图像角点和边缘提取的相位叠合算法

提出了一种通过相位叠合模型来检测角点和边缘的算法,这种方法利用图像傅里叶分量在特征叠合次数最多的概念,采用相位叠合后的关键点来确定角点和边缘信息,利用相位叠合来标记特征点比用梯度方法有明显的优点:相位叠合是一种无量纲量,而且对图像的亮度或对比度是不变的,因此它能提供对特征点的绝对度量.实验结果证明本算法提取的角点和边缘特征不随图像照度而改变,提高了不同照度下提取图像边缘特征的可靠性.     

边缘检测中的相位叠合模型

Ｍｏｒｒｏｎｅ 和她的合作者提出一种对灰度图像提取边缘的模型。对一维信号,边缘对应于信号最大傅里叶相位叠合处,通过信号与两个相位差为９０°的滤波器卷积,然后计算其局部能量,边缘的位置定位于局部能量的峰值处,但是这一模型存在下面一些问题：（１） 如果傅里叶分量幅度的和很小,计算相位叠合的问题将变为一个病态问题;（２） 如果信号能量落在信号噪声能量区域,相位叠合将对噪声很敏感;（３） 如果只存在一个频率分量或者频带很窄,相位叠合的值总是１ 或１附近很小的范围内,很难得到好的相位叠合图。这种情况常常出现在经过平滑的信号（ 图像） 中;（４） 由于相位叠合函数随相位偏差的余弦变化,可能会带来由于余弦函数下降太慢造成定位不精确,为此,给出了一种新的相位叠合模型的定义     

基于相位一致性的异源图像匹配方法

异源图像由于亮度和对比度差异较大,采用基于灰度和梯度信息的局部特征匹配方法匹配正确率较低。针对该问题,提出一种基于相位一致性和梯度方向直方图的异源图像匹配方法。该方法首先采用具有亮度和对比度不变性的相位一致性方法提取异源图像特征点和边缘图像,并以特征点为中心,选取100×100的边缘图像作为特征区域,统计梯度方向直方图,生成64维特征描述符;然后,选用归一化相关函数作为匹配测度,采用双点匹配方法选取一个特征点的两个较优的候选匹配点,并采用RANSAC方法进行匹配点提纯;最后,基于局部归一化互信息方法和最优化方法进行匹配点精确定位,提高匹配精度。实验结果表明,该方法在可见光、近红外、中波红外和长波红外等异源图像匹配中具有较好的匹配性能,平均匹配正确率高达88%,是SURF匹配方法的3.4倍。     

基于相位一致性的红外图像边缘检测方法

由于红外图像的灰度和对比度较可见光图像的低,用基于灰度的边缘检测方法检测红外图像的效果不佳。针对这种情况,利用相位一致性对灰度和对比度的变化具有不变性的原理,提出了基于相位一致性的红外图像边缘检测方法。首先计算红外图像的相位一致性值,然后采用K-mean法分割出包含边缘的区域,最后用形态学相关方法生成边缘曲线。实验结果表明,该方法对红外图像边缘的检测效果比Canny算法更准确。     

基于视频图像对比度的团雾检测算法

提出了一种基于视频图像对比度的团雾检测算法。首先,利用二维多点各向异性高斯滤波器检测视频图像中边缘线的位置和方向。然后,利用本文提出的彩色图像对比度模型计算每幅视频图像边缘线区域的对比度值。最后,利用支撑向量机区分有雾视频图像所具有的不同对比度值,实现团雾浓度的检测。实验结果表明,该算法对复杂场景下的团雾检测效果优于传统的方法,是一种有效的团雾检测方法。     

一种对亮度变化鲁棒的相关跟踪方法

针对复杂背景目标跟踪过程中,目标亮度和对比度发生变化易导致跟踪不稳定或失败的问题,提出了一种对亮度变化鲁棒的相关跟踪方法。该方法利用图像相位一致性特征对亮度变化不敏感的特点,对原始图像进行相位一致性计算,得到相位一致性图像,再采用传统的最小绝对差(MAD)相关跟踪方法对目标进行跟踪。实验结果表明,该方法对图像的亮度变化具有很强的适应性,较好地解决了传统相关跟踪算法因图像亮度变化导致跟踪点漂移甚至目标丢失的问题。     

