小波变换在图像匹配技术中的应用研究

针对单一图像匹配算法抗噪声能力和抗几何形变能力差、以及计算量较大等问题,提出一种基于小波变换后图像统计特征的图像匹配识别算法.利用小波对图像进行多个尺度的二维小波变换,分析反映图像在不同尺度和不同方向上能量分布情况,通过计算统计特征量和标准图库中图像统计特征量之间的夹角,确定待识别目标,利用该方法对图书条形码进行识别.研究结果表明:采用小波变时频特性对图像进行去噪处理以及边缘检测,能够剔除图像噪声干扰并充分保留原始图像信息;将小波变换后的近似系数、水平、垂直和对角部分的细节系数作为统计特征量,提取的特征量跟模板图像的统计特征量进行相似度匹配,将两个特征向量的夹角余弦作为相似度的衡量指标,根据夹角余弦的大小确定该区域是否目标区域.     

图像小波系数的自相似性在图像去噪中的应用

讨论了图像小波系数的四叉树结构及统计规律,指出在四叉树各层节点的小波系数具有自相似性,利用这种自相似性建立混合高斯模型对小波系数进行描述;此外,四叉树层与层间的节点之间具有相关性,利用小波域系数间的自相似性信息和相关性建立隐式马尔科夫树模型(HMT),用于去除图像信号中的高斯白噪声,并利用Lenna图像进行试验仿真;与传统的低通滤波方法相比,该方法在滤除噪声的同时更好地保存了图像的细节和边缘信息.结论表明,隐式马尔科夫树(HMT)模型较精确的体现了图像的特征,具有较好的去噪效果.     

一种基于小波分解的纸币污损检测算法

为提高清分系统中纸币污损检测的准确率,减少撕裂和笔迹等污损对检测的影响,提出了一种基于小波分解的污损检测算法.采用仿射变换和小波变换进行纸币图像配准,运用Kirsch算子提取图像边缘信息,通过计算边缘强度差提取出纸币图像的污损特征,将纸币图像划分为若干个固定大小子区域,通过对每个区域的污损特征统计来判断该区域是否存在污...     

预制叠合板构件智能化识别与检测方法

预制叠合板构件质量问题是导致施工现场预制构件不能顺利安装的重要因素之一。提出了一种基于机器视觉的智能化检测预制叠合板构件的方法。首先通过预制构件生产线上的摄像系统进行图像采集,然后通过滤除噪声对图像进行预处理,通过Canny算子对边缘特征进行提取,通过Harris角点检测算法对图像内部特征进行提取,并将提取出的信息与已储存信息进行对比。利用该方法对三块预制叠合板试件进行特征识别及分析,结果表明:该检测方法可以识别预制叠合板尺寸信息,识别预留孔洞及预埋件的数量、尺寸及位置信息,对预制叠合板特征信息进行检测,并判断构件是否合格,提高了出厂构件的合格率,从而减少了施工成本,降低了工期延误风险。     

基于图像邻域特性的高斯噪声去噪

针对传统高斯噪声去噪算法残余噪声较大的不足,根据噪声对图像视觉的影响,提出了基于像素邻域相关性的去噪算法.首先运用邻域像素的连续性判断像素点是否位于平滑区内;其次对非平滑区根据边缘和纹理的局部连续性运用形态学提取图像边缘和纹理进而定位噪声点;最后对平滑区内的噪声运用自适应邻域进行去噪处理,对非平滑区的噪声仅利用非平滑区的邻域进行平滑,实现了对高斯噪声先定位再去噪.经实验结果验证:与传统方法相比,该算法较好地抑制了图像平滑区内噪声,提高了去噪后图像的视觉效果.     

一种改进的严重脉冲噪声滤除算法

为了有效改善受严重噪声污染图像的恢复效果,准确定位噪声点和改善所恢复图像的峰值信噪比,提出一种改进的非线性自适应滤波算法.该方法利用初始标记窗口的局部统计信息,首先将图像像素点粗分为信号点、可能的正噪声点和可能的负噪声点三类,建立噪声标记矩阵;根据噪声标记矩阵的局部统计信息,将可能的噪声点细分为信号点、噪声点和不确定点,并分别采用不同的方法进行滤波;对于不确定点进行2次判断,对于噪声点用其4邻域均值来代替。本算法的优点是计算速度快,噪声点定位准确,可以保留更多的图像细节。实验证明,该算法可有效恢复受严重脉冲噪声污染的图像。     

