采用模糊多尺度局部相位量化的人脸识别

使用小波对人脸图像进行不同尺度的分解,获得对应的局部相位量化特征,结合模糊理论并融合各尺度下测试样本的差异隶属度,提出一种模糊多尺度局部相位量化的人脸识别方法。在ORL和FERET数据库上进行实验,结果表明,该方法的识别率较高,在提取更多人脸特征的同时,能避免传统多尺度方法中容易造成的高维问题,对光照和噪声具有更高的鲁棒性。     

增强边缘梯度特征局部量化策略驱动下的车标识别

目的 车标是车辆的显著性特征,通过车标的分类与识别可以极大缩小车辆型号识别的范围,是车辆品牌和型号识别中的重要环节。基于特征描述子的车标识别算法存在如下缺点：一方面,算法提取的特征数量有限,不能全面描述车标的特征;另一方面,提取的特征过于冗杂,维度高,需要大量的计算时间。为了提取更加丰富的车标特征,提高识别效率,提出一种增强边缘梯度特征局部量化策略驱动下的车标识别方法。方法 首先提取车标图像的增强边缘特征,即根据不同的梯度方向提取梯度信息,生成梯度大小矩阵,并采用LTP（local ternary patterns）算子在梯度大小矩阵上进一步进行特征提取,然后采用特征码本对提取的特征进行量化操作,在确保车标特征描述能力的同时,精简了特征数目,缩短了局部向量的长度,最后采用WPCA（whitened principal component analysis）进行特征降维操作,并基于CRC（collaborative representation based classification）分类器进行车标的识别。结果 基于本文算法提取的车标特征向量,能够很好地描述车标图像的特征,在HFUT-VL1车标数据集上取得了97.85%的识别率（平均每类训练样本为10张）,且在识别难度较大的XMU车标数据集上也能取得90%以上的识别率（平均每类训练样本为100张）,与其他识别算法相比,识别率有明显提高,且具有更强的鲁棒性。结论 增强边缘梯度特征局部量化策略驱动下的车标识别算法提取的特征信息能够有效地描述车标,具有很高的识别率和很强的鲁棒性,大大降低了特征向量的维度,提高了识别效率。     

基于模糊增强的彩色边缘检测研究

针对灰度图像易丢失有用信息,以及边缘较模糊的图像其边缘检测结果不准确等问题,本文提出基于模糊增强的彩色边缘检测方法。该算法首先将彩色图像转换到YUV,空间 ,然后在图像的模糊特征平面上进行模糊增强,并合理使用亮度、色度等信息进行彩色边缘检测,最后二值化。实验结果表明,该算法是有效的。     

基于边缘特征和模糊理论的阴影检测

阴影检测在图像处理中是一个十分重要的课题。该文提出了一种基于边缘特征的阴影边缘检测方法。对于阴影边缘检测的结果,利用文献所提出的基于模糊理论的边缘连接方法来进行连接,并在此基础上提出了一种基于模糊理论的边缘闭合方法将未闭合的离散边缘点或曲线段连接成闭合边缘。最后,利用局部均值和直方图获取阴影区域。实验结果表明,本文提出的方法在定位精度和去除噪声等方面都取得了较好效果。     

利用局部相位量化实现图像质量评价的方法

提出一种利用局部相位量化LPQ(Local Phase Quantisation)来评价图像质量的方法。首先计算参考图像的LPQ编码,然后统计LPQ编码在该图像中的直方图。对需要评价的图像做相同操作。最后用Chi-square距离来度量参考图像和待评价图像质量的差别。实验表明提出的方法能够有效评价图像质量。     

多方向局部相位量化模式及纹理分类

梯度是图像的一种的特征，而同时考虑不同方向上的梯度信息是一种更加有效利用梯度的方式，因此提出多方向梯度的纹理局部相位量化模式算法。多方向梯度的纹理局部相位量化模式首先从不同方向提取图像的梯度特征，然后对每个方向上的梯度特征采用局部相位量化方法进行编码，各方向梯度采用相位量化编码后的特征连接成一个匹配特征向量。为了充分利用图像的梯度信息，还探讨了块模式的局部相位量化方法。两个纹理数据库和一个掌纹数据库上的实验充分表明，对图像各方向上的梯度信息进行局部相位量化编码是一种有效的纹理特征提取算法。     

