窗户纹理的时频描述及其在建筑物提取中的应用

航空影像中，窗户纹理的合理描述对建筑物提取具有重要意义。依据灰度图像中窗户区域呈现出的明暗变化规律，在建筑物垂直边缘检测的基础上，利用时频分析和Radon变换描述了窗户纹理的周期性和方向性。实验结果表明，合理地描述窗户纹理可用于获取较高层建筑物存在的确凿证据、其垂直边缘的准确位置以及局部墙面水平方向，其为建筑物检测和三维信息的获取提供了一条新的有利途径。     

利用格式塔的高分辨率遥感影像建筑物提取

目的 格式塔心理学的理论基础为通过对事物的部分感知,实现对事物整体的认识。本文将该思想应用到建筑物提取中,提出一种兼顾目标细节及整体几何特征的高分辨率遥感影像建筑物提取方法。方法 首先,利用SIFT算法提取特征点作为候选边缘点;然后定义格式塔序列连续性原则判别边缘点,从而得到边缘点点集;并由边缘点点集拟合边缘,实现遥感影像建筑物提取。结果 利用提出算法,对WorldView-2遥感影像进行建筑物提取实验。通过与基于多尺度分割和区域合并的建筑物提取算法对比可以看出,提出算法能够更加准确、完整地提取出建筑物。采用分支因子、遗漏因子、检测率和完整性4个定量化指标对实验结果的定量评价,本文算法的检测率和完整性均大于对比算法,且本文算法的检测率均在95%以上,验证了提出基于格式塔理论的高分辨率遥感影像建筑物提取算法的有效性和准确性。结论 基于格式塔的高分辨率遥感影像建筑物提取算法能够准确刻画建筑物细节特征,同时兼顾建筑物整体几何轮廓,准确提取高分辨率遥感影像中的建筑物。本文算法针对高分辨率遥感影像,适用于提取边缘具有直线特征的建筑物。使用本文算法进行遥感影像建筑物提取时,提取精度会随分辨率降低而降低,建议实验影像分辨率在5 m以上。     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

矿物显微图像中的直线段特征提取算法

直线段特征作为图像中一种特殊的纹理信息,是图像分析、目标识别中的基本元素。矿物的双晶等光学性质在矿物显微图像中表现为具有定向性的直线段。针对矿物图像,提出了一种基于图像梯度信息的动态阈值区域生长的直线段检测算法。该算法能通过提取边缘梯度方向相似的边缘从而得到候选直线段区域,并根据直线段区域内特征点的密度大小判定区域有效性以达到降低矿物图像中噪声、其他纹理造成的误提取。实验结果表明所提算法能够提取矿物图像中的直线特征。     

改进马尔科夫随机场的SAR图像建筑物分割

作为城区主要目标之一,建筑物的检测和提取至关重要,而利用图像分割将建筑物从背景中分离出来是后续处理的基础。传统马尔科夫随机场（Markov Random Field, MRF）模型对合成孔径雷达（Synthetic Aperture Radar, SAR）图像进行建筑物分割时只利用了灰度信息,因此对灰度不均匀目标分割完整性较差,且利用最小能量准则分割时未考虑两部分随机场能量的相互关系,从而导致分割结果不能同时兼顾区域一致性与边缘细节性。为此,研究提出一种改进MRF的SAR图像建筑物分割方法。首先,通过在观测场引入由巴氏距离加权的纹理特征,实现对灰度不均匀建筑物的完整提取;其次,在两部分随机场能量中引入随迭代次数变化的权重,实现在建筑物密集区域保持边缘平滑的同时更好地抑制噪声。为了验证算法的有效性和实用性,对不同场景的SAR图像进行处理,结果表明：所提算法在不同场景中均能得到更好的分类正确率和Dice系数。     

基于区域特征的岩石裂隙边缘提取研究

提出一种适合于岩石裂隙类边缘提取的数字图像处理算法.通过分析破损岩石裂隙图像像素点区域特征,在经典的canny算子图像处理算法的基础上,提出了自适应加权中值滤波并结合高斯滤波针对不同区域像素进行预处理,算法能够根据裂隙类图像的区域特征自适应进行滤波.试验结果表明,本算法能够提高裂隙边缘检测的准确性,获得比较理想的边缘检测效果.     

