基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换（SIFT）的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题，提出了一种改进的非线性尺度构建的SIFT算法，主要改进在于：在尺度空间构建阶段，该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔，在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果；在特征检测阶段，提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法，有效地抑制SAR图像中的虚假特征点，并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验，并与其他2种基于SIFT的方法相比较，实验结果表明，该算法在匹配精度和内联点比率方面可以实现更好的性能。     

基于图像预处理和纹理特征的车牌定位算法

为了解决车牌定位过程中拍摄图像背景复杂,噪声大,检测准确率偏低的问题,提出简便有效抗干扰强的车牌定位算法.首先将彩色图像转换为灰度图像,其次设定灰度门限区分图像目标和背景,进行二值化处理,然后使用Sobel边缘检测算子计算图像梯度幅度值,检测图像边缘点,采用局部图像平滑技术中值滤波对图像去除干扰,最后根据车牌区域纹理信息较其它区域丰富的特征,采用投影法,通过水平和垂直方向上投影分布特征的反复提取,准确检测定位车牌.实验结果表明,该方法定位出的车牌区域图像清晰度和准确度较高.     

基于边缘检测与双边滤波的彩色图像去噪

 针对彩色图像双边滤波去噪方法存在的不足,本文提出一种边缘检测与双边滤波相结合的彩色图像去噪方法.首先利用细胞神经网络(CNN)模型导出一种新的彩色图像分块自适应边缘检测算法,继承了CNN灰度边缘检测算法定位准确的优点,又弥补了CNN现有算法不能直接处理彩色图像的空白.接下来提出一种针对图像增强的边缘滤波算法,通过两级边缘检测满足去噪不同阶段对边缘检测的不同要求.在此基础上,用改进的双边滤波器对彩色图像进行去噪,通过非抗噪边缘图对噪声范围进行定位,以缩小双边滤波的范围,减少去噪过程带来的图像模糊,并且对双边滤波加权平均方式进行改进,减小噪声点本身的权重,降低高频噪声的影响.最后根据滤波后的去噪边缘图对彩色图像进行增强.实验结果表明,文中方法在有效去除噪声的同时保护和增强了图像中的边缘.     

基于Canny算子的红外图像边缘检测研究

在红外图像处理中,提出了尺度相乘的Canny边缘检测器,定义了尺度相乘函数,该函数是两个尺度检测滤波器响应的乘积.通过确定尺度相乘后的梯度图像,采用非最大值抑制方法得到边缘图像.实验结果表明,该算子提高了传统Canny检测算子的性能,具有良好的检测精度,在定位和噪声抑制两方面得到了较好的折中.     

基于局部自适应色差阈值的彩色图像边缘检测

为了使彩色图像的边缘检测器更符合人眼对图像信息的分辨情况,防止视觉不敏感区域的边缘的过检测问题,该文提出一种自适应色差阈值的估计方法并与不同的色彩梯度算子结合应用于彩色图像的边缘检测中。构建包括亮度掩模与对比灵敏度的局部色差可视阈值的权重因子,结合局部背景亮度以及亮度与色彩的空间频率对人眼视觉的影响。利用信噪比(SNR), Pratt因子与时间复杂度对提出的算法的抗噪性与边缘定位的准确性以及时间代价进行定量评价,表明该算法能准确检测出图像边缘且有效地抵抗噪声对图像的干扰。     

基于选择学习机制的深度图像超分辨率算法

针对深度图像传感器与彩色图像传感器的空间分辨率较差的问题,提出一种提高深度图像分辨率的算法,不同于传统方法,本文算法是基于机器学习的超分辨率选择机制,选择均值型、最大值型和中值型三种滤波器方法作为候选方法。首先运用高分辨率深度图像下采样和高分辨率彩色图像选择最优的滤波器,同时经过特征提取获得特征集;然后,高分辨率深度图像直接通过最优滤波器获得特征集;最后,这些特征集经过支持向量机(SVM)训练获得滤波器分类器。此外,本文还提出了一种频域特征向量,用于提高算法识别性能。无噪声和有噪声的深度图像实验验证了本文算法的有效性和鲁棒性,在真彩色和飞行时间深度图像的实验结果表明,本文算法的性能优于传统算法。     

基于2-DGabor滤波器的光学定穴体表特征提取方法

取穴准确性是决定针灸效果的最基本要求,这就需要对取穴体表特征进行精确地定位。文中提出一种新的人体体表特征定位的光学方法,在光学检测平台上通过相机采集不同方向的图像,选取合适的Gabor 滤波器参数,得到图像的强度响应并提取局部极大值,从而获得定穴体表轮廓特征。为验证该方法的有效性和精度,采用Sobel 算子、Canny 算子、LoG 算子以及Gabor 滤波器分别对灰度图像和二值图像进行特征提取。通过对比和分析,发现经过Gabor 函数滤波后得到的图像轮廓是连续且最清晰的;Gabor 函数对二值图像的滤波效果优于对灰度图像。实验结果表明,所提出的方法能精确快速地定位体表轮廓特征,为进一步利用轮廓特征提取定穴体表特征点以及研究穴位光学定位方法奠定基础。     

