苹果分类识别中的分形问题研究

提出一种新颖的基于分形理论的苹果属性分类识别方法。通过机器视觉获取苹果彩色图像,进行处理,得到反映苹果色度属性的灰度图象;运用分形理论,通过苹果灰度图象创建灰度特性曲线,对该曲线的分形问题进行研究,得到曲线的分形维数;根据特征维数,建立起苹果属性类别和分形维数间的关系,实现了苹果属性的准确检测和分类。实验结果表明,用分形理论方法进行苹果分类识别,具有良好的抗噪、容错能力,并能有效地克服传统图像分割识别方法适应性差的缺点,提高了分类判别准确率和分类精度。     

基于小波变换的图象分数维计算方法

图像分数维能够反映图象的纹理特征，是图象分割的重要依据。本文在对图象分数维计算方法分类的基础上，着重研究了基于小波变换的图象分数维计算方法，并与基于盒维数定义的差分计盒维数法进行对比，结果表明，通过该方法计算得到的图象分数维较准确。     

纹理图象分割的分形方法研究

在分形维数的基础上研究了将其用于纹理分割的方法。采用差分盒维数（ＤＢＣ）方法和一种改进的边缘保持算法计算象素点的分形维数ＦＤ，基于原始图象的方向性差分和多重分形的概念提取出一组特征，并将Ｋｏｈｏｎｅｎ的ＳＯＦＭ网用于对得到的图象特征矢量进行分类，得到了较好的纹理图象分割效果。最后和特征平滑与Ｋ均值聚类方法的结果进行了比较     

一种改进的多尺度分形网络演化分割方法

面向对象技术是提高高分辨率图像分类精度的关键技术之一。针对eCognition的分形网络演化分割算法仅仅采用光谱特征和形状特征进行图像多尺度分割的不足,提出了将边缘特征引入其分割过程中,以提高多尺度分割的效果,来获得边缘平滑且分割对象与实际地物更加一致的分割结果,从而改善eCognition的分形网络演化分割方法中存在的过分割、欠分割和边缘粗糙等情况。通过实验,证明了引入边缘特征的分形网络演化分割方法提高了图像分割结果,减小了过分割和欠分割的产生,使得分割结果与实际地物更加一致。     

序列图象的似分形编码方法

该文将目前分形图象编码中描述图象自相似性的方法,用于对序列图象中图象间互相似性的描述,并提出了一种称为似分形的序列图象编码方法。与传统的分形编码方法相比,这种方法由于在编码时不受分形编码特有条件的限制,解码时也不需要迭代,因此编码速度和编码质量都得到一定程度的提高。实验结果证明了该方法的有效性。     

一种基于小波包分解的图像分类去噪方法

文章提出了一种基于小波包分解的图像分类去噪方法,即首先用高斯-拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用小波包对图像平滑区域进行阀值去噪,同时对图像进行邻域平滑处理;最后将边缘图像嵌入平滑图像。此种方法不但可以保持图像的边缘信息,而且能够去除图像的噪声,提高了图像的去噪效果和清晰度。     

分形特性角度定位研究

提出一种将分形理论用于PCB图像定位的新方法，以PCB上的矩形定位标志图像为研究对象，分析其边缘特征，结果表明图像边缘具有典型的分形特性；用去除边缘异常噪声加补偿的方法对图像边缘进行处理，消除噪声对图像边缘对应的分形曲线特性的影响，得到较精确的边缘分形曲线形维数；推导出图像转动角度与图像边缘分开曲线分形维数的理论关系式，根据边缘曲线的分形维数精确地得到了目标图像的转动角度，解决了PCR板的精确，快速角度定位问题。     

结合纹理特征和边缘信息的遥感影像分类

针对基于光谱信息的遥感监督分类精度低以及分类结果中交界处错分和内部存在小面积图斑的问题,提出了一种结合图像纹理信息的监督分类方法和基于图像边缘信息的分类后处理方法。该方法首先利用彩色的灰度共生矩阵(color gray level co-occurrence matrix,CGLCM)提取图像的纹理信息,并将纹理图像结合原图像各个波段在ENVI 5.1平台下进行监督分类,然后采用Canny边缘检测算法提取原始影像的边缘图像,通过边缘信息对分类结果进行区域统计来改善分类结果。试验结果表明,辅以CGLCM纹理特征的监督分类方法可以有效地提高分类精度,相对于传统的监督分类方法,总Kappa系数提高了0.107 6,精度提高了8.53%。依据边缘信息对分类结果进行处理,有效保留原始影像边缘特征的同时,很好地滤除了分类结果中的小面积图斑。     

