上下文信息多样聚合的图像修复算法

为解决现有算法修复大面积、不规则语义缺失图像时存在结构扭曲和纹理模糊的缺陷，提出了一种基于上下文信息的多样聚合图像修复算法。首先，用编码器提取待修复图像的信息，估计缺失内容，经纹理信息生成模块融合来自各种感受野的上下文信息，增强缺失区域的结构与纹理信息；然后，经解码器恢复原始图像特征；最后，使用掩码匹配鉴别器对生成图像进行鉴别训练，结合对抗损失、重建损失、感知损失和风格损失共同优化模型，促进生成器合成清晰的纹理。在公开数据集上，对所提算法进行训练和测试，实验结果表明，修复随机不规则大面积语义缺失图像时，所提算法可得到比对比算法更清晰合理的结构和纹理细节，其峰值信噪比和结构相似度等客观指标均优于对比算法。     

BDCN和U-net边缘生成两阶段修复算法

为了对图像中大面积不规则缺失区域进行合理的结构修复和精细的纹理重构,提出了一种基于双向级联边缘检测网络（BDCN）和U-net残缺边缘生成的两阶段网络图像修复算法.第一阶段首先基于BDCN网络提取边缘,然后基于U-net架构的边缘生成网络用下采样对缺失图像边缘提取特征,再结合上采样的输入信息和下采样各层信息还原图像边缘纹理细节;第二阶段使用空洞卷积进行下采样和上采样,经过残差网络重建细节丰富的缺失图像.在公开数据集上将所提算法与现有经典算法进行对比,实验结果表明,所提算法能得到合理的结构和精细的纹理细节,优于对比算法.     

甲状腺结节超声图像特征提取及识别

采用多特征融合方法鉴别甲状腺结节超声图像的良恶性。首先用多尺度LBPV模型提取结节的局部纹理特征,然后与Tamura模型提取的全局纹理特征相结合,从全局和局部两方面对甲状腺结节的纹理特征进行了细致的描述。又提取了纵横比、圆形度、紧致度等形状特征,将上述特征进行融合并利用主成分分析法PCA对融合后的特征进行降维。实验结果表明,模型提取的特征用于分类识别时,较上述任一单一模型所提取特征用于分类时能获得更高的识别率。     

基于改进纹理特征的现堪图像检索算法

针对灰度共生矩阵缺少图像纹理的整体空间分布特征与双树复小波变换对图像结构细节敏感的缺陷,提出一种融合图像空间分布与结构细节的纹理特征提取算法,应用于现堪图像检索。首先,利用灰度共生矩阵与双数复小波提取图像的纹理信息;然后,将图像均匀分块,分别计算各个块的角点疏密度和纹理细节特征并级联,以此组成图像的空间分布特征和结构细节特征;最后,对纹理信息融合图像的空间分布特征与结构细节特征,完成现堪图像的纹理特征提取。在现堪图库上的检索实验结果表明,该算法能更全面的描述图像的纹理内容,并且可有效提升现堪图像检索算法的检索准确率。     

基于NSST与DBM的可见光与红外图像融合方法

针对红外图像与可见光融合时特征信息无法充分提取的问题,提出了一种基于NSST与DBM的可见光与红外图像融合方法。该方法利用深度玻尔兹曼机（DBM）进行最优能量分割得到显著红外目标,并采用非下采样剪切波变换（NSST）将红外目标区域与背景区域融合的映射图进行稀疏分解和融合。仿真实验结果表明,与现有的几种经典方法相比,基于本文方法的结果图像拥有更好的视觉效果和更理想的客观结果。     

一种改进的生成对抗网络在朱金木雕图像修复中的应用

针对朱金木雕图像纹理丰富难以用简单超分辨率方法修复的问题，提出了一种改进的生成对抗网络方法。依据深度残差模型、子像素卷积模型及截断的预训练视觉几何组19 (Visual Geometry Group 19, VGG 19)模型，把输入的低分辨率图像转化为高分辨率图像，并利用原始图像的特征图计算内容损失；应用判别网络判别图像的真实性并计算对抗损失，不断反馈这两种损失来更新模型；通过迁移学习将预训练得到的参数迁移到朱金木雕数据集上，经过少量训练后得到新模型。实验结果表明：使用改进的生成对抗网络得到的峰值信噪比（FPSNR）与结构相似性（FSSIM）指标均值分别为22.546 9和0.675 9，使用其他方法得到FPSNR与FSSIM指标的均值分别为9.835 5和0.100 4。使用改进的生成对抗网络获得图片纹理更丰富，在指标和图像效果上更优。     