眼前节组织OCT图像边缘检测及特征角点提取

提出了一种适用于眼前节组织OCT图像的边缘检测算法。该算法在单尺度下用多个结构元素进行边缘检测,根据边缘图像灰阶值的差异性,采用动态自适应权重进行像素点融合;再利用连通域的方法抹去面积小的干扰区域,最终得到多结构元素单尺度边缘检测图像,并在其上通过象限区间有效地提取出了角膜特征角点。仿真结果表明边缘特征明显,较以往边缘检测算法有效避免了OCT图像边缘结果的突变像素点的出现,抹去了干扰区域。因此,提出的特征角点具有较高的准确性。     

基于改进分水岭变换的遥感图像建筑物提取

遥感图像的分割是遥感信息提取与目标识别的基础和关键。以高分辨率城镇地区遥感图像为研究对象,提出一种基于全局阈值的多级分水岭算法,用于遥感图像的分割。该算法通过引入差异度函数,在执行传统分水岭算法的过程中对图像中存在的噪声区域进行修正,并通过使用全局阈值有效的控制欠分割问题。首先基于全局阈值的多级分水岭算法对高分辨率遥感图像进行初始分割,然后综合利用分割对象的颜色和形状特征信息,进行区域合并和梯度边缘提取,得到最终的建筑物提取结果。实验结果表明,所提出的基于全局阈值的多级分水岭算法较好地避免了过分割和欠分割现象,结合区域合并和梯度提取,能够快速准确地对城镇遥感图像中的建筑物进行提取。     

自适应多方向模糊形态学边缘检测算法*

提出了一种新的基于模糊增强的自适应多方向模糊形态学边缘检测算法。该算法可以适应多峰直方图分布图像的模糊边缘检测,结合了模糊增强方法和模糊形态学边缘检测方法,先使用隶属函数将图像转换为等效的图像模糊特征平面,在此基础上进行模糊增强,降低边缘模糊度,然后再转换到统一模糊区域中;最后进行多方向模糊形态学边缘提取。仿真实验证明该方法能够较好地去除椒盐噪声,并且能够检测出图像中模糊的边缘。     

基于运动信息与多尺度分水岭的视频目标分割

从视频序列中提取视频目标是基于内容编码中的一项关键技术。提出了将高阶统计运动检测和多尺度分水岭相结合的视频目标分割算法。该算法首先利用高阶统计运动检测算法检测出运动区域,通过后处理得到运动目标的初始模板。然后,用小波变换对视频图像进行多分辨率分解。在最低分辨率上应用分水岭算法分割得到具有精确边缘的分割区域,通过将区域融合后的区域逐步投影到高分辨率图像上并结合高分辨率图像上的分水岭算法逐步提取出具有精确边缘的区域。最后,将运动目标的初始模板和多尺度分水岭分割得到的区域结合起来提取出具有精确边缘的视频对象。实验结果表明该算法能有效地分割和提取出视频序列中的视频对象。     

Effective technique for the recognition of offline Arabic handwritten words using hidden Markov models

