基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

基于边缘显著区域和结构相似度的图像视觉效果评价

图像的大部分结构信息都集中在了边缘,在进行边缘检测时滤除一些与图像计算不相关的信息,可减少计算中的数据量,使得计算更加便捷;在结构属性上也得到了很好的保留,因此边缘检测方法在图像视觉效果评估上是可行的。人眼对于一幅图像的视觉并不是每一个图像区域都具有同等的视觉重要性。可以建立一种数学方法,提取图像中的视觉重要区域,对这些区域进行视觉效果评价。选取基于结构相似度方法作为最终评价方法,得到了一种全参考图像质量评价算法。最后将实验结果与3个图像评价库的参考结果进行拟合,得到的结果与其他算法相比表明,该算法更加符合人眼的视觉效果特性。     

基于图像特征的植物形态相似度算法

目的 研究不同植物形态之间的相似度是有效区分植物种类或科属的一个重要依据。目前的植物形态相似度计算方法,大多只考虑了植物拓扑结构或者外围轮廓等几何形状方面的相似性,而未涉及叶片颜色、冠层叶片的稠密状态及株型的松散状态等因素。因此,基于植物图像的形状特征和颜色特征,本文提出一种基于图像特征的植物形态相似度计算方法。方法 首先,获取图像的轮廓特征和区域特征。轮廓特征用植物枝条的松散程度表示,具体包括植物的高宽比、轮廓四边形和第1个1级侧枝的高度;区域特征用叶片稠密度表示,计算叶片所占整个包围矩形面积的比例。其次,获取图像的颜色特征,使用基于HSV和YUV颜色空间的颜色直方图,统计图像的颜色分布。最后,利用信息熵分析数据的离散程度,据此确定各部分对应的权重大小,加权得到总体的相似度值。结果 实验在人工采集的数据集上进行,得出松散度、稠密度和颜色对应的权重分别为0.62、0.17和0.21。在此基础上得到的相似度计算结果符合实际,可以有效度量植物之间的相似程度。同时,将提出的算法应用于图像检索,并与常见的5种方法进行比较。实验得出该算法查准率都在0.747 7以上。在同一查准率水平下,相比于其他方法,查全率也都处于较高水平。尤其在相似度阈值大于0.8时,查准率可以达到0.910 8以上。另外,该方法对植物图像缩放不敏感,同类植物的相似度依然接近于1。结论 本文提出的植物形态相似度算法,结合了形状特征和颜色特征,计算结果符合人的视觉感受。与其他方法相比,可以更有效区分植物种类或科属。算法主要适用于背景单一的单株植物图像,可为研究植物形态的相似性提供技术参考。     

基于边缘的结构相似度模糊图像质量评价

结构相似性理论是一种关于图像质量评价的新思想,它很好地模拟了人眼视觉特性的整体功能。本文首先介绍了传统图像质量评价方法的不足,分析了基于视觉特性的结构相似度理论。作为结构相似性理论的一个实现,结构相似度模型(SSIM)简单且评价性能优于峰值信噪比(PSNR)或均方误差(MSE),但SSIM模型不能较好地评价严重模糊的降质图像。基于此,在SSIM基础上,本文提出了一种新颖的、基于边缘的图像质量评价模型(ESSIM)。该模型充分考虑了图像的边缘信息和人类视觉系统的关系。实验结果表明,ESSIM是一种有效的图像质量评价方法,尤其在对模糊图像的质量评价上优于结构相似度的评价方法SSIM。     

基于果蝇算法的网络图像边缘检测方法

为保证网络图像边缘检测结果具有较好的连续性和完整性,引进果蝇算法,提出网络图像边缘检测方法。采集网络图像,将其划分为若干个小块,并对网络图像进行预处理;利用果蝇算法检索全局特征点,实现网络图像的视觉检索与特征提取;引进小波函数,迭代处理图像,输出结果即为网络图像边缘检测结果;利用权值法,建立以节点适配度误差为目标的校正函数,修正网络图像边缘检测结果参数。实验结果表明：所提方法可以保证网络图像边缘检测结果的连续性、完整性,提高了检测图像特征点与原始图像特征点的匹配程度,在实际应用中有良好的应用效果。     

基于信息熵和改进相似度协同过滤算法

为了减少协同过滤算法存在的噪音数据以及数据稀疏性问题,提高算法准确性,本文提出一种基于信息熵和改进相似度的协同过滤算法,使用用户信息熵模型来判断噪音数据,排除噪音数据对实验结果的干扰;使用面向稀疏数据的改进相似度计算方法,使用全部评分数据而不是依靠共同的评分项来计算,对缓解稀疏数据对推荐结果的精确性影响有很大帮助。实验结果表明,该算法能在一定程度上排除噪音数据对结果的影响,缓解数据稀疏对推荐结果精确性的干扰,提高该推荐算法的精确性,且缓解了传统推荐系统算法中常见的一些问题,与传统的协同过滤算法相比,该算法的精确性更高。     

