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能.针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加.实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息.     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

小波变换在图像边缘检测中的应用

目前,被广泛使用的经典边缘检测算子有Sobel算子,Prewitt算子,Roberts算子,Log算子,Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而,当图像中含有噪声时这些算子对噪声都比较敏感,使得将噪声作为边缘点。由于噪声的干扰,不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点,设计了三次B样条平滑滤波算子。通过利用这个算子,对利用小波变换来检测图像的边缘进行了一定的研究和理解。     

Mixed scheme for image edge detection based on Wavelet Transform

A mixed scheme based on Wavelet Transformation (WT) is proposed for image edge detection. The scheme combines the wavelet transform and traditional Sobel and LoG (Laplacian of Gaussian) operator edge-detection algorithms. The precise theory analysis is given to show that the wavelet transformation has an advantage for signal processing. Simulation results show that the new scheme is better than only using the Sobel or LoG methods. Complexity analysis is also given and the conclusion is acceptable, therefore the proposed scheme is effective for edge detection.     

基于边缘视觉特征描述的自适应多尺度小波边缘检测方法

本文从人类视觉的特点出发,提出了一种新的图象边缘特征描述。根据该特征描述,定义了邻域的有效边缘测度,以作为边缘复杂程度的度量,并以此来调整多尺度小波边缘检测中的尺度参数。最后给出了相应的实验比较结果。