一种用于红外耦合图像色彩校正的生成对抗网络

CCD/CMOS传感器在图像采集过程中,R,G,B三通道都会受到红外光线的串扰,导致所拍摄的照片呈现一种不正常的红色状态。针对这一问题,文中提出一种用于红外耦合图像色彩校正的生成对抗网络。生成网络使用编码解码结构。编码器通过卷积层提取红外耦合图像特征;解码器对提取到的特征进行逆向求解、重构,以剔除图像红、绿、蓝通道中混叠的红外信号。为了进一步缩小生成图像与源图像的差距,使其在颜色、纹理细节等方面更具一致性,文中在原有的对抗损失基础上加入了MSE损失优化网络参数,对网络模型进行约束。实验结果表明,相较于其他色彩校正算法,使用文中方法校正的图像色彩更加鲜明,纹理细节更加突出,更加符合人眼的直观感受;PSNR,SSIM,AVG指标分别比Gray World算法高8.447 1 dB,0.082 3,1.347 1,CD,NIQE指标分别比Gray World算法低6.176 8,1.064 9,具有更好的校正效果。     

基于特征融合的卷积神经网络乳腺癌图像分类

传统乳腺癌图像分类方法需要从医学图像中人工提取特征,不仅需要具备专业医学知识,而且存在耗时费力、提取高质量特征困难等问题.因此,提出了一种基于特征融合的卷积神经网络乳腺癌图像分类方法.首先预训练了两个不同结构的卷积神经网络,然后利用卷积神经网络自动提取特征的特性,将两个结构提取到的特征进行融合,最后利用分类器对融合的特征进行分类;同时,为避免卷积神经网络模型受小样本量限制出现过拟合现象,通过乳腺病变区域提取、区域细化和数据增强等方法对图像进行适当预处理,并通过过采样方法解决了正负样本不平衡的问题.实验结果显示,该方法在乳腺癌图像数据集BCDR-F03上分类AUC达到89%,对乳腺癌图像的分类精度较传统方法有明显提高.     

融合亮度边缘和纹理的图像质量评价

传统图像质量评价算法往往采用单一特征进行质量评价,导致图像中很多重要信息丢失,本文针对这一不足提出了一种融合多特征的改进算法。该算法首先根据人眼视觉系统特性提取亮度分量,将彩色图像亮度分量与Scharr算子进行卷积,提取图像的边缘特征,计算结构相似度描述子;然后提取图像的局部方向模式纹理特征,利用直方图相交距离得到纹理相似度描述子;最后综合两者结果构建了一种新的图像质量评价方法。在LIVE数据库中对JP2K、JPEG、Fast Fading三种类型的失真进行了对比实验。结果表明:该算法和其他被广泛采用的图像质量评价算法相比,评价结果总体上与主观评价结果具有更高的一致性,尤其对Fast Fading图像效果非常好。     

基于无监督深度学习的红外图像与可见光图像融合算法

红外和可见光图像表征了互补的场景信息. 现有的基于深度学习的融合方法大多通过独立提取网络分别提取两个源图像特征,从而丢失了源图像之间的深度特征联系. 基于此,提出了一种新的基于无监督深度学习的红外图像与可见光图像融合算法,针对不同模态的特点采用不同的编码方式提取图像特征,利用一个模态的信息补充另一个模态的信息,并对提取到的特征进行融合,最后根据融合特征重建融合图像. 该算法可在两个模态的特征提取路径之间建立交互,不仅可预融合梯度信息和强度信息,且能增强后续处理的信息. 同时设计了损失函数,引导模型保留可见光的细节纹理,并保持红外的强度分布. 将所提算法与多种融合算法在公开数据集上进行对比实验,结果表明,所提算法获得了良好的视觉效果,客观指标评价方面对比现有的优秀算法也有一定的提升.     

基于模糊积分特征的红外图像运动目标检测算法

提出了一种新颖的融合红外图像的亮度和纹理特征进行运动目标检测的算法。算法使用模糊数学理论中的Sugeno模糊测度和积分技术将图像的亮度特征与局部二元模式纹理特征结合进行运动前景/背景分类,实现了低信噪比、黑白级反转等复杂背景条件下的准确目标提取。通过实验分析比较了不同检测算法的检测结果,实验数据表明,该算法能够以高检测率、低误检率获得运动目标,为进一步的目标识别或跟踪提供了保障。     

基于小波变换与特征提取的红外弱小目标图像融合

当前红外单波段数据不能全面反映图像细节以及轮廓信息,弱小目标成像后难以抵抗背景干扰,使得图像产生较低的信噪比。因此有必要利用不同波段数据的纹理差异性,通过互补融合方法提高图像的信噪比。基于此,提出一种基于小波变换与特征提取的融合方法。首先将多源图像进行多尺度二维分解,获得各图像的低频信息与高频信息,在此基础上,高频信息采取绝对值取大的融合方法,低频信息采取加权求平均的融合方法,进而重构图像。然后,利用特征提取方法得到中波与长波特征图像。最后对重构图像与红外中长波特征图像进行对比度调制再融合。融合结果与多种融合算法进行对比。实验结果表明,该算法能够增强图像中弱小目标的灰度,可以很好地识别目标,解决了图像中弱小目标抗背景干扰的问题。     

基于图像形状特征和纹理的中药材牡丹皮规格分类研究

首先研究傅里叶图像形状特征提取算法和灰度共生矩阵纹理特征提取算法;其次使用傅里叶图像形状特征提取算法对中药材牡丹皮图像的形状特征进行提取,并且用灰度共生矩阵纹理特征提取算法提取中药材牡丹皮图像纹理数据;最后运用DBT-SVM算法对两种融合数据进行分类,并分析权重、训练集和测试集占比对分类准确率的影响。实验结果优于传统的SVM算法。     

