基于四元数Gabor滤波的彩色纹理特征提取

现有的彩色图像纹理特征提取方法是将彩色图像转换为灰度图像或者对彩色图像进行分通道处理,这样的处理方法会丢失原图像的颜色信息和各通道间的相关性,导致特征图像的纹理特征和原图像的纹理特征差异较大。基于上述问题,提出了一种四元数Gabor彩色纹理特征提取方法。首先,根据Gabor滤波和四元数欧拉公式,推导出四元数Gabor滤波,并将彩色图像用四元数矩阵表达;其次提出四元数Gabor滤波卷积算法处理彩色图像,得到多尺度多方向的彩色纹理特征图像;最后对得到的彩色纹理特征图像进行Tamura统计特征的提取。实验结果表明,该方法可以很大程度地保留原图像的粗糙度、对比度和方向度等纹理特征,同时可以提取到原图像的颜色信息。在转化为灰度图像后,该方法在保留粗糙度、对比度和方向度等纹理特征方面优于传统Gabor方法和LBP方法。     

基于Gabor滤波的指纹增强算法

介绍了一种改进的Gabor滤波的指纹图像增强算法。提出一种新的指纹图像分割算法，并对指纹核心区域进行多方向滤波合成。实验证明，该套增强算法运行稳定，效果好，鲁棒性强。     

基于CycleGAN的灰度图像彩色化方法

当前主流的图片彩色化方法包括传统算法和深度学习方法.随着深度学习模型的发展,基于深度学习的灰度图像彩色化方法能带来更好的着色效果,但仍然存在细节损失和着色枯燥问题.针对上述问题,本文将CycleGAN模型应用在非单一类别的灰度图像彩色化上,使其在动物、植物、风景等图片上有逼真的着色效果.模型结构上对CycleGAN模型的激活函数加以改进,在生成器使用PReLU激活函数,使模型更易于训练.在判别器使用PatchGAN提高图片高分辨率上的颜色细节.通过ImageNet数据集5个热门类别图像的训练后,模型对动植物与风景图彩色化的效果十分逼真.在图像评估指标中,该模型在PSNR中比GAN高了0.603 dB约有2.1%的提升,在SSIM中明显高于其他模型,在效果上有5.1%的提升.从视觉感受来看,通过CycleGAN彩色化的图片饱和度更高,在视觉真实性上高于VGG和GAN等模型,解决了着色枯燥问题,而且更容易还原图片中的颜色细节,避免细节损失.     

一种基于拉普拉斯方程的图像彩色化方法

黑白图像的彩色化是图像处理领域一个活跃的、有挑战性的研究课题。在总结现有图像彩色化方法的基础上，分析了彩色化由局部向全局扩展的本质，进而提出了一种通过求解拉普拉斯方程实现颜色扩展的彩色化方法。为提高边界定位能力，设计了加权形式的差分方案。与同是采用偏微分方程的Saprio彩色化方法相比，该方法与其控制颜色扩展的机制不同，图像彩色化效果要明显优于Saprio方法。     

基于Gabor小波变换的无监督纹理图像分割

本文提出了一种基于Ｇａｂｏｒ小波变换的无监督纹理分割方法,该方法首先对纹理图像进行Ｇａｂｏｒ小波变换,再经过一组Ｇａｕｓｓ波波器滤波,然后将得到的纹理特征送入由Ｈｏｐｆｉｅｌｄ网络构成的无监督分类器,最后得到纹理分割结果。实验和分析表明,该方法对于不同的纹理图像都具有良好的分割效果。     

基于OpenCV的灰度图像伪彩色化研究

在对彩色图像对人类观察重要性分析的基础上,对灰度图像伪彩色化过程中常用的假彩色编码法和基于色彩传递的伪彩色算法进行了介绍,并利用OpenCV对灰度图像的伪彩色化算法进行了实现,通过仿真结果对比分析了两种不同算法的特点及应用领域最后对灰度图像伪彩色化的发展进行了展望     

显微图像Gabor滤波增强

提出一种基于自适应融合的多尺度多方向Gabor滤波图像增强方法.使用特定不同方向不同尺度Gabor滤波器与图像卷积,卷积图像进行规格化,通过取极小值和平均值对多通道图像Gabor滤波结果进行自适应融合,得到增强图像.并将其用于AFM显微图像增强,能有效消除阴影和噪声,获得良好效果.     