In this paper, we present a novel segmentation-free Arabic handwriting recognition system based on hidden Markov model (HMM). Two main contributions are introduced: a new technique for dividing the image into nonuniform horizontal segments to extract the features and a new technique for solving the problems of the skewing of characters by fusing multiple HMMs. Moreover, two enhancements are introduced: the pre-processing method and feature extraction using concavity space. The proposed system first pre-processes the input image by setting the thickness of the input word to three pixels and fixing the spacing between the different parts of the word. The input image is divided into constant number of nonuniform horizontal segments depending on the distribution of the foreground pixels. A set of robust features representing the gradient of the foreground pixels is extracted using sliding windows. The input image is decomposed into several images representing the vertical, horizontal, left diagonal and right diagonal edges in the image. A set of robust features representing the densities of the foreground pixels in the various edge images is extracted using sliding windows. The proposed system builds character HMM models and learns word HMM models using embedded training. Besides the vertical sliding window, two slanted sliding windows are used to extract the features. Three different HMMs are used: one for the vertical sliding window and two for the slanted windows. A fusion scheme is used to combine the three HMMs. The proposed system is very promising and outperforms all the other Arabic handwriting recognition systems reported in the literature.     

基于视窗的OCR页面图像倾斜检测方法

文档在扫描输入过程中，所生成的页面图像一般都存在一定的角度倾斜，当页面图像倾斜角度过大时，将对进一步的版面分析以及字符识别产生不良影响。为了快速准确地检测页面图像倾斜角度和降低计算量，提出了一种基于视窗变换的页面图像倾斜检测方法，该算法首先对视窗中的文字及图片的细节部分进行模糊，然后对其边沿进行直线拟合，以便快速检测页面图像倾斜角度。实验结果表明，该方法能快速准确地检测出各类页面图像的倾斜角度，并具有良好的适应性。     

双层SVM的阴影检测与基于窗口融合的阴影恢复

阴影的存在对于机器视觉的分析如区域的边缘提取,目标识别以及图像匹配等往往具有一定的干扰,而现如今提出的算法往往并不能很好地处理阴影区域的纹理和边缘。主要针对静态阴影图像提出了一种成对区域阴影检测和恢复的方法。阴影检测：通过提取阴影和非阴影区域之间边缘两侧颜色、纹理、方向和距离特征采用双层SVM训练器对阴影区域进行检测,不仅能检测出阴影区域,同时能够检测出与此阴影区域在同一表面的非阴影区域。阴影恢复：采用提出的自适应步长的窗口匹配方法获得阴影区域的采样窗口的最佳匹配窗口,采用窗口融合的方式初步恢复阴影区域,然后使用提出的迭代的方式对图像纹理进行增强,最后用快速修复方法（FMM）去除阴影与非阴影区域的微弱边缘。Opencv仿真证明,这样不仅可以提高阴影区域检测准确率,而且能够很好地保存纹理信息。     

基于模糊隶属度的人脸图像性别识别

由于人脸面貌特征与性别存在着一定的不确定性,提出了基于模糊隶属度的人脸图像性别识别。用对光照、灰度变化具有较强鲁棒性的局部二进制模式(LocalBinary Pattern,LBP)提取人脸特征,首先将人脸均分为多个子窗口,对所有子窗口提取LBP直方图,然后将这些直方图顺次连接来描述人脸。细致推导了适用于人脸图像性别识别的模糊函数,根据最大隶属度原则,来识别人脸的性别。在FG-NET人脸库及自建的FID人脸库中进行了实验,取得了96%的最高识别率。     

基于图像轮廓分析的室内窗户检测

针对室内窗户检测的问题，提出一种基于图像轮廓分析的室内窗户检测方法。对预处理后的图像进行阈值分割和形态学处理；然后采用基于拓扑结构分析的边界跟踪算法，提取边界轮廓的一系列坐标点，根据窗户轮廓特点筛选出符合条件的轮廓，求各轮廓的最小外接矩形，计算两两最小外接矩形间的距离；最后利用最小生成树对各个矩形分类合并，确定窗户区域。实验结果表明，所提出的方法能有效地实现不同室内场景中窗户的检测。     