基于PCNN和果蝇优化算法的自适应图像融合

针对脉冲耦合神经网络（Pulse Coupled Neural Networks,PCNN）中参数选取不易确定的不足,提出一种基于脉冲耦合神经网络和果蝇优化算法（Fruit Fly Optimization Algorithm,FOA）的自适应图像融合算法。利用FOA的全局搜索能力,以平均结构相似度作为FOA的适应度函数,对PCNN的4个参数[β、][Vθ、][αL]和[αθ]进行自适应设定;结合最大化原则,采用PCNN对源图像进行融合。实验结果表明,该算法在主观视觉效果和客观评价指标上优于其他融合算法。     

基于SIFT和最邻近匹配的商品图像相似度算法

在互联网电子商务领域中,随着电商用户量的激增,各种问题不断涌现。其中,同行业的卖家抄袭复制其他店铺信息的事件也经常发生,而抄袭的图像信息相较于文字信息更难以检测出相似性,因为抄袭者往往有可能会将图像信息进行剪裁、旋转、加滤镜,或者用PS等技术进行处理,使得处理后的图像不容易检测出与原图相似。而人工比对效率低下,且成本高,这就需要一个以能快速计算出商品图像相似度的算法为基础的系统来解决这个问题。SIFT(Scale-invariant Feature Transform)描述子具有尺度不变性,能够解决传统算法对于旋转后图像相似度较低的局限性,且该描述子所描述的特征信息量大。本文在介绍传统图像哈希算法的基础上,提出使用基于SIFT描述子的近似最邻近匹配算法用于电钻商品图像相似度比较。对电钻商品原图进行剪裁、增加滤镜、增加对比度、旋转和增加水印等操作生成新的图片,将这些新的图片分别和原图进行相似度对比。实验结果表明,基于SIFT描述子的近似最邻近匹配算法与哈希算法、原始SIFT算法相比有比较好的精度,能够比较准确地识别出抄袭的图像信息。     

基于方差和边缘插值的邻近点图像修复算法

提出了一种复杂度较低的结合去噪的图像修复新方法,将图像修复和去噪相结合,达到了更好的修复图像的目的。图像去噪算法通过检验每一个像素点的被腐蚀程度得到了一种基于邻近像素点并保留图像对象边缘和细节的算法;图像修复算法通过定义修复区域像素点的优先度得到了一种邻近像素点的图像修复算法。经实验验证,该方法具有良好的性能。     

利用邻域相似度的图像修复

图像修复的方法有很多种,目前最常用的有基于偏微分方程的方法和基于纹理合成的方法。这些修复方法运算复杂,运行速度慢。提出了一种快速有效的新方法,从修复区域的边界上选取一个优先级高的点,计算该点与该点邻域信息之间的相似度,利用邻域各点的相似度来估算待修复点的像素值。最后通过实验对结果加以分析,证明了算法是快速有效的。     

一种基于立方体相似度的彩色图像边缘检测算法

对彩色图像边缘检测算法进行了研究,提出了一种基于立方体相似度的边缘检测算法,同时,对几个相关的问题做了详细的描述,如颜色空间的概念、分类等。这种算法在一定程度上合理地对R、G、B三个颜色分量之间的关联性进行了构造,对相关颜色的向量问题转为标题问题,转入了发展相对完善、人们更为熟悉的领域。经过实验得出,该算法可以很充分的通过图像的颜色信息,使原彩色图像的边缘得到更完整的保留。     

图像边缘检测相关算法研究

首先论述了两类图像边缘检测方法,然后论述了图像边缘评价指标,即误检率和定位精度,最后从R0berts算子、Sobel算子、LOG算子、Otsu算法等几个方面,详细论述了相关经典的图像边缘检测算法。     

基于FPGA的图像边缘检测器的研究和设计

在构建了一种基于联DSP+FPGA图像处理系统的基础上,论述了一个基于EDA技术的、用FPGA实现图像边缘检测协处理器的设计过程,包括边缘检测算法的选择、系统FPGA的VHDL设计实现和在MAXPLUSII开发环境下的相关仿真结果.该协处理器的像素处理方式采用全硬件并行及流水线技术,经验证,和单独采用单片机或DSP系统相比,其处理速度有显著的提高.     