融合全局和局部相位特征的彩色纹理图像检索

针对目前彩色纹理图像检索系统存在颜色特征提取不充分、纹理特征提取与匹配的有效性亟待提高等问题,提出一种新的基于全局和局部相位特征融合的彩色纹理图像检索方法。该方法首次将局部引力角模式(Pattern of Local Gravitational Force Angle, PLGFA)作为局部相位描述符用于彩色纹理图像检索。在该方法中,首先在适合人类视觉系统的HSV颜色空间中采用非均匀方式量化三个颜色分量,并通过构建颜色直方图充分地提取颜色特征,同时在Gabor复变换域针对V分量数据进行相对相位建模而提取全局纹理相位特征;然后,利用PLGFA描述符在RGB空间的灰度图像中提取局部纹理相位特征;最后,将这三种特征通过闭式K-L(Kullback-Leibler)距离和改进版本的Manhattan距离进行有机融合,从而实现彩色纹理图像的检索。在VisTex(full/small)、STex和ALOT四个通用的彩色纹理图像库上得到的检索实验结果表明,综合考虑平均检索率和时间消耗两个性能评价指标,该方法较其他最新方法具有较明显优势,从而验证了其有效性和可行性。     

基于Hilbert滤波器对的相位一致性边缘检测方法

基于梯度的边缘检测算法，主要是针对阶跃形边缘的检测。Morrone等人提出的基于局部能量和相位一致性的边缘检测方法，则同时适用于阶跃形和屋脊形两类边缘的检测。根据等Q分解原则设计了一组基于Hilbert变换的正交滤波器对，并根据广义相位理论提取滤波后的局部能量和相位信息，在分析了噪声影响和展频处理后，通过计算相位一致性检测图像中的边缘。由于基于相位一致性的边缘检测具有不受光照条件影响，无需计算局部能量极值的特点，因此，在边缘检测的准确率与定位精度上，取得了较好的试验效果。     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

基于局部特征的图像边缘检测

针对传统边缘检测对噪声较敏感且不能准确定位的不足,分析了图像边缘邻域像素之间的关系,提出了基于局部特征的图像边缘检测方法,建立了判断该像素点是否位于边缘上的准则函数。本方法以像素点为研究对象,检测的边缘可能为噪声点或伪边缘点,因此利用图像边缘连续性和噪声点孤立性的特点,运用形态学提取图像边缘并克服了噪声对边缘检测的影响;然后运用形态方向梯度去除伪边缘点。实验结果表明该方法能够准确地检测出图像的边缘,并克服了传统利用微分算子检测边缘的不足。     

基于局部图像锐化的自适应模糊边缘检测算法

为了准确检测出模糊边缘的位置 ,对用小尺度滤波器检测模糊边缘时噪声影响检测效果的原因进行了分析 ,依据这些噪声点在模糊边缘附近的统计分布规律 ,提出了一种用于图像锐化的阈值计算方法 ,算法自适应地计算图像不同区域对应的图像锐化阈值 ,并用这个值来锐化模糊边缘图像 ,实现对模糊边缘的准确提取。实验结果证明该算法能有效去除模糊边界处的干扰点 ,明显改进了小尺度滤波器提取模糊边缘的性能     

基于模糊熵和分形维度的边缘检测算法

当图像中噪声与边缘强度相差不大时,用LFFD算法检测边缘时会扩大噪声。针对该问题,给出一种抗噪声的边缘检测算法(EFFD)。该改进算法通过使用模糊熵来抑制噪声扩大,用分形维度来描述图像的局部特征。通过对不带噪声和带有椒盐噪声的图像的边缘检测,说明EFFD在带噪声的图像中可以抑制噪声扩大,获得较好的边缘特征。     

基于模糊颜色量化的图像检索

颜色量化是基于颜色特征的图像检索的一个重要方法。在颜色量化中引入模糊集合理论,提出了一种基于人的主观视觉感知的模糊颜色量化方法,以减小量化误差和适应人的感知模糊性,根据此方法提取模糊颜色-空间特征用于图像检索。实验结果显示了模糊量化方法的有效性和检索算法较高的检索准确性。     

数学形态学和LoG算子结合的边缘检测技术

提出了一种LoG算子与数学形态学结合的玻璃碎片边缘检测方法,该方法是建立在一个承载着各种各样玻璃碎片快速传输系统上的。这个传输系统需要对传送带上的玻璃碎片进行快速的边缘检测,因此要求图像处理速度既快又准。经过研究,LoG算子计算量少,边缘检测效率高,但对噪声敏感;而数学形态学恰恰能弥补这一缺点,而且易于硬件实现。实验结果表明先用形态学中的膨胀和腐蚀操作对含噪声的图像进行平滑处理,再用LoG算子进行边缘检测的效果很好。     