基于彩色Gabor特征的人脸识别技术

提出了一种利用所提取的彩色Gabor特征来提高人脸识别系统性能的方法。首先利用四元数表示彩色信息,考虑到Gabor滤波器具有空间局部性和方向选择性的特点,将其扩展到四元数空间。然后通过人脸图像特征点与Gabor滤波器的卷积来提取特征,这样就将传统的灰度Gabor特征拓展为彩色Gabor特征。最后对于所提取的特征利用PCA降维后送入支持向量机中分类。实验采用彩色FERET人脸库并利用ROC曲线进行交叉检验,结果说明通过提取和利用这种彩色纹理信息能显著提高人脸识别系统性能。     

基于p-Laplace方程的图像彩色化方法

灰度图像的彩色化是图像处理研究领域中富有挑战性的研究课题,且具有十分广阔的应用前景。在分析现有图像彩色化方法的基础上,提出了一种基于p-Laplace方程的图像彩色化新方法。新方法首先由用户在灰度图像上给定少量的颜色条带;然后通过求解p-Laplace方程实现颜色扩散的彩色化。由于p-Laplace算子是一个各向异性扩散的非线性算子,所以与采用偏微分方程方法的泊松方法和拉普拉斯方法相比,图像彩色化在扩展颜色的同时更能保持边缘效果。     

基于Gabor多通道滤波和Hopfield神经网络的纹理图象分割

文章针对纹理图象的特点,提出了一种基于Gabor多通道滤波和Hopfield神经网络的纹理图象的分割算法。首先构造一组Gabor滤波器（2－D）提取纹理图象多分辨率和多方向性的空域和频域特征。为了使纹理特征更加明显,在此基础上对滤波图象进行非线性变换,最后利用Hopfield神经网络通过松弛迭代算法实现纹理图象的快速分割,取得了良好的分割效果。     

基于密集神经网络的灰度图像着色算法

针对在灰度图像着色领域中，传统算法信息提取率不高、着色效果不理想的问题，提出了基于密集神经网络的灰度图像着色算法，以实现改善着色效果，让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性，构建并训练了一个端到端的深度学习模型，对图像中的各类信息及特征进行提取。训练网络时与原图像进行对比，以逐渐减小网络输出结果的信息、分类等各类型的损失。训练完成后，只需向网络输入一张灰度图片，即可生成一张颜色饱满、鲜明逼真的彩色图片。实验结果表明，引入密集网络后，可有效改善着色过程中的漏色、细节信息损失、对比度低等问题，所提算法着色效果较基于VGG网络及U-Net、双流网络结构、残差网络（ResNet）等性能优异的先进着色算法而言取得了显著的改进。     

基于Gabor小波的渐进式着色算法

为了解决黑白图像自动染色的难题,提出了一种基于Gabor小波的渐进式着色算法.该算法首先使用Gabor小波对黑白图像的纹理特征进行分析,在此基础上,根据纹理特征差异重新定义像素的邻居关系,最后利用最优化方法对染色问题进行迭代求解.该算法主要的创新点是交互操作少,并允许用户逐步添加色彩细节.同时该算法还是天然并行的,能够利用图形处理器(GPU)进行实时计算.为该算法和当今流行的着色算法做了效果对比,并且进行了效率分析,实验结果表明了该算法的可用性和效率.     

基于深层聚合结构网络的灰度图像彩色化方法

当前灰度图像彩色化方法普遍存在边界晕染、细节丢失和着色效果枯燥等问题。针对以上问题,提出了一种基于改进的深层聚合结构网络的灰度图像彩色化方法。将深层聚合结构网络引入图像彩色化领域中,且在传统网络基础上加入长连接,在缓解网络梯度消失问题的同时提升其特征利用率,从而提升算法模型对图像边界和细节的处理能力。另外,模型融合生成对抗网络结构,搭建判别网络,动态评价图片彩色化质量,缓解着色枯燥的问题。实验证明,该方法相比于传统彩色化方法,减轻了着色时边界漏色问题,还原了更多的图像细节,图像颜色更为丰富。     

