基于频域滤波的织物疵点检测

根据织物纹理和疵点的频谱不同分布,提出了织物疵点检测的新方法。首先在研究织物纹理分类的基础上,通过傅立叶变换获得频谱图像;然后设计频域滤波器抑制正常纹理频谱信息,通过重构灰度图像,把灰度图像分割成若干子窗口;最后将统计子窗口方差作为特征值与设定的阈值比较,从而判别是否存在疵点。实验结果表明该方法是有效的, 检测正确率达到90%以上。     

频域图像增强混合滤波算法及在作物缺素中的应用

针对目前常用的频域图像增强方法存在振铃现象、模糊效应与过度锐化,为突出图像的细节及边缘信息,保护图像原有的光滑区域灰度,提出一种新方法.利用低通和高通滤波器它们各自的优势,有选择性地对图像进行滤波处理,即对图像的高频和低频部分分别进行不同的系数增强.实验结果表明,该算法保持了图像的光滑区域灰度,改善了边缘区域的对比度,验证了该算法的有效性.针对作物缺素问题,运用不同滤波算法对采样图像进行处理后,对病斑部位采用相同的形状特征提取方法进行实验,实验结果表明,该算法突出了叶面纹络与褐色斑块,保持了样本图像的光滑区域灰度,有效改善了对病斑部位形状特征参数的提取效果,具有一定的可应用性.     

DCT域图像边缘的快速提取

压缩域的图像分析处理技术已成为多媒体研究领域的一个热点。文中给出了DCT压缩域图像边缘的快速检测方法。该方法直接利用DCT非零系数计算图像边缘点,不需要完全解压缩,与传统象素域边缘检测方法相比,大大降低了计算复杂度,并且能根据需要提取不同精度的边缘图像。该方法在远程目标识别或基于边缘的Web图像检索等方面将能满足一定的实时性要求,具有较好的实用价值。针对JPEG图像,给出了边缘提取的实验结果,并与传统的象素域边缘检测方法进行了比较。     

基于各向异性高通滤波的图像边缘检测算法

图像在处理的过程中,总会受到噪声的污染.由于噪声和边缘都是图像的高频分量,在滤除噪声的同时,也破坏了图像的边缘.为了使所提取的图像边缘更加逼近被噪声污染的图像真实边缘且定位精确,提出结合各向异性高通滤波和多尺度积对图像进行边缘检测.首先采用具有各向异性的非下采样Contourlet变换(NSCT)对原始图像进行多尺度、多方向分解,并用多尺度积对变换结果的高频分量去噪,最后利用各向异性高通滤波器长轴与边缘方向之间的夹角确定图像边缘.实验结果表明,所提出的方法抗噪声能力强,计算复杂度低,所提取边缘清晰、光滑且定位精确.     

基于频域水印的人脸图像窜改检测认证方法

以DeepFake为代表的AI换脸技术为人们的生活带来诸多负面影响,现有的人脸窜改检测算法鲁棒性较弱,缺乏可解释性。针对这一问题提出一种离散小波变换（DWT）、离散余弦变换（DCT）、奇异值分解（SVD）相结合的人脸频域水印算法（face frequency-domain watermarking,Face-FW）,通过提取图像人脸特征并压缩加密生成二值水印嵌入图像频域以达到检测人脸窜改、认证原人脸归属人的目的,同时提出动态特征融合算法以降低Face-FW适用范围。选取人脸图像标准数据集CASIA-FaceV5和IMDB-WIKI部分图像嵌入水印并窜改人脸生成测试集CASIA-DF和IMDB-DF。实验结果表明,Face-FW在两个测试集上分别有97.6%和96.9%的检测窜改成功率,优于对比方法,并且算法能够根据非特征融合水印提供人脸认证,具有较强的鲁棒性和可解释性。     

