细粒度亚像素圆模板算法

旋转图像的质量和性能是需要权衡的一个问题,提出一种细粒度亚像素圆模板算法.通过像素网格状5x5分割选取圆模板的圆心.邻域像素被圆模板覆盖的面积与圆面积的比值Rs,相应像素的颜色值Cs,旋转后像素的颜色值等于Rs和Cs的卷积.实验表明该算法图像旋转质量好于最近邻点插值和高斯模板算法,清晰度和连续性接近双线性插值,计算性能明显优于双线性插值.     

动态单像素模板算法

高斯模板用于图像旋转时会产生较严重的模糊,其原因是大邻域的亮度值加权平均造成的。为减小加权平均的邻域范围,提出图像空域变换的小邻域局部相关性原理。据此提出动态单像素模板算法：将当前像素分割为3×3的子像素,对每一个子像素求得一个模板。用当前像素的这9个模板之一和邻域像素的亮度进行卷积运算求得变换后的亮度值。实验和分析表明,它消除了高斯模板旋转图像时产生模糊的问题。旋转图像的质量与双线性插值算法相近,同时具有比双线性插值算法和高斯模板算法更高的计算性能。     

细粒度动态单像素模板算法

针对高斯模板用于图像旋转时,使图像产生模糊的问题,提出细粒度动态单像素模板算法.根据图像小邻域局部相关性原理,将当前像素分割为5×5的子像素,对每一个子像素求得一个模板.用当前像素的这25个模板之一代替高斯模板进行图像旋转,消除了高斯模板旋转图像时产生模糊的问题.该算法旋转图像的质量与双线性插值算法相近,且具有更高的计算性能.     

双三次卷积模板算法

双三次插值是图像空域变换的经典算法,可用于图像旋转和放缩等灰度插值。它和双线性插值相比具有更好的图像变换效果,但计算性能较低。为提高其计算性能,设计了双三次卷积模板算法：对双三次插值算法进行离散化处理,变实数运算为整数运算,得到16个模板,模板与邻域像素的灰度值进行卷积计算,得到变换后的像素的灰度值。实验表明,该算法图像旋转效果优于双线性插值算法,略低于双三次插值算法,计算性能与双线性插值相同,明显高于双三次插值算法。     

一种新的亚像素边缘检测误差校正算法

矩方法采用二维理想边缘模型描述亚像素边缘,实际图像在边缘处存在一个渐变的过渡阶段,而二维理想边缘模型不能精确描述边缘,导致原理误差的产生。为此,提出一种采用误差校正表的算法,用于降低二维理想边缘模型引入的原理误差,提高亚像素边缘检测精度。通过方形采样定理模拟生成已知边缘的理想图像,用矩方法检测理想图像的亚像素边缘,构造二维误差校正表。使用查询误差校正表并结合双线性插值求出误差后进行误差校正。以灰度矩和Zernike矩为例进行对比实验,结果表明,该算法亚像素检测精度比校正前提高了一个数量级。校正算法主要计算量是双线性插值,能保持亚像素边缘检测的实时性。     

HSV 彩色空间的亚像素边缘检测磁

图像测量需要高精度、高准确度的图像边缘。随着测量精度要求提高,像素级图像边缘不能满足实际的需求,需要更为精确,提供更多细节的亚像素级边缘。提出了一种在 HSV彩色空间利用基样条插值提取亚像素边缘的算法。首先,将RGB空间的彩色图像转换到 HSV颜色空间;然后,利用提出的 H SVsin－cos彩色距离模型检测出像素级的边缘;最后,对像素级边缘进行基样条插值,得到亚像素边缘,并与B样条、三次样条插值结果相比较。实验结果表明：基样条插值的结果对图像的逼近度、差异性优于其它方法,分析与讨论的结果为利用插值方法进行亚像素边缘精确定位技术选取提供可靠的依据。     

快速离散化双线性插值算法

双线性插值算法在数字图像处理中有广泛的应用.它具有比最近邻点法更好的连续性,但计算速度慢.为提高其计算速度,提出了离散化双线性插值算法.把像素分割成子像素,用双线性插值函数计算子像素中心坐标处的像素值,可以得到每一个子像素的卷积函数C,用C来代替双线性插值函数.理论分析表明离散化算法减少了加法和乘法的浮点运算次数.通过图像旋转实验表明该算法与双线性插值算法相比计算速度有较大的提高,连续性略有损失,图像质量基本相同.     

亚像素级图像配准算法研究

在很多应用领域,要求图像配准的精度达到亚像素级。对现有的亚像素级图像配准算法进行了分类,介绍了几种最主要的亚像素级精度的配准方法,包括基于插值的方法、扩展的相位相关法、解最优化问题法,并对这些算法的思路、性能特点和最新进展进行了综述。然后从几个评价标准对各种算法进行了比较,分析了各自影响性能的因素和性能提升的空间。最后对未来的发展趋势进行了展望。     

高斯拟合亚像素边缘检测算法

针对传统边缘检测算法的定位精度低、对噪声敏感等缺点,提出基于函数曲线拟合的亚像素边缘检测算法——梯度方向高斯曲线拟合亚像素定位算法。该方法首先在边缘附近选取一系列点,求得这些点的灰度值,进而求得这些点的梯度值,然后运用高斯曲线来对这些点的梯度值进行拟合,最后通过拟合曲线求得高斯曲线的对称轴位置即为亚像素位置。实验表明该算法能够很好地实现亚像素定位,通过与其他两种亚像素定位算法的比较,得出该算法运行时间较短,效率较高。     