基于边缘结构相似度的目标凸显性分析

在景象匹配中,为了对匹配算法的可靠性和图像的适用性进行分析,必须对图像质量进行评价。景象匹配中的图像质量评价主要分析图像目标的可匹配性,可归结为目标的凸显性。通过将边缘结构相似度算法运用于小波域多尺度图像计算不同尺度图像的疑似目标数目,并对各级图像的疑似目标数目进行加权,获得最终疑似目标数目,设计了目标凸显性指标。经实验分析,该指标与图像匹配概率一致,符合景象匹配的评价需求。     

基于迭代分形解码和边缘扩展的图像修复算法

根据分形码的高压缩性,提出一种基于迭代分形解码和边缘扩展的图像修复算法。在信息嵌入阶段,运用1-D变换算法、2次推操作和换操作获取索引表,对照索引表将分形码和奇偶校验码存入图像的最低2位有效位中。在图像修复阶段,对接收到的图像进行3层篡改检测,迭代地采用提取的有效分形码和边缘扩展算法对篡改图像进行修复。实验结果表明,该算法能够获得较好的图像修复效果。     

基于矩阵相似度的最佳样本块匹配算法及其在图像修复中的应用

在基于纹理合成的图像修复算法中,最佳样本块匹配算法存在匹配精度不高和时间复杂度高等问题。针对上述问题,首先构造了块匹配算法,采用矩阵相似度来计算模板块与样本块之间的匹配度,以相对较粗的粒度初步选出最佳样本块的候选集。然后,又构造了像素点匹配算法,采用模板块与候选最佳样本块之间的误差矩阵的内积来计算对应像素点之间的匹配度,以更细的粒度来确定最终的最佳样本块。块匹配算法降低了时间复杂度,像素点匹配算法提高了匹配精度,因此,在此基础上构造的基于相似矩阵的最佳样本块匹配算法能够在不增加时间复杂度的情况下提高算法的匹配精度。实例验证结果表明,与当前基于纹理的图像修复算法相比,该算法的匹配精度提高,时间复杂度降低。     

基于深度学习的焊缝图像边缘识别相似度检测

在高压天然气输送管线安装和压力容器制造过程中需要大量的焊接操作,射线检测在焊缝缺陷检测中应用广泛。传统人工识别评定缺陷和重复图像的方法,由于工程周期漫长、焊缝图像数量巨大,识别效率低、错误率较高,不能有效保证施工质量,杜绝射线胶片图像造假等问题。针对焊缝探伤图像造假现象,提出基于深度学习的焊缝图像边缘识别相似度检测方法,实现对X射线焊缝图像的特征提取。建立相似度评估方法,计算焊缝图像特征相似度,筛选重复图像;实现自动读取、识别数据库焊缝图像的相关功能;给出基于边缘识别的技术路径和优化算法,建立特征数据库,进行相似度判定。实验结果表明,在一定阈值设定下,该算法对重复图像的识别结果能达到92.3%。     

基于图像相似度的关键帧提取算法

为了在视频管理数据库中提供有效的视频检索和浏览功能,必须用简明的方式表示视频的内容,关键帧提取技术是视频分析和视频检索的基础,现阶段关键帧提取技术已成为视频检索的一个重要研究方向。文中提出了一种改进的基于内容的视频关键帧提取方法-基于图像相似度的关键帧提取算法。实验结果表明这种方法可以较好地完成关键帧的提取工作,降低关键帧的冗余度,提高关键帧代表性。     

双尺度边缘结构相似度的图像质量评估

图像质量评价对于各种视频图像应用具有重要的意义。结构相似度准则SSIM在模糊图像及噪声污染的图像判定方面,存在偏差。该文提出了基于双尺度边缘结构特征的图像质量评价算法——MDESSIM,充分考虑了边缘信息在结构信息中的重要性,通过增加边缘结构的失真度量来综合评价图像质量。实验结果表明了MDESSIM算法的有效性。     

相似度自适应样本块的高分辨SAR图像阴影修复

高分辨率SAR图像目标阴影可为目标识别提供更多的信息,对SAR图像目标阴影进行修复可以获取完整的目标阴影.采用传统样本匹配方法对SAR图像进行目标阴影修复时会出现阴影区域漏判问题和过渡区域不均匀问题.提出一种相似度自适应样本块的SAR图像目标阴影修复方法.利用SAR图像中目标及其阴影斜距的相对位置关系作为待修复区域的预判依据,有效地解决了阴影区域漏判问题;然后采用相似度自适应样本块的图像修复方法,改善了过渡区域不均匀问题.实验结果表明,本文方法可以有效地恢复高分辨率SAR图像中缺失的目标阴影.