多水平外区抑制的轮廓检测

提取自然图像中的物体轮廓是机器视觉研究的重要问题,主要困难在于自然图像中的纹理性边缘严重干扰了物体轮廓的提取。研究表明视皮层方位选择性神经元的非经典感受野机制使得人类视觉系统在处理自然图像时不仅能够抑制纹理性边缘,而且能够增强物体的轮廓。基于此人们提出多种仿生轮廓检测算法,但算法中被称为抑制水平的参量在取值较高时会漏检部分轮廓,而在其取值较低时又会引入过多的纹理性边缘。针对这一问题,提出多水平外区抑制轮廓检测算法,通过整合各级单水平外区抑制的检测信息,有效抑制了纹理性边缘和降低了漏检轮廓的可能性。实验结果表明,相对于传统算法,新算法在轮廓检测性能上提高了10%左右,并具有更好的稳健性。     

基于棉纤维截面图像的改进型Canny边缘检测

针对棉纤维截面图像的边缘检测,对Canny边缘检测算子提出改进。在边缘跟踪算法中,引入边缘长度L和边缘分叉间平均间隔（像素数）L两个概念,在边缘跟踪算法中进行边缘类型评估。改进后的Canny边缘检测算子与传统Canny边缘检测算子相比,在同等实验条件下,确保了相同棉纤维边缘检出率的同时,更好地抑制了噪声引起的伪边缘输出。     

时滞依赖H∞滤波器的有限频故障检测方法

本文研究了线性离散时滞系统的有限频鲁棒故障检测问题.利用故障估计技术,将故障检测滤波器设计问题转化为时滞依赖的H∞滤波器设计问题.本文直接给出刻画有限频故障检测性能的线性矩阵不等式条件,避免因引入加权函数而产生的不准确性.最后,仿真算例表明时滞依赖的有限频故障检测滤波器可以取得比已有结果更好的故障检测性能.     

基于递归滤波的边缘检测算法

针对包含不同程度噪声数字图像的边缘检测问题,提出了两种建立在房顶型模糊边缘模型基础上的平滑和边缘检测滤波器。首先用这些滤波算子以三阶递归的形式实现图像的平滑及梯度计算,再进行非极大值抑制及双阈值的边缘检测连接。实验结果表明,该方法得到的梯度图像均比Canny和Deriche滤波算子清晰,所得边缘图像也更加完整,检测时间也少于其他方法。     

图像时域方向与频域方向的关系研究

方向滤波器组能够对图像进行不同子带的划分,各个子带图像代表不同的方向,在时域上面表现出不同的方向,但是方向滤波器组的方向划分主要是基于图像频域的划分。在利用傅里叶变换求幅度谱以及相应的功率谱的基础上,分析了图像边缘纹理时域方向与频域方向之间的关系,通过一序列公式进行推导并且用实例展示了图像边缘纹理时域方向与图像边缘频域方向有相互正交的关系。     

空间统一调制模型的轮廓检测

目的 在人类大脑初级视皮层上,神经元不仅受到位于经典感受野中刺激的影响,同样也受到周边环境相应非经典感受野中刺激的影响。这种上下文的调制是通过视皮层的水平连接来实现的。基于初级视皮层的视觉机制,本文提出了一个轮廓提取模型。方法 首先利用局部能量计算初级视皮层上单个神经元的响应;然后通过构建一个新颖的空间统一调制算子获得周边刺激对于中央神经元的增强和抑制影响(上下文调制);最后整合上下文调制影响和中央神经元本身的能量响应,获得完整输出。结果 本文所提模型,无需在非经典感受野中划分增强域和抑制域,同时能够有效抑制背景纹理,突出目标轮廓,保留交点和角点信息。结论 通过对合成图像和自然图像的测试表明了本文算法的准确性和优越性,能够极大地提高复杂背景中轮廓检测的性能。     