亚像素边缘检测算法比较

针对光学测量中传统边缘检测算法的定位精度低、对噪声敏感等缺点,文章主要比较基于径向基函数插值的亚像素边缘检测算法、基于高斯曲线拟合的亚像素边缘检测算法、基于密度函数估算的亚边缘检测算法等几种边缘检测算法的定位精度,实验分析这几种算法存在的优缺点。     

一种提高图像位移测量精度的方法

在高速摄像位移测量系统中,对被测物预定义目标特征图像标签,先在像素级实现模板与目标的配准,然后对目标区图像作半阈值分割,用目标像素灰度一阶边矩求重心,作为目标基点,从而实现了模板与目标的亚像素级配准,即目标精确定位,使动态位移测量精度显著提高.     

快速线结构光中心提取算法

在线结构光三维测量系统中,结构光中心提取的速度和精度直接影响到系统的整体性能。基于几何中心法、方向模板法和灰度重心法,提出了一种快速提取结构光中心的算法。首先,先对图像进行预处理,通过几何中心法快速提取结构光中心作为骨架;然后,提出了一种基于位置的法线判断法求取骨架法线方向,与常用的方向模板法比较,在速度上有了大幅度提升;最后,对骨架法线方向上像素进行灰度加权,从而精确提取结构光中心。实验结果表明,该算法不仅在速度上有很大提升,而且精度也达到了亚像素级别。     

一种模板匹配与高适应性的裂缝骨架提取算法

在对裂缝图像骨架进行提取时,已有的算法通常存在细化后骨架主体信息缺失、毛刺去除效果随图像规模增大而快速下降等问题。针对上述问题,该算法提出一种模板匹配与高适应性的裂缝骨架提取算法。首先,结合模板匹配对Rosenfeld细化算法进行改进,以保留骨架主体结构;然后提出一种高适应性毛刺去除算法,以分支像素点数量与细化后骨架图像目标像素点数量之比作为判断标准,可以高效适应不同目标像素点密度和规模的裂缝图像。实验结果表明,该算法能够有效实现单一像素宽度骨架并尽可能去除骨架毛刺,有一定的可行性及优越性。     

Reversible data hiding for high quality images exploiting interpolation and direction order mechanism

Reversible data hiding can restore the original image from the stego image without any distortion after the embedded secret message is exactly extracted. In this paper, a novel, reversible, data hiding scheme for high quality images is proposed in spatial domain. To increase embedding capacity and enhance image quality, the proposed scheme classifies all pixels as wall pixels and non-wall pixels. For wall pixel, the interpolation error is used to embed secret data over the interpolation prediction method. In contrast, the difference value between the non-wall pixel and its parent pixel, which is defined by the direction order, is computed to hide secret data based on the histogram shifting. The experimental results demonstrate that our scheme provides a larger payload and a better image quality than some existing schemes. Moreover, the performance of the proposed scheme is more stable for different images.     

Sub-pixel precision image matching for measuring surface displacements on mass movements using normalized cross-correlation

This study evaluates the performance of two fundamentally different approaches to achieve sub-pixel precision of normalised cross-correlation when measuring surface displacements on mass movements from repeat optical images. In the first approach, image intensities are interpolated to a desired sub-pixel resolution using a bi-cubic interpolation scheme prior to the actual displacement matching. In the second approach, the image pairs are correlated at the original image resolution and the peaks of the correlation coefficient surface are then located at the desired sub-pixel resolution using three techniques, namely bi-cubic interpolation, parabola fitting and Gaussian fitting. Both principal approaches are applied to three typical mass movement types: rockglacier creep, glacier flow and land sliding. In addition, the influence of pixel resolution on the accuracies of displacement measurement using image matching is evaluated using repeat images resampled to different spatial resolutions. Our results show that bi-cubic interpolation of image intensity performs best followed by bi-cubic interpolation of the correlation surface. Both Gaussian and parabolic peak locating turn out less accurate. By increasing the spatial resolution (i.e. reducing the ground pixel size) of the matched images by 2 to 16 times using intensity interpolation, 40% to 80% reduction in mean error in reference to the same resolution original image could be achieved. The study also quantifies how the mean error, the random error, the proportion of mismatches and the proportion of undetected movements increase with increasing pixel size (i.e. decreasing spatial resolution) for all of the three mass movement examples investigated.     

基于模板距离分布的烟支中心点搜索策略

基于采用模板匹配的方法实现烟支识别与计数的思想,研究识别前烟支中心点搜索策略的一种优化方法.首先依据烟支图像的特点,分析烟支模板中心点的距离分布;在此基础上通过在烟支图像中粗粒度标志出可能的烟支边界,考察非边界点到距其最近边界间的距离,将其与模板距离分布相结合,得到烟支图像中像素点的6种距离分布;按照6种距离分布划分各像素点作为烟支中心点的可能性大小及识别优先级;最后按照识别优先级由大至小依次搜索烟支中心点.实验表明,该方法对孤立烟支的中心点定位和连通烟支的中心点定位同样有效,与全局遍历法相比,能提高烟支识别与计数的精确性.