基于曲波系数局部统计特性的图像去噪算法

提出一种利用图像在曲波域上局部统计特性的自适应去噪方法.首先在最小线性均方差(LMMSE)准则下,推导出曲波系数在局部区域的恢复公式;为进一步精确估计理想曲波系数的局部方差,提出利用尺度空间和子带内的相关性,即利用粗尺度下小波系数的局部方差预测精细尺度下相应位置的曲波系数为噪声的概率,以及常规估计下的曲波系教的局部方差是否小于门限值判断其是否为噪声;然后以这些局域窗内非噪声成分系数估计理想曲波系数的方差.实验表明,本算法与传统算法相比,图像质量有进一步地改善,尤其是对细节丰富的图像表现更为突出.     

基于矩特征的隐写分析方法

针对互联网上大量的隐写软件利用图像隐藏秘密消息,提出一种基于矩特征的隐写分析方法.这种隐写分析技术能有效地检测出图像是否含有秘密信息,通过多分辨率表示图像,在不失有效信息量的基础上减小了数据量的处理,提取2种新颖的、能反映图像隐写前后的统计特性变化的特征,即PDF矩特征和CF特征,对干净图像进行定量描述,并且设计了与特征相匹配的柔性化线性一类分类器,具有一定的稳健性和柔化特性,提高了检测性能.     

基于统计估计的图像边缘检测

针对传统的基于微分边缘检测算法的噪声鲁棒性较差这一问题,分析了图像边缘形成机理,依据统计估计评价准则,提出一种基于统计估计的边缘检测算法.该算法将像素点的圆形邻域沿θ方向分割成2个半圆,分别计算出2个半圆内像素样本的均值和方差,分析2个半圆内样本统计估计的有效性,进而排除噪声和纹理对边缘检测的影响.根据边缘两侧像素样本的统计估计偏度呈屋脊形分布的特点,对边缘进行细化和连接,以无噪声Canny算子检测得到的边缘作为先验知识,运用条件概率建立边缘检测评价函数.实验结果表明,基于统计估计的图像边缘检测方法具有较好的检测精度和噪声鲁棒性.     

一种利用相邻像素相关的隐写分析算法

自然图像在一定邻域内具有相关性,且相关性的大小随着像素间距离的增大而减小。基于图像的这种统计特性,提出一种隐写分析方法。对图像LSB(the least significant bit)序列间隔1、间隔2进行按位异或运算,统计运算结果中“1”的数目,根据图像LSB序列和嵌入的秘密消息序列的统计差异,利用统计结果通过卡方显著性检验判断图像中是否嵌入有隐秘消息。实验结果表明,在有效控制虚警概率的前提下本算法对LSB匹配隐写有良好的检测性能。另外算法从图像像素的相关特性着手进行隐写分析,在检测过程中不针对具体隐写算法,具有较强通用性。     

距离图像的分层滤波处理算法

距离图像是指由波束扫描和脉冲反射测距相结合形成的图像,它与常规的光学图像相比具有一些不同的统计特性.提出一种用于处理这种距离图像的分层滤波处理算法,它利用了距离图像中存在多目标时统计直方图具有多峰值的特点进行分层分割、分别滤波,再合成重建新图像.与常规的滤波处理方法相比,它能更加有效地滤除噪声干扰,获得清晰的目标和背景图像.     

基于自然图像统计的无参考图像质量评价

为了解决无参考图像情况下的质量评价问题,基于变换域的自然图像统计模型,提出一种适用于白噪声、高斯模糊、JPEG2000压缩等失真类型的无参考图像质量评价方法.利用自然图像Contourlet变换域子带均值间的线性关系,用失真条件下保持不变的低频子带均值预测未失真的高频子带均值,以高频子带预测均值与实际均值之间的差异计量图像的失真.结合人类视觉系统特性,对不同尺度、不同方向子带及子带内不同区域进行选取与加权,综合得到对失真图像的客观质量评价.实验表明,该质量评价测度与主观质量评价有较好的一致性,且在性能上优于峰值信噪比(PSNR).     