基于C-Canny算子与灰度空间的彩色图像边缘检测

提出了利用灰度图像边缘检测结果完成彩色图像边缘检测的算法,并对Canny算子进行了改进,在计算梯度幅值时采用了3×3邻域,改进后的Canny算子对噪声抑制效果明显,且检测边缘更加精细.采用了两种算法将彩色图像转换为灰度图像,利用C-Canny算子对转换后的灰度图像进行边缘检测,在灰度图像边缘检测结果基础上,完成彩色图像的边缘检测.经实际测试证明,该算法检测出的图像边缘连续性好,准确性高,对颜色数不多的彩色图像有较好的边缘检测结果.     

使用新型中值滤波器检测和消除图像的脉冲噪声

本文提出了使用适应性、可变化窗口尺寸的新型递归加权中值滤波器来消除彩色图像中的脉冲噪声的方法。对于图像存在的噪声密度,递归加权中值滤波器的窗口尺寸是自适应、窗口可调节的。与传统的脉冲噪声滤波器相比,新型滤波器具有良好的脉冲噪声抑制与图像细节边缘保护的性能。     

基于最优离散滤波器的边缘检测算法

边缘检测已经成为图像理解和计算机视觉中的一个主要领域,其检测的质量直接影响后期理解的效果。寻找一种对噪声不敏感、定位精确、能有效区分真假边缘的方法,一直是研究的重点。从理论上来说．Canny算子是连续域最优的边缘检测算子,但在离散域中却并非最优,对于数字图像可能存在误差。为此,提出一套完整的离散域边缘检测算法。在最优滤波器理论基础上,推导出离散域的最优平滑算子,抑制了图像的分割错误、噪声和伪边缘的影响。实验表明,该算法能有效实现灰度图像的多尺度边缘检测。具有高的信噪比．更清楚和更符合计算机识别要求,是一个理想的边缘检测方法。     

Content-based image retrieval using local visual attention feature

Content-based image retrieval (CBIR) has been an active research topic in the last decade. As one of the promising approaches, salient point based image retrieval has attracted many researchers. However, the related work is usually very time consuming, and some salient points always may not represent the most interesting subset of points for image indexing. Based on fast and performant salient point detector, and the salient point expansion, a novel content-based image retrieval using local visual attention feature is proposed in this paper. Firstly, the salient image points are extracted by using the fast and performant SURF (Speeded-Up Robust Features) detector. Then, the visually significant image points around salient points can be obtained according to the salient point expansion. Finally, the local visual attention feature of visually significant image points, including the weighted color histogram and spatial distribution entropy, are extracted, and the similarity between color images is computed by using the local visual attention feature. Experimental results, including comparisons with the state-of-the-art retrieval systems, demonstrate the effectiveness of our proposal.     

Local quaternion PHT based robust color image watermarking algorithm

It is a challenging work to design a robust localized color image watermarking scheme against desynchronization attacks. There are two main drawbacks indwelled in current localized color image watermarking: firstly, the pure gray-based feature points detectors were utilized, in which the important color information is ignored. Secondly, the watermarking algorithms were designed mainly to mark the image luminance component only, in which the significant color channels correlation are neglected. In this paper, we propose a robust color image watermarking algorithm using local quaternion PHT (Polar Harmonic Transform), which is invariant to various noises, local geometric transformations, and color variations. Firstly, the stable color image feature points are extracted by using new color image feature point detector, in which the SIFER (Scale-Invariant Feature detector with Error Resilience) detector and color invariance model are incorporated. Then, the affine invariant local regions are built adaptively according to local image content variation. Finally, the digital watermark is embedded into the local regions by modulating the invariant quaternion PHT modulus coefficients. Experiments are carried out on a color image set collected from Internet, and the extensive experimental works have shown that the proposed color image watermarking is not only invisible and robust against common image processing operations such as median filtering, noise adding, and JPEG compression, but also has conquered those challenging desynchronization attacks.     

基于高压绝缘套管纹理特征的红外目标检测

在基于传统图像分割法的红外图像目标检测中,当背景颜色和被检测物体颜色相近时,往往难以有效地识别红外图像中的被检测物.所以为了进一步提高绝缘套管在红外图像中的识别精度,文中提出一种基于绝缘套管伞裙纹理特征的目标检测方法.首先为增强图像纹理特性,将双边滤波代替传统高斯-拉普拉斯算子中的高斯卷积滤波,通过双边-拉普拉斯进行图...     