结合FFT和Gabor滤波器的织物纹理特征提取方法

针对织物表面纹理特征提取与表征的问题,提出一种结合FFT(傅里叶变换)和Gabor滤波器的织物纹理特征提取方法,通过傅里叶变换提取频谱楔特征(角向分布)和环特征(径向分布)作为特征角度和频率参数,设计2个最优Gabor滤波器,分别与织物纹理图像进行卷积,获得目标子图像,然后对子图像进行融合处理,达到提取纹理特征的目的。在线条图像纹理特征成功提取的前提下,应用到常见织物的纹理特征提取上,并与传统的Gabor滤波器提取方法进行对比。实验结果表明,结合FFT和Gabor滤波器的织物纹理特征提取方法是有效的,且提取结果优于传统方法。     

数字乳腺层析图像纹理特征联合提取与识别

为提高乳腺组织图像特征提取的正确率,结合灰度共生矩阵纹理特征与Tamura纹理特征,给出一种联合提取与识别算法。采用双边滤波、受约束限制自适应直方图均衡和L0梯度滤波,对数字乳腺层析图像进行预处理,滤除其噪声并提高对比度;同时考虑灰度共生矩阵与Tamura纹理特征,通过增加特征值维度,将两者融合入一个矩阵之中,并依据特征选择规则提取最适特征;用支持向量机对特征向量分类。与仅依赖其中一种纹理特征的提取算法相比,所给算法可提高特征提取与识别正确率,从而更好地实现图像分类。     

基于热核共生矩阵的SAR图像纹理目标识别

相干斑噪声是合成孔径雷达(synthetic aperture radar,SAR)成像系统的固有缺陷,严重影响SAR图像的识别率。为此,提出了一种基于热核共生矩阵提取纹理特征统计量的算法,并将此方法用于SAR图像的纹理目标识别。首先通过构建图结构计算出图像每一点的热核特征,生成热核共生矩阵并计算纹理特征统计量;进而将热核特征与纹理特征统计量相结合构成特征矩阵;最后通过计算对应特征向量之间的相关系数,利用相似性度量的方法,实现SAR图像的纹理目标识别。实验结果表明,该方法可以识别SAR图像纹理目标,且识别效果要优于经典的基于灰度共生矩阵提取纹理统计量的方法。     

基于形状和纹理的外观设计专利图像检索方法

提出一种多特征融合的外观设计专利图像检索方法。形状特征融合了几何结构特征与边界方向直方图特征来描述,通过整体结构和轮廓特征的融合全面表达了物体的形状;纹理特征融合了Gabor小波提取的特征和提出的分块统计特征;最后采用加权法融合形状特征和纹理特征,实现外观设计专利图像检索。     

基于颜色和纹理特征的图像检索技术研究

为改善单一特征图像检索方法的局限性和传统综合特征检索方法计算复杂度高的问题,提出一种综合特征的图像检索新方法:将Tamura纹理特征与抗几何形变的小波变换纹理分析方法相结合提取出13个纹理特征分量,在小波分解得到的低频区域中进行颜色直方图的提取,从而实现了颜色和纹理特征相结合的图像检索系统.实验表明,该方法在不明显增大计算量的情况下比单一特征的图像检索具有更好的检索效果.     

保持纹理细节的无缝图像合成

为了解决传统图像合成方法在处理具有不同纹理特征的图像时产生明显边界的问题, 提出新的图像合成框架.把图像分解为基本层和细节层,基本层解决边界处颜色的无缝融合|细节层实现边界处纹理细节的光滑过渡.算法流程为进行基本层的融合,合成新的细节层,新细节层添加到融合的基本层得到最终结果.通过计算一张权重图来指导新细节层的生成,权重图度量纹理特征的强弱和像素到边界的距离.实验结果显示:算法可以有效保证颜色的无缝融合,保持纹理的光滑过渡.相对于传统图像合成方法,该算法可以生成更真实的合成图像.     

基于内容的图像检索算法研究

随着计算机、网络以及多媒体技术的迅速发展和应用,数字图像的数量正以惊人的速度增长,基于内容的图像检索技术可以有效地解决从图像数据库中检索出相关图像的问题.[1]本文研究了颜色、纹理和形状三种特征提取算法,颜色特征提取采用颜色直方图和颜色矩特征算法,通过像素统计、多维矩阵运算量化图像颜色特征并进行图像匹配;纹理特征提取算法可通过图像灰度共生矩阵提取能量、熵、逆差矩等特征进行相关处理并检索;增加了基于形状的特征提取算法,将图像二值化后提取其Hu不变矩进行处理,其结果用于修正和优化颜色或纹理的检索结果.图像特征比对采用空间节点自适应处理后的欧氏距离进行运算.在VC中实现了基于内容的图像检索系统,能够自定义实现单一特征检索和综合多特征的联合检索,实现以图搜图的检索功能.