基于相位信息的目标分割算法

针对复杂背景下,红外目标与背景的亮度或对比度发生变化等因素会影响目标的分割结果的问题,构造了一种基于边缘相位信息的分割算法。该算法首先利用系数间积(ICP)变换获取图像边缘的相位信息,并进行边缘提取;再根据边缘像素点的相位与幅值,确定后续区域生长的种子与判决条件;最后采用区域生长思想对整幅图像实施分割。仿真结果表明,该算法不受亮度和对比度变化影响,准确有效地实现红外图像分割,避免了传统的分割算法所导致的图像边缘信息丢失。     

融合相位一致性与二维主成分分析的视觉显著性预测

为了更加有效地预测图像中吸引视觉注意的关键区域,该文提出一种融合相位一致性与2维主成分分析(2DPCA)的显著性方法。该方法不同于传统的利用相位谱的方式,而是提出采用相位一致性(PC)获取图像中重要的特征点和边缘信息,经快速漂移超像素优化后,融合局部和全局颜色对比度,生成低层特征显著图。接着提出利用2DPCA提取图像块的主成分后,计算主成分空间中图像块的局部和全局可区分性,得到模式显著图。最后,通过空间离散度度量分配合适的权重,使两者融合,提取显著性区域。在两种人眼跟踪数据库上与5种经典算法的实验对比结果表明,该算法能更加准确地预测人眼视觉关注点。     

边缘和对比度增强的NSST域红外与可见光图像融合

为了将红外图像的全局信息与可见光图像的细节信息进行有效结合,进一步提高融合后图像的质量,提出了一种同时增强图像边缘细节和对比度的非下采样剪切波变换(NSST)域红外和可见光图像融合方法。首先,通过平移不变剪切波将图像分解成为低频子带与高频子带,通过全局显著性图分析图像的对比度信息;利用改进型局部显著度图分析图像局部边缘信息。针对不同频带系数,结合边缘信息和对比度信息对频带系数进行融合,最后,利用逆变换得到最终的融合图像。大量实验结果表明,本文方法在提高图像整体对比度的同时增强了图像的边缘细节表现能力,优于现有的基于小波变换,非下采样轮廓波变换(NSCT)和显著度图等几种图像融合方法。     

基于改进FAST特征检测的ORB-SLAM方法

针对视觉ORB-SLAM中的特征点提取过程,提出一种改进的FAST特征点检测方法。在ORB-SLAM过程中,由于光照和周围环境信息的不确定性,当环境对比度下降时,易造成特征点数量急剧减少从而造成SLAM过程的失败。针对上述问题,基于图像的对比度信息,提出一种自适应阈值的FAST特征点检测方法,利用图像的对比度自适应调整特征点检测时的阈值,当图像对比度下降时依然能够保证特征点检测的数量,大大提高了ORB-SLAM的鲁棒性和适应性。对提出的方法进行了实验验证,结果表明该方法切实可行,具有较高的实用价值。     

基于相位一致性的煤矸边缘检测方法

煤矸识别以往常常采用对噪声敏感的梯度算子提取边缘,但工作场所粉尘较大,光线暗,图像清晰度差,识别效果往往不理想。为提高自动分选率,将相位一致性应用到煤矸边缘检测中,阐述了相位一致性的基本原理,并以现场图片处理效果表明,相位一致性检测图像特征的方法可以准确的提取煤块与矸石边缘,不受亮度与对比度影响。     

Feature extraction of chromosomes from 3-D confocal microscope images

An investigation of local energy surface detection integrated with neural network techniques for image segmentation is presented, as applied in the feature extraction of chromosomes from image datasets obtained using an experimental confocal microscope. Use of the confocal microscope enables biologists to observe dividing cells (living or preserved) within a three-dimensional (3-D) volume, that can be visualised from multiple aspects, allowing for increased structural insight. The Nomarski differential interference contrast mode used for imaging translucent specimens, such as chromosomes, produces images not suitable for volume rendering. Segmentation of the chromosomes from this data is, thus, necessary. A neural network based on competitive learning, known as Kohonen's self-organizing feature map (SOFM) was used to perform segmentation, using a collection of statistics or features defining the image. Our past investigation showed that standard features such as the localized mean and variance of pixel intensities provided reasonable extraction of objects such as mitotic chromosomes, but surface detail was only moderately resolved. In this current work, a biologically inspired feature known as local energy is investigated as an alternative image statistic based on phase congruency in the image. This, along with different combinations of other image statistics, is applied in a SOFM, producing 3-D images exhibiting vast improvement in the level of detail and clearly isolating the chromosomes from the background. Index Terms-DIC, differential interference contrast, feature extraction, feature space, image segmentation, local energy, Morlet wavelet, phase congruency, self organizing feature map, SOFM.     