基于仿生模式识别的未知推荐攻击检测

针对已有检测方法不能有效地检测未知推荐攻击的问题,提出了一种基于仿生模式识别(bionic pattern recognition)的检测方法。首先,依据项目流行度划分项目到不同的窗口,把用户对窗口内项目的评分视为随机事件发生。在此基础上,利用信息熵(information entropy)提取评分分布特征作为检测推荐攻击的通用特征。然后,在特征空间中,利用仿生模式识别技术覆盖真实概貌样本,将覆盖范围外的测试数据判为推荐攻击。在MovieLens数据集上进行实验,结果表明,该方法在检测未知推荐攻击时具有较高的命中率和较低的误报率。     

Edge detection and edge-preserved compression for error-diffused images

In this paper, a new approach to edge detection and image compression of bilevel error-diffused images is proposed. The proposed approach is directly applied to the error-diffused images without any inverse halftoning technique. The main idea behind the proposed edge detection method is to compute the consistency value of each pixel of the error-diffused image, and the computed values are then clustered into two classes to obtain the desired edges. Here, the consistency value is a function of the mass center and geometric center of the window; more precisely, it represents the possibility that the area covered by the window can be uniform. As for compression, each error-diffused input image is compressed by dividing the image into non-overlapping blocks with size 8 × 8, then each highly-consistent block is encoded by its average illumination, and each lowly-consistent block is transmitted directly using the original bitmap. The threshold to distinguish these two kinds of blocks is automatically calculated based on the compression rate required by the users. The complexity of our compression technique is low, and this fast method can be used in real-time application.     

基于USAN的改进的角点检测算法

提出了一种基于USAN的改进的角点检测算法。该算法在原有SUSAN算法的基础上做了如下改进：使用一个3×3的方形预检测窗口对图像的像素进行预检测，在精确检测角点前剔除掉大部分的背景点、边界点及脉冲噪声点，提高了算法的效率；根据图像不同区域对比度不同的特性，采用根据对比度自动调节核心点与其邻域像素的灰度差值门限的方法，使所检测出的角点分布均匀；利用基于USAN定义的角点所应具有的特征(角的边缘及USAN的连续性)来剔除伪角点，降低了角点虚报和漏检的发生率。仿真实验证明了该文所提出的算法具有抗噪能力强、运算量小的特点，适于实时实现。     

结合相位一致与全变差模型的高分辨率遥感图像边缘检测

目的边缘检测是有效利用遥感数据开展地物目标自动识别的重要步骤。高分辨率遥感图像地物类型复杂,细节信息过于丰富,使得基于相位一致的边缘检测结果中存在过多的噪声与伪边缘。为此提出了一种结合相位一致与全变差模型的高分辨率遥感图像边缘检测方法。方法根据相位一致原理,应用Log Gabor构造的2维相位一致模型,引入全变差去噪模型对基于相位一致的边缘强度图进行改进。结果借助有界变差空间对图像光滑性的约束,实现了高分辨率遥感图像噪声去除与伪边缘抑制,利用改进后的相位一致边缘强度图可有效检测高分辨率遥感图像的边缘。结论实验结果表明,与相位一致模型、Canny算法相比,该方法能消除了高分辨率遥感图像中同类地物内部细节特征形成的噪声,抑制相位一致边缘检测结果中的伪边缘,突出地物的真实边缘,并能正确地提取地物目标的整体轮廓信息,有助于后续地物目标的自动识别。     

结合兴趣点和边缘的建筑物和物体识别方法

提出了多种图像特征相结合的建筑物和物体识别方法．使用尺度不变特征描述器描述的Harris-Laplace兴趣点以及边缘颜色直方图描述的边缘特征表示图像．边缘和兴趣点包含图像的重要信息．对2种特征的抽取同时进行：基于Harris检测器可以直接得到边缘特征;在多个尺度下进行Harris兴趣点检测,利用Laplace公式得到Harris-Laplace兴趣点．进行物体识别时,根据兴趣点的数目自适应地改变兴趣点和边缘特征的相似性权重．与同类方法相比较表明,该方法具有更高的识别正确率,在视点变化、光照条件变化等情况下具有较好的性能．