密集标志点集的拓扑保持变换方法*

为了解决图像变换后拓扑结构不保持的问题,提出了一种密集标志点集情况下的拓扑保持变换方法.该方法首先确定拓扑不保持的局部区域;然后确定拓扑不保持区域的方向角;最后根据该方向角确定并删除密集标志点集中引起拓扑关系不保持的标志点,从而得到拓扑关系保持的变换结果.实验证明该方法能较好地解决密集标志点情况下的拓扑不保持问题,不仅效率高,而且配准效果好.     

基于小波变换的医学图像融合技术的实现

研究目的：为了对医学图像进行基于小波变换的融合。方法：首先通过学习和研究小波理论的有关知识来研究小波理论在图像融合中的应用目的和实现方法,并借助MATLAB平台,通过小波工具箱实现了图像融合,同时比较了使用这两种方法实现图像融合的效果;然后借助MATLAB中的函数,通过编程实现了图像融合算法。结果：由两幅非同源的医学图像（CT图像和MRI图像）的融合结果可见,两种方法得到的融合图像的效果一致,其对于两幅图像中同一部位相对位置偏移量小的融合效果较好,但对偏移量较大以及存在形变情况的融合则效果不好。结论：通过小波工具箱可以实现一些简单的医学图像融合,但是随着医学图像融合技术的进一步发展和医学图像的复杂度的进一步加深,尤其是对于腹部和胸部的医学图像,则要通过非刚性配准之后才能再进行融合显像,其过程更加复杂。     

小波变换在人脸图像融合中的应用

为了提高人脸检测图像的质量,本文提出了一种基于小波变换模型的人脸图像融合处理算法,该算法将两幅或者多福不同光照条件的人脸图像进行融合处理。该算法不仅可以改善光照条件对图像质量的影响,并且有效的消除了人脸图像的模糊边界。通过与其他同类算法的实验表明,本文提出的算法能有效地改善图像质量,减少不同光照条件对人脸检测准确率的影响。     

Mean Shift图像分割的快速算法

Mean Shift算法是一种搜索与样本点分布最相近模式的非参数统计方法。在图像聚类分割中,Mean Shift算法是一种有效的方法。但是,由于Mean Shift算法是一种迭代方法,要保证较高的数值计算精度则需要较多的迭代次数,耗费较长的计算时间。为克服这一缺点,提出了在数字图像空间中标记收敛点,同时采用Fourier级数来近似计算高斯函数。仿真实验表明,该方法对于加速Mean Shift计算过程是十分有效并且是相当精确的。     

改进的基于小波变换的图像配准方法

针对如何提高图像配准的精度和速度的问题,利用基于Fourier-Mellin变换求解水平参量的准确性和基于互信息方法求解旋转及尺度变换参量准确性的优点,提出一种基于Fourier-Mellin和互信息的图像配准金字塔方法。对多幅遥感图像的实例仿真结果表明,该方法能在提高配准精度的同时减少配准时间。     

相似变换下的模板图像自动匹配技术

基于Fourier-Mellin变换的相似不变性,论文给出了一种相似变换(即模板图像和场景图像之间存在平移、旋转和尺度缩放)下的模板匹配方法。主要工作包括:第一,给出了一种模板匹配度量准则。该准则可对每次的匹配结果直接做出判断,无需进行穷尽搜索;第二,对搜索策略、搜索步长等问题给出了优化建议。大量实验结果验证了该方法的可行性和鲁棒性。     

基于自适应混合多项式变换的图像配准

图像配准是红外与可见光图像融合的关键问题。在实际应用中,场景景深的多变性与红外、可见光相机之间的差异性都会增加多模图像配准的难度。为应对上述困难,提出了一种用于图像配准的自适应混合多项式变换（Adaptive Polynomial Mixture Transformation,APMT）,该模型可以准确地描述待配准红外与可见光图像之间形变的全局非线性规律。针对形状上下文特征的缺陷进行改进,设计了高斯加权形状上下文（Gaussian Weighted Shape Context,GWSC）特征,用于从多模图像中提取匹配点集。利用分段优化策略从匹配点集中估计出最优的APMT模型参数,实现全局图像配准。定性与定量实验表明：与同类方法相比,提出的方法（GWSC-APMT）在配准精度与效率方面都有良好的表现。     

一种基于Radon变换及快速傅里叶变换的图像配准方法

针对现有的图像配准方法的低鲁棒性问题,提出一种对噪声不敏感的多畸变图像配准方法,通过Radon变换估计旋转角度,利用快速傅里叶变换求解平移与伸缩。实验结果表明该方法有效提高各类图像配准的精度,并且具有较高的鲁棒性,可以有效抵抗噪声信号的干扰,具有较高的实用价值。     

基于Fourier-Mellin变换的图像配准算法及性能研究

快速傅立叶变换(FFT)改进了离散傅立叶变换(DFT)的计箅过程,被广泛应用于数字图像的实时处理中.在相位相关技术的基础上,提出了一种新的图像配准算法,即在需要配准的两幅图像中心选取相同区域大小,进行Fourier-Mellin变换,变换后是一个二维脉冲信号,由此而得到图像配准参数.实验结果表明了该算法的有效性和可靠性.     