基于Log Gabor小波相位一致不变量的目标识别

给出了一种基于Log Gabor小波的相位一致（PC）不变量的神经网络目标识别方法。针对Gabor小波存在的问题，分析了LogGabor小波优于Gabor小波的性能，给出了TPC不变量的定义，探讨了低层次图像不变量特征，运用LogGabor小波PC特征不变量公式进行了修正，提取了目标图像边缘特征。利用该方法进行了神经网络目标识别实验，仿真结果表明，该方法能够很好识别图像目标，识别率达到97％。     

基于轮廓线曲率特征的人脸分类及识别

文中提出一种人脸分类及识别方法。在对人脸图像进行预处理之后,提取出人脸的轮廓,再细化,去除边缘噪声,得到人脸的轮廓线。对此轮廓线逐点计算曲率得到曲率线。将不同的曲率线之间的互相关函数定义为曲率线之间的相似性,并由此对人脸进行分类和识别。由于曲率几何特征明显,具有位移和旋转不变性,所提出的方法有较好的鲁棒性,并且得到了良好的分类效果。     

Perceptual image quality assessment using phase deviation sensitive energy features

Full reference image quality assessment (FR-IQA) algorithms aim to establish generic measures of perceptual image quality independent of distortion types. Recent developments in FR-IQA have marked the use of phase congruency features. Phase congruency is a dimensionless, normalized feature calculated from the log-Gabor energy of the image, equipped to be relatively insensitive to noise variations due to calculation of noise circle. The underlying assumptions on the nature of the noise used in this calculation affect the performance of phase congruency based FR-IQA measures. In this work, we (a) test the hypothesis that using the phase deviation sensitive energy features obtained from the log-Gabor filtered image instead of the noise adjusted, normalized phase congruency features will improve the general applicability of an FR-IQA measure, (b) reduce execution time by omitting noise circle calculation and (c) study how the modifications in parameter values, changes the correlation between the subjective scores and objective image quality values. Experiments on six benchmark databases suggest the effectiveness of the proposed method which improves over the existing phase congruency based algorithms, achieves competitive performance with the state-of-the-art methods and delivers the best average performance across all databases in terms of prediction monotonicity and accuracy.     

Ultrasonic liver discrimination using 2-D phase congruency

In this paper, we present an experiment to extract liver features using two-dimensional phase congruency, which is invariant to changes in intensity or contrast, to try to avoid the influence of machine settings. The effectiveness of our method was tested on three classes of liver images and shows the potential for physicians to quantify liver pathology in clinical diagnosis.     

累积结构特征描述的多模态遥感影像匹配

针对相位一致性图大部分特征值为零且易受噪声干扰,导致其构造的多模态图像特征描述子能力有限的问题,提出了一种累积结构特征图(Cumulative Structural Feature,CSF)构造及其特征描述子建立方法,通过增强图像结构来提高特征点描述子的辨识能力。首先,采用Log-Gabor奇对称滤波器提取多模态图像多个尺度和方向的边缘结构特征,通过特征信号平方和归一化构造CSF,增强图像的结构相似性,并直接在CSF上提取特征点;再利用多个尺度和方向的边缘结构信息构造方向特征图;最后,结合CSF和方向特征图建立特征描述子,提高描述子的辨识能力。六种场景的多模态图像匹配实验表明,与其他方法的最好结果相比,所提方法的平均正确匹配数量提升了27.07%,平均正确率提升了2.26%,且增强了对场景的适应能力。     

基于多蚁群协作的遥感图像特征提取方法

该文提出一种基于多蚁群协作的遥感图像特征提取方法。首先建立遥感图像的多分辨率表示,并在不同分辨率图像上释放蚁群。低分辨率图像上的蚁群以相位一致性作为启发信息,高分辨率图像中的蚁群以梯度强度作为启发信息,两个蚁群通过共享的信息素矩阵实现协作,完成图像特征检测。最后根据信息素矩阵提取图像特征。由于该方法在不同分辨率上引入了多种启发信息,因而能够提取更加完整和有意义的图像特征,表现出更强的智能性。