基于多尺度梯度域引导滤波的低照度图像增强算法

针对低照度彩色图像整体亮度较低，增强图像中颜色易失真，部分图像细节淹没在较低灰度值像素中等问题，提出一种改进的低照度图像增强算法。首先，把待处理图像转换到色调、饱和度、亮度（HSI）颜色空间，对亮度分量进行非线性全局亮度校正；然后，提出多尺度梯度域引导滤波的亮度增强模型，利用该模型对校正后的亮度分量进行增强，接着对增强后的亮度分量进一步实施避免颜色失真的亮度校正；最后，将图像再转换回红绿蓝（RGB）颜色空间。实验结果表明，增强后的图像亮度平均提高90.0%以上，清晰度平均提高123.8%以上，这主要得益于多尺度梯度域引导滤波具有更好的亮度平滑和增强能力；同时由于减小了颜色失真，使增强图像的细节表现能力平均提高18.2%以上；由于采用了多尺度梯度域引导滤波的亮度增强模型与直方图自适应的亮度校正算法，使提出的低照度图像增强算法适宜应用于夜间等弱光源条件下的彩色图像增强。     

轮廓跟踪的TN方法

在灰度图像二值化时，断边往往会导致伪边界的生成，因此在边界检测时断边处理是非常重要的．提出一种可处理断边的轮廓跟踪方法，在遇到断边沟时，通过自适应步长，能自动跳过断边沟并跟踪出真正需要的轮廓．该方法还具有边界上采样点的疏密度与边界的曲率相适应的优点．     

改进的Sobel算子彩色图像边缘检测

为了解决传统灰度图像边缘检测中容易出现的边缘定位偏差、边缘丢失以及边缘不连续等问题,结合传统的Sobel梯度边缘检测方法和图像阈值分割技术,提出了一种改进的Sobel算子彩色图像边缘检测方法。通过对比试验结果表明,该方法可以有效地降低色彩边缘的误检率,一定程度上提高了边缘检测器的性能。     

基于方向滤波的监控图像边缘检测

监控图像的边缘检测是进行高级图像处理和模式识别的基础工作.将方向滤波理论引入监控图像的边缘检测中.通过Roberts算子的四方向滤波扩展,介绍了方向滤波用于边缘检测的一般过程;针对监控图像中斜坡边缘丰富的特点,引入Petrou-Kittler滤波器作为基础滤波器;用方向滤波理论改造Petrou-Kiuler滤波器,形成...     

基于频域、时域相结合的自适应图像超分辨率重建

基于最大后验概率(MAP)的超分辨率(SR)重建的研究重点是规则化项的选择,且其大都在频域中实现,为此提出一种基于频域、时域相结合的图像SR重建方法.首先,根据不同图像的特点,定义了频域规则化项(FR)和时域规则化项(TR);然后,给出了图像重建模型,引入频域、时域自适应权值来加强算法的自适应性;最后,运用共轭梯度法推导出重建迭代计算公式.实验表明,所提出的算法具有良好的收敛性和精确性.     

基于改进ROEWA算子的SAR图像边缘检测方法

指数加权均值比(ROEWA)算子是一种较好的适用于SAR图像的多边缘检测算子,然而传统方法无法准确定位边缘,且不能计算边缘方向。改进边缘检测流程,分析上述问题产生的原因并采用传统ROEWA算子保证边缘检测恒虚警,对ROEWA加权后的滤波值进行差分运算保证非极值抑制的准确性。利用Radon变换具有较好抗干扰性和几何解析性的性质,提出基于Radon变换计算边缘方向。针对实测SAR图像的实验结果表明,该方法边缘检测及边缘方向计算性能较好。     

基于频率谱变化量的唐卡图像特征提取与表示

提出了一种在频域空间内用频率谱变化量来表示图像轮廓特征的方法,并在宗教类唐卡图像的头饰分类中得到了成功的应用。标注图像的头饰区域,应用基本全局门限和用户观察直方图选择阈值相结合的方法分割标注区域;将图像中的像素点转换成直角坐标系下的坐标点,并提取典型轮廓点;通过傅里叶变换将典型轮廓点转换到频域空间,应用频率谱值较小的那部分的变化量作为轮廓特征,提取轮廓内部的颜色特征。实验证明,应用所提取的头饰特征可以有效地对唐卡图像进行分类。