多分辨率的自动MRI图像配准

在功能磁共振成像过程中,头部运动会造成相同层面图像在空间位置上的不匹配,带来严重的伪差或导致功能信号的丢失。因此,在对MRI图像进行统计检验之前,必须将其与一个标准或参考图像配准。本文提出了一种多分辨率的最优化算法。由于MRI图像被表征成为连续形式且多分辨率的数据结构对图像具有平滑作用,该算法良好的配准精度和抗噪声能力。另外,算法的大部分叠代是在低分辨率情况下进行,且在高分辨率情况下,最优化方法具有很好的初始估计值,所以,算法具有很高的计算速度。     

基于图像噪声分析的计算机生成图像检测算法

计算机生成图像与自然图像在物理生成机理上的差异性导致其在噪声分布上具有明显的区别,据此提出一种基于图像噪声分析的计算机生成图像检测新方法。首先,用小波隐马尔可夫(MMT)模型对图像噪声进行预处理;接着,基于最大似然估计方法估测图像参考模式噪声;最后,在提取图像模式噪声统计距及其与参考模式噪声相关差值基础上,利用支持向量机(SVM)分类器进行鉴别。实验结果显示,较已有的典型算法,该算法具有更好的检测率。     

基于经验小波的太阳能电池缺陷图像融合

为解决太阳能电池的弱缺陷检测问题,提出一种基于二维张量经验小波的多光谱图像融合算法。使用一组特定波长的光源采集太阳能电池片图像信息,对图像进行顶帽变换抑制背景噪声;使用经验小波变换对预处理图像进行分解,分别对获得的高低频子带图像采用基于极大值的显著性融合规则进行融合,将融合后的高低频子带图像进行小波反变换获得最终的融合图像。在相同的采集条件下获取五类色差电池片图像,进行算法测试试验,并从图像视觉效果和客观评价指标两方面与其他算法分析比较。试验结果表明,此算法不仅具有良好的适应性,而且在保持光谱信息和抑制噪声等方面均取得良好的效果。     

统计先验指导的非下采样Contourlet变换域SAR图像降斑

提出了一种合成孔径雷达(SAR)图像降斑方案．首先利用Gamma分布和指数分布给出了NSCT域信号系数和噪声系数分布的有效逼近形式,使缩减因子对NSCT域图像子带的冗余特性具有自适应性．然后,利用方向邻域模型给出了缩减因子先验比的计算表达式, 使缩减因子对NSCT域图像子带的方向特性具有自适应性,从而提高了NSCT系数缩减的有效性．实测SAR图像的降斑结果表明该降斑方案在减少斑点噪声的同时很好地保持了图像的细节特征．与多种降斑方法相比,该方案具有更好的边缘保持和后向散射系数保持性能．     

基于自适应维纳滤波和2D-VMD的声呐图像去噪算法

声呐图像易产生对比度低、分辨率低、边缘失真等问题,所以在去除声呐图像噪声时难以将有效信号与噪声准确分离,从而导致去噪后图像对比度降低、边缘轮廓不清晰、细节丢失严重等问题.本文提出一种基于自适应维纳滤波和2D-VMD(二维变分模态分解)的声呐图像去噪算法.首先通过二维变分模态分解对含噪图像进行分解,得到一系列不同中心频率的模态分量,利用相关系数和结构相似度筛选出有效的模态分量,并使用自适应维纳滤波处理有效的模态分量,最后将滤波后的模态分量进行重构,从而去除图像中的噪声.实验结果表明:所提图像去噪算法在相关系数(CC)、结构相似度(SSIM)这两项客观数据上表现最优,峰值信噪比(PSNR)略低于NSST域去噪,综合客观数据与视觉效果,本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳.     

基于光学多尺度几何分析的图像压缩去噪

基于变换的图像压缩方法应用较为广泛,小波在表示图像的边缘或纹理时,会产生大量的能量较大的系数.采用多尺度几何分析对图像进行稀疏展开,使变换具有强的非线性逼近能力.图像经过非下采样Contourlet变换转换成一种多尺度的、多方向和多分辨的表示形式再进行统计分析.利用图像系数相关性,不仅降低图像的维数,使弱的边缘细节能从噪声中被筛选出来,而且达到压缩去噪的目的.实验结果表明,采用该方法去噪后的图像处理效果很好,适用于高分辨率图像去噪.     

基于图像复原的无参考质量评价

利用图像复原产生全参考质量评价所需的参考图像.文中提出一种新颖的含噪音图像的无参考质量评价算法,利用小波去噪算法获得近似的参考图像,通过人眼视觉系统处理,计算待测图像与参考图像的峰值信噪比.LIVE图像数据库上,文中提出的算法以及NPSNR和HVSPSNR与主观感知质量的相关系数分别是93.02%,91.29%和90.62%.实验结果表明,该方法的性能表现要优于传统的NPSNR和HVSPSNR.