分形理论在焊接图象处理中的应用

针对焊接过程中的图象处理问题，如检测焊缝边缘位置和确定焊接熔池的边缘大小和形状等问题，由于传统图象处理方法易受噪声和其他干扰信息的影响，因此很难准确及时地处理图象，为了克服此弱点，在比较了焊接过程中图象处理的微观算法和宏观算法的基础上，提出了运用分形理论的综合图象处理方法，该方法是根据焊接过程图象的特点，首先利用图象边缘的分形特征来进行区域分割，以便检测出图象边缘所在的模糊区域，然后用边缘检测方法的Laplace算子和最小二乘法拟合曲线来识别出图象的边缘，同时用该方法进行了实时焊接图象处理实验，实验结果证明，该方法不仅能准确识别出焊接焊缝或熔池图象的边缘，而且节省了图象处理的时间，为焊接过程的实时控制提供了可靠的信息。     

基于POCS的超分辨率重建算法研究

针对传统的凸集投影(POCS)算法重建后的结果图像存在边缘模糊的问题,提出了一种通过小波变换与分形插值得到高分辨率初始图像的估计方法。该方法通过对一幅图像进行小波分解得到低频重构图像和高频重构图像,对高频重构图像使用分形插值保留了图像的纹理和边缘信息。仿真实验结果表明,该方法可行有效,改善了图像的边缘特性及整体质量,与传统的POCS算法相比,本文方法提高了重建图像的峰值信噪比。     

基于Riemann-Liouville改进的1~2阶分数阶边缘提取新模型

针对数字图像的处理中采用整数步长与0~1阶分数阶微分的掩模算子未能精确定位边缘信息、缺少图像的纹理细节的问题,在Laplacian算子的基础上提出了一种新的边缘检测掩模算子。该算法从Riemann-Liouville(R-L)定义出发,推出1~2阶分数阶微分在中频信号的增强效果优于0~1阶分数阶微分并显著提升了高频信号,最终得到精确的检测效果。仿真结果表明:提出的算子能更好地提取边缘信息,尤其对灰度变化不大的平滑区域中纹理细节丰富的图像,该算子检测到的信息优于现有0~1阶微分算子,针对主观识别有更高的准确率;客观上采用扫描法的定位误差统计,该算子的综合定位误差率为7.41%,低于整数阶微分算子(最低为10.36%)与0~1阶微分算子(最低为9.97%),有效提高了边缘定位精度。该算子尤其适用于具有较高频信息的图像边缘检测中。     

边缘检测算子研究及其在医学图像中的应用

阐述了边缘检测在医学图像处理中的重要作用,分析了几种常用算子(Roberts,Sobel,Prewitt,Laplacian,Canny)基本原理及算法实现,并对比各算子的优缺点,并用VC .NET工具编程实现出以上各种算子对一幅人体头部的MRI图进行边缘提取。对实验结果进行分析得出结论,各种不同的算子对同一幅图片进行边缘提取,会得到完全不同的结果,Canny算子检测出的边缘比一般微分算子更精确、更细,但也可能平滑掉一些有用的边缘。因此,在不同的条件下,应根据具体情况,选择最适合的边缘检测算子对图像进行处理,才能得到最佳效果。     

一种基于相邻匹配的分形图像检索算法

分形码用来描述图像内跨尺度相似性冗余信息。通过分形码记录图像特征并将其用于图像相似度判断及图像检索。基于自适应四叉树分割方法,提出了图像快速分形编码方法。所提方法通过邻域内固定块的相似性判别快速提取分形码,减少了图像分割层次,缩短了编码时间并保证了图像解码质量。同时提出了一种新的快速判别图像间相似块的距离公式,提升了图像相似度判断的准确性。实验结果表明,相对于灰度直方图判别法,本算法大幅提高了图像检索的查全-查准率。相比于文献中的分形检索算法,本算法缩短了编码时间并降低了分割块数,从而提高了检索效率。     