Curvelet变换在多聚焦岩心图像融合中的应用

利用基于光流的运动估计对岩心图像配准后,针对岩心高低不平图像出现部分模糊现象,提出了一种基于Curvelet变换的多聚焦图像融合方法,先对不同聚焦图像进行Curvelet变换,采取低频分量取加权平均、高频分量取绝对值最大的融合规则,再进行Curvelet反变换。实验表明,基于Curvelet变换的融合方法可有效综合多聚焦图像,相比基于小波变换的图像融合,能获得更好的融合效果。     

基于NL-Means的均值平移图像分割算法

针时均值平移图象分割算法中,在密度中心点选择时的不足,本文采用一种新的寻找密度中心点的方法,同时,为了克服传统基于特征空间分析的图像分割方法对像素点空间关系考虑不够充分的缺陷,通过Non-local means算法,在距离公式中引入特征权参数,从而优化聚类效果.对图象分割结果分析表明了这种方法的有效性.     

基于像素级图像融合的Mean Shift目标跟踪

针对可见光、红外单模图像序列进行Mean Shift目标跟踪时存在的问题,提出了先对可见光、红外图像序列进行像素级动态图像融合,采用加权平均融合和基于区域目标检测的图像序列融合框架,再对融合结果进行Mean Shift目标核函数直方图建模,然后进行匹配跟踪。实验采用了实际图像序列。实验结果表明,针对目标进行跨背景区域的运动,该方法较采用单模图像序列进行跟踪具有更好的鲁棒性,并且满足实时性的要求。     

基于Mean Shift随机游走图像分割算法

针对传统随机游走算法分割目标轮廓易受自然纹理背景干扰,并且算法运行效率低的问题,提出一种基于Mean Shift随机游走图像分割算法.首先应用Mean Shift算法对图像进行预分割,将图像分成许多同质区域,再将其代替经典随机游走算法中节点来建立对应的无向图;将彩色直方图作为区域描述算子,采用欧氏距离与高斯权函数相结合...     

Mean Shift算法在图像分割中的应用研究

提出了灰度图像和彩色图像统一的分割方法,Mean Shift算法的图像分割.这种分割方法跟人眼对图像的分析特性相近,运用此算法能够得到较为稳健、快速的图像分割结果.文中简要介绍了Mean Shift算法的基本原理,并将算法运用于图像分割,通过实验证明了分割效果的有效性和稳定性.Mean Shift算法在图像处理领域有很好的应用前景,此算法的理论与应用还不是很完善,值得大家去探索.     

改进的Mean Shift滤波在砂砾岩图像分割中的应用

砂砾岩图像成分颜色多样、色彩不均,要有效地进行分割,提取砾岩颗粒,图像预处理就显得尤为重要。MeanShift滤波相比传统的滤波算法具有更好的平滑特性,能很好地消除噪声和色彩不均对后续分割造成的影响,但运算速度较慢。针对该问题,提出利用高斯金字塔和像素点赋值方法改进Mean Shift滤波算法速度。采用改进后的Mean Shift滤波算法对砂砾岩图像进行预处理,然后进行分割,提取粒岩,取得了较好的效果。     

基于改进的Mean Shift算法虚拟人脑图像分割

为了克服Mean Shift算法各向同性的缺点,使用结构信息构造各向异性高斯核,使其具有各向异性,从而克服细长目标的影响;将颜色空间投影到新的坐标系下,使得相近颜色可以有较大的距离,以增大虚拟人脑图像中灰质与下层数据之间的区别.虚拟人脑图像分割结果说明,该算法可以得到较好的分割结果.     

基于均值漂移和区域合并的指针仪表图像分割

均值漂移算法在图像分割中有着十分重要的作用,考虑到图像的噪声和边缘保持等因素,提出了一种基于均值漂移的图像平滑和基于阈值的区域合并的指针式仪表图像分割方法.首先利用均值漂移算法对图像进行滤波降噪,然后对滤波降噪后的图像通过阈值的区域合并方法进行阈值分割.经过均值漂移滤波后的图像不仅能很好地保持指针仪表图像的边缘特征,还能有效地去除噪声,而基于阈值的区域合并方法能够使得分割的图像效果更明显.     

Preserving Topology by a Digitization Process

The main task of digital image processing is to recognize properties of real objects based on their digital images. These images are obtained by some sampling device, like a CCD camera, and represented as finite sets of points that are assigned some value in a gray-level or color scale. Based on technical properties of sampling devices, these points are usually assumed to form a square grid and are modeled as finite subsets of Z². Therefore, a fundamental question in digital image processing is which features in the digital image correspond, under certain conditions, to properties of the underlying objects. In practical applications this question is mostly answered by visually judging the obtained digital images. In this paper we present a comprehensive answer to this question with respect to topological properties. In particular, we derive conditions relating properties of real objects to the grid size of the sampling device which guarantee that a real object and its digital image are topologically equivalent. These conditions also imply that two digital images of a given object are topologically equivalent. This means, for example, that shifting or rotating an object or the camera cannot lead to topologically different images, i.e., topological properties of obtained digital images are invariant under shifting and rotation.