具有边缘局部化的边缘检测小波研究

小波变换能够有效地检测出图象的边缘。为了使检测出的图象边缘局部化，本文在构造边缘检测小波的基础上，通过对小波迭代滤波且的特性分析，给出了边缘检测小波迭代滤波器组的选择原则，并通过实例进行了验证。     

结合沃尔什变换与列率截断的图像局部模糊抗噪检测

图像局部模糊的有效检测是计算机视觉领域的一项挑战性任务,现有模糊检测算法多难以兼顾准确性和实时性,并且在检测噪声混叠的模糊图像时有较大局限.为此,提出一种无监督且抗噪的局部模糊快速检测算法.首先利用主动模糊策略和沃尔什变换对待测图像进行列率域解析,并自适应截断列率谱的低列率区域以消除噪声干扰;在此基础上进一步构造并求解各像素点的局部模糊度量,得到待测图像的模糊分布;最终在聚类引导下采用多尺度修正生长实现局部模糊区域的分割.在CUHK,DUT等代表性数据集上的实验结果表明,所提算法可在无监督情况下快速、有效地检测图像模糊并准确分割局部模糊区域,在精确率、召回率、F₁测度、平均绝对误差、平均处理时间等多个评估指标上均接近或超过同类算法的最优水平,尤其在噪声情况下具有显著优于同类算法的检测性能.     

多标签传播和边缘局部分析的显著性检测

针对显著性检测中显著目标周围模糊的现象,提出了一种基于多标签传播和边缘局部分析的图像显著性检测算法。首先提取最信赖的目标和背景标签,通过基于元胞更新策略的多标签传播算法,准确定位显著目标;然后提出了一种新颖的分析边缘局部线索并完成分类标记的策略,以消除目标边缘的模糊现象。公开数据集上的实验结果显示,检测结果有效地抑制了目标周围的背景,解决了目标周围的模糊问题,清晰均匀地突出了显著目标。     

自适应模糊边缘减宽增强算法

针对形态边缘减宽增强算法的不足,提出了一种自适应模糊边缘减宽增强算法。它对非边缘区采用局部均值滤波来抑制噪声;对于边缘区域,根据梯度方向及当前点在斜坡边缘的位置,自适应的采用边缘方向均值、边缘梯度方向的高灰度均值和低灰度均值来代替当前像素灰度值,从而缩短斜坡边缘的宽度来达到增强图像边缘的目的。采用模糊策略决策,推理合成得到增强结果,在增强的同时,抑制噪声。实验结果表明,该算法能有效地增强边缘并平滑噪声,明显地改善视觉效果。     

局部模糊检测优化算法

目前基于特征的局部模糊检测算法为了优化特征响应需要在多尺度下重复计算局部模糊特征,且邻接关系复杂,导致计算量大,时间效率低.针对上述时间问题,本文提出一种利用单层垂直上下文的局部模糊检测优化算法.首先提取图像块重尾分布、峰度、功率谱、线性滤波等模糊特征,然后使用贝叶斯法学习模型,计算后验概率作为初步估计模糊响应,最后本文提出将邻近像素点的模糊响应信息作为上下文更新像素点自身响应信息,增加上下文支撑域的尺寸以更充分的考虑周围信息,使用一个相互垂直的一维上下文以减小计算量,从而构造新的能量函数进行全局优化,通过最小化能量函数得到最终的模糊响应.实验表明,本文算法能有效检测图像的局部模糊,并提高检测的时间效率.     

基于局部尺度控制的模糊边缘检测算法

基于容错思想定位边缘是为了解决自然图像中难以获取典型边缘特征的前后景相融处的模糊边缘定位问题,它为图像的每一点建立唯一的、局部可计算的最小可靠尺度以对模糊边缘定位并提取。文中对算法中求图像二阶导数时每个像素点都要沿着各自梯度方向确定卷积模板计算各像素点二阶导数的过程进行简化分析。通过将局部尺度判定与LoG算法相结合,避免各梯度方向上所进行的繁琐的二阶导数运算,并提出一个近似确定零交叉点位置的模糊边缘判别和定位流程。详细分析算法的可行性,对比多种算法对3类不同程度模糊的典型图像的边缘定位效果。实验表明,该算法对模糊边缘的定位和提取效果更好,运算速度更快,算法更实用。