数理统计特征的快速图像分形压缩算法研究

图像自相似是图像分形研究中一个重要的研究方向,尤其是对自相似图像子块的特征提取量化问题尤为引人关注。在分形图像编码发展的过程中,图像自相似特征的提取和量化得到了广泛的研究和应用。通过对图像数理统计特征的研究,提出了一种对图像子块进行分类的方法,使拥有相似特征的图像子块能够划分到更小的区域范围内,改进了分形图像压缩算法。经过分析和实验证明,该方法在不影响重建图像质量的前提下,提高了分形编码的速度,较大程度地减少了计算量。     

基于单亲遗传算法和导向算子的图像分形编码

基于图像的近距自相似性,用一种采用实数编码的单亲遗传算法完成图像分形压缩中的最优码本匹配,针对含有边缘的Range块的匹配,通过一个导向算子使边缘R块的最优匹配搜索沿着图像的边缘进行。实验结果表明,相对于基本分形压缩算法,在基本保证解码图像主观质量的前提下,该方法的速度提高了约60倍。     

Dynamic Fractal Transform with Applications to Image Data Compression

A recent trend in computer graphics and image processing is to use Iterated Function System(IFS)to generate and describe both man-made graphics and natural images.Jacquin was the first to propose a fully automation gray scale image compression algorithm which is referred to as a typical static fractal transform based algorithm in this paper.By using this algorithm,an image can be condensely described as a fractal transform operator which is the combination of a set of reactal mappings.When the fractal transform operator is iteratedly applied to any initial image,a unique attractro(reconstructed image)can be achieved.In this paper,a dynamic fractal transform is presented which is a modification of the static transform.Instea of being fixed,the dynamic transform operator varies in each decoder iteration,thus differs from static transform operators.The new transform has advantages in improving coding efficiency and shows better convergence for the deocder.     

基于系数关系和分形维数的隐藏算法

提出了一种基于系数关系和分形维数的信息隐藏算法，该算法将原始载体图像分割成固定大小的图像块，利用分形维数与图像之间的关系确定每个图像块的特点，结合人类视觉系统（HVS）的特性，选择代表边缘和纹理特征的图像块，对它们进行离散余弦变换，将信息嵌入到变换系数的关系中，隐藏的信息可以是字符序列，数字序列，文本文件，二值图像，灰度图像以及彩色图像等，实验结果表明该算法透明性好，保密性高，对几何攻击，滤波，噪声和压缩等处理具有一定的稳健性。     

基于变异系数的分形图像压缩稀疏编码算法

针对分形图像编码算法复杂度高、编码时间冗长的问题,提出正交稀疏编码和纹理特征提取表示图像块的方法.首先,灰度级的正交稀疏变换提高了图像的重建质量和解码时间.其次,相关系数矩阵度量范围块和域块之间的变异系数特征降低了冗余度和编码时间.仿真实验结果显示,该方法与传统的分形图像编码算法相比,图像重建质量更好,编码速度更快.     

Single-image super-resolution reconstruction based on global non-zero gradient penalty and non-local Laplacian sparse coding

Methods based on sparse coding have been successfully used in single-image super-resolution reconstruction. However, they tend to reconstruct incorrectly the edge structure and lose the difference among the image patches to be reconstructed. To overcome these problems, we propose a new approach based on global non-zero gradient penalty and non-local Laplacian sparse coding. Firstly, we assume that the high resolution image consists of two components: the edge component and the texture component. Secondly, we develop the global non-zero gradient penalty to reconstruct correctly the edge component and the non-local Laplacian sparse coding to preserve the difference among texture component patches to be reconstructed respectively. Finally, we develop a global and local optimization on the initial image, which is composed of the reconstructed edge component and texture component, to remove possible artifacts. Experimental results demonstrate that the proposed approach can achieve more competitive single-image super-resolution quality compared with other state-of-the-art methods.     

基于Laplacian算子的图像增强

使用Laplacian算子检测图像的边缘纹理等细节信息,然后以适当比例线性叠加原始图像和细节信息,从而完成图像增强。不同增强方法的比较试验表明,基于Laplacian算子的图像增强方法既能增强图像的高频分量,又能保持图像的低频分量,是图像增强的有效方法。