Extraction technique of region of interest from stereoscopic video

A feature fusion approach is presented to extract the region of interest (ROI) from the stereoscopic video. [0]Based on human vision system (HVS), the depth feature, the color feature and the motion feature are chosen as vision features. [0]The algorithm is shown as follows. Firstly, color saliency is calculated on superpixel scale. Color space distribution of the superpixel and the color difference between the superpixel and background pixel are used to describe color saliency and color salient region is detected. Then, the classic visual background extractor (Vibe) algorithm is improved from the update interval and update region of background model. The update interval is adjusted according to the image content. The update region is determined through non-obvious movement region and background point detection. So the motion region of stereoscopic video is extracted using improved Vibe algorithm. The depth salient region is detected by selecting the region with the highest gray value. Finally, three regions are fused into final ROI. Experiment results show that the proposed method can extract ROI from stereoscopic video effectively. In order to further verify the proposed method, stereoscopic video coding application is also carried out on the joint model (JM) encoder with different bit allocation in ROI and the background region.     

基于改进SBR算法的人脸特征点稳定检测

基于图像的特征点检测器在静态图像上取得了卓越的性能,然而这些方法应用于视频或序列图像时其精度和稳定性显著降低。配准监督(Supervision-by-Registration, SBR)算法利用光流算法(Lucas-Kanade, LK)追踪,可通过无标注视频训练针对视频的特征点检测器,已取得较好的结果,但LK算法仍存在一定局限性,导致检测的特征点序列在时空上的连贯性不强。为获得精准、稳定、连贯的人脸特征点序列检测效果,提出了平滑一致性损失函数、权重掩码函数对传统SBR网络模型进行改进。网络中添加长短期记忆网络(Long Short-Term Memory, LSTM)提高模型训练鲁棒性,在模型训练中使用平滑一致性损失函数提供稳定性约束,获得准确且稳定的人脸视频特征点检测器。在300VW、Youtube Celebrities数据集上的验证显示,SBR改进模型将人脸视频特征点检测的标准化平均误差(Normalized Mean Error, NME)从4.74降低至4.56,且视觉上人脸特征点检测的抖动显著减少。     

基于模糊聚类的肤色分割

肤色是彩色图像人脸检测中一个非常重要的特征。通常采用一个统计模型分割出可能的肤色区域,但往往会有很多误判。此外,CbCr等简单的二维空间,不能表示真正的肤色分布。该文提出采用三维的CrCbCg模型来更精确地描述肤色分布,同时考虑到一幅图像中肤色区域内颜色点的分布具有相对稳定的特点,利用一种模糊聚类的方法对CrCbCg模型的输出结果进行二次分割,进一步去除非肤色点。由于结合了每幅图像自身的特点,该算法能大大提高肤色分割结果的准确性。大量实验结果表明,该算法能有效处理95%以上的彩色图像,对于70%以上的图像可得到很好的分割结果。     

基于兴趣点局部分布特征的图像检索方法

提出了一种基于兴趣点颜色和空间分布特征的图像检索方法。该方法把图像内容看作为由若干兴趣点组成的集合,首先利用小波系数的空间方向树特性来检测兴趣点,然后利用基于兴趣点的环形颜色直方图和空间离散度来描述图像的特征,最后用加权特征距离来估计图像内容的相似度。同时,通过利用环形颜色直方图和空间离散度作为图像特征保证了该算法能够对图像的尺度变化、旋转变化和平移变化具有很好的抑制能力。在含有1000幅图像的数据库上所做的一系列实验表明,该算法与其它基于兴趣点的方法相比,能够更准确和高效地查找出用户所需的图像,明显地提高了检索精度。     

双目视觉中的角点检测算法研究

为了实现双目视觉中的特征提取与立体匹配,在研究现有角点检测算法的基础上,提出一种改进的Harris角点检测算法。该算法首先采用图像分块和邻近角点剔除的策略,实现了阈值的自适应调节,并保证角点分布的均匀和避免角点聚簇的产生。结合Forstner检测算法,将精度提高到亚像素级。编程计算结果验证了该方法的准确性和稳定性。     

基于行走拓扑结构分析的行人检测

针对计算机视觉应用中的行人检测,当运动目标受到非刚性形变、光照、色彩和遮挡等因素影响时如何建立高鲁棒性的特征描述,本文提出了一种基于语义级行走动作拓扑结构的行人特征,对上述噪声和运动参数不敏感,并且数据量小。算法首先由运动能量图像(MEI,motion energy image)建立行走动态数据,然后抽象为骨架拓扑结构,输入二级级联检测器完成检测。实验表明,该算法可以有效地在光照、形变和遮挡等情况下对行人进行检测。