基于融合的显微图像Gabor边缘提取算法

不同参数Gabor滤波器都具有各自的频率选择和方向选择特性,图像中纹理基元可以利用多个方向和中心频率Gabor滤波器组提取出来的频谱值来表示.据此提出一种适应于显微图像的Gabor滤波边缘检测算法.使用特定不同方向Gabor滤波边缘提取算子对图像进行边缘信息提取,获得不同方向上边缘特征信息,对其进行分析和融合提取图像边缘.运用该方法时所获不同方向的图像边缘进行自适应融合,获得的图像边缘较理想,模糊的边缘得到增强,并有效地消除了噪声.实验结果表明,该算法对显微图像处理有效,检测到的边缘清晰.     

改进颜色融合的医学图像彩色化技术

彩色化后的医学图像能清晰体现患者病灶信息有利于医患沟通。提出改进颜色融合的医学图像彩色化方法,首先利用基于KNN的图像前背景区分算法,强化病灶区域的边界信息;然后以此为约束条件,只需提供简单的着色输入;最后将边界能量引入颜色融合方法,得到较好的着色结果。着色图像保持了原图的灰度信息不变,增加了彩色标记图像的颜色和真实感。实验结果表明,该算法具有较高的精确度,可有效的应用于医学图像彩色化处理。     

Efficient image colorization based on seed pixel selection

Colorization is a technique to automatically produce color components for monochrome images and videos based on a few input colors. Generally, image colorization is initialized from a number of seed pixels whose colors are specified by users, and then the colors are gradually prorogating to the monochrome surroundings under a given optimization constraint. So, the performance of colorization is highly dependent on the selection of seed pixels. However, little attention has been paid to the selection of seed pixels, and how to improve the effectiveness of manual input remains a challenging task. To address this, an improved colorization method using seed pixel selection is proposed to assist the users in determining which pixels are highly required to be colorized for a high-quality colorized image. Specifically, the gray-scale image is first divided into non-overlapped blocks, and then, for each block, two pixels that approximate the average luminance of block are selected as the seeds. After the seed pixels are colored by users, an optimization that minimizes the difference between the seeds and their adjacent pixels is employed to propagate the colors to the other pixels. The experimental results demonstrate that, for a given amount of inputs, the proposed method can achieve a higher PSNR than the conventional colorization methods.     

单参数控制的灰度图像着色

灰度图像着色是计算机图形学和计算机图像处理等领域的研究热点,在影视制作、数字照片编辑、动漫艺术等方面具有重要的应用价值。传统的方法通过大量的交互操作实现灰度图像中不同区域的聚类或者色源图像和灰度图像之间的匹配,大大降低了着色的效率。提出一种新的基于单参数控制的灰度图像着色方法。首先,利用球体几何理论建立色彩变换模型。其次,基于线性回归的方法,对色源图像和灰度图像的直方图分别进行多项式拟合建模。用户输入拟合多项式的阶数之后,可以实现色源图像和灰度图像的自动聚类并建立它们之间的匹配关系。最后,通过色源图像和灰度图像之间的颜色映射实现灰度图像的着色。该方法无须烦琐的用户交互,使得着色过程更为方便快捷。     

基于空域滤波的图像增强法的探讨

图像采集和处理方法的发展日新月异,针对不同图像特征的图像增强技术,可以加强图像可懂性,提高视觉效果,抑制噪声,为图像的后续识别做更好的铺垫。本文MATLAB平台主要用于平滑和锐化的QR码图像处理,在QR码图像去噪问题上,结合滤波的不同模板以及噪声类型,所获得的不同滤波的仿真实验结果表明:中值滤波窗口的尺寸大小是影响椒盐噪声去除有效性和提升图像识别率的关键因素;空域图像增强法中,平滑滤波所呈现出的功能效果更优于锐化滤波。     

基于引导滤波和差分图像的多聚焦图像融合方法

针对传统的多聚焦图像的空间域融合容易出现边缘模糊的问题,提出了一种基于引导滤波(GF)和差分图像的多聚焦图像融合方法.首先,将源图像进行不同水平的GF,并对滤波后图像进行差分,从而获得聚焦特征图像;随后,利用聚焦特征图像的梯度能量(EOG)信息获得初始决策图,对初始决策图进行空间一致性检查以及形态学操作以消除因EOG相...