基于概念的形状分类与识别

基于内容的图像检索已经成为图像检索的一个重要研究方向。其中利用形状特征可以实现形状较为明显的各类图像库的检索。该文对图像形状特征的提取和描述方法进行了较深入地研究,选取其中一部分特征值,分别利用BP神经网络和支持向量机进行形状识别,取得令人满意的实验效果。     

基于形状特征的图像检索技术研究

随着图像信息数量的飞速增长,人们迫切需要对大量的图像信息进行快速、有效的检索。因此,研究者们提出了许多图像检索新技术。阐述了图像检索技术的发展过程;分析了基于形状特征的图像检索技术研究现状和局限性;着重从特征提取、高层语义和形状特征的关联、高维索引技术等方面研究了基于形状特征的图像检索的发展趋势。     

基于纹理-形状特征的图像检索技术

图像数据库应用日益广泛,如何高效、准确地进行图像的检索成为一项重要的研究领域。传统的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征,检索效果往往不够理想。针对这一实际问题,提出一种新的图像检索方法,通过对图像进行小波变换,获得纹理和形状的综合特征,对综合特征进行归一化处理,并将其作为图像相似性的衡量依据。实验证明基于纹理和形状特征的图像检索具有很好的效果。     

基于形状特征的图像检索技术研究

随着图像信息数量的飞速增长，人们迫切需要对大量的图像信息进行快速、有效的检索。因此，研究者们提出了许多图像检索新技术。阐述了图像检索技术的发展过程；分析了基于形状特征的图像检索技术研究现状和局限性；着重从特征提取、高层语义和形状特征的关联、高维索引技术等方面研究了基于形状特征的图像检索的发展趋势。     

采用形态学边界特征的医学图像检索

特征提取是基于内容的图像检索(CBIR)中的关键步骤,如何有效提取反映高层语义的图像特征对于医学图像的检索至关重要.提出一种基于边界形状特征的医学图像检索方法.该方法首先通过多尺度形态学方法检测图像边界点,然后对边界图像进行形状特征提取,构建边界的形状密度直方图,最后通过相似性匹配实现医学图像检索.实验结果证明了所提取的边界形状特征在医学图像检索中的有效性,通过对比实验给出了结果分析和进一步的研究思路.     

基于纹理和形状特征的医学图像检索研究

本文使用纹理和形状特征进行基于内容的医学图像检索,并对算法作出一些改进。最后,综合利用纹理和形状特征对医学图像进行检索,证明了纹理特征和形状特征对医学图像来说具有互补性。     

轮廓检测的图像检索方法

在图像检索领域中,形状特征是图像的最重要视觉特征之一,利用形状特征进行检索可提高检索的准确性,但形状边界的自动提取一直是图像处理领域多年的难题。为了提高图像精度和准确性,提出一种基于轮廓检测的图像检索方法,首先用色彩聚类的方法对图像进行预处理,对有意义的聚类区域进行边缘追踪,然后采用基于Snake轮廓检测的算法完成图像分割,提取底层形状特征并用傅立叶描述子加以描述,进行相似度匹配。引入支持向量机的相关反馈算法来提高检索精度。实验结果表明了方法的有效性。     

利用成对几何直方图改进基于轮廓的图像检索

图像形状特征的提取和描述方法是基于形状的图像检索的重要研究内容.针对已有的基于形状的图像检索中目标形状描述方法的不足来进行了改进.为此,引入了用于描述目标轮廓的成对几何特征(pairwise attributes)即有向相对角和有向相对位置.然后应用到基于轮廓的图像检索中去,来描述图像的形状.实验结果发现用该成对几何特征所描述的形状属性来检索数据库中的图像具有较高的效率.     

基于颜色和形状特征的图像检索方法

提出了一种基于颜色和形状特征的图像检索方法。在对HSV颜色模型量化的基础上,提取颜色直方图作为图像的颜色特征。在提取形状特征时,结合颜色量化结果,利用图像分割提取图像的形状特征,利用两特征的加权距离计算图像之间的相似度,而后进行图像检索。实验结果表明,该方法取得了较好的检索效果。     

基于色彩与形状信息特征的图像检索算法研究

针对单独用颜色特征并不能很好地表达图像内容的问题,提出了综合利用颜色和形状特征进行图像检索的方法。由于颜色直方图无法表达空间分布信息,因此采用的颜色特征为颜色自相关图,并对色调进行重叠量化。而形状特征采用边缘方向直方图,并对方向进行重叠量化。仿真实验表明,综合利用颜色和形状特征比单独用颜色和形状特征进行图像检索的效果要好,提高了图像检索的查准率。     

基于非局部正则化的图像去噪

图像复原是图像处理中一个重要的研究课题。大部分图像复原算法,都只是利用图像单个像素点,或某一邻域内的灰度和梯度信息。如果在图像复原模型中能够超越邻域,而更大范围地利用图像内容本身的信息,将可能更有效地改善复原质量。实际上,大多数自然图像中,其内容具有自相似特性。基于非局部的图像处理方法,就是以这类自相似特性为出发点的。提出一种改进的基于非局部的正则化图像去噪算法,主要针对非局部处理方法中的权值计算作了改进处理。与原始算法不同,采用EMD来进行图像子块间的相似度计算,并结合图像的方向信息分类子块区域,以解决     

噪声对PET图像质量的影响研究

研究PET图像噪声与质量的关系,作为选择最适当的PET重建迭代次数或迭代停止的依据.利用蒙特卡罗模拟Siemens ECAT PET扫描仪,用OSEM、MLEM迭代重建算法获得Huffman、Utah重建图像,使用了SSIM、PSNR两种不同质量评价方法估算图像质量并以标准偏差评估噪声.结果显示Huffman图像噪声随着迭代次数增加,图像质量随着迭代次数降低;均值滤波除燥会降低图像质量;利用Utah重建图像进行再度计算也得同样结果.说明噪声影响到图像质量的计算,噪声滤除会造成最优图像的计算错误.精准的估算噪声并且有效的滤除,将可获得真正最优迭代图像,作为停止迭代依据.     

基于混合线性模型的图像去噪

现有的图像去噪算法大多假设图像为分段平滑信号,通过滤除图像中的振动分量达到去噪的效果.如果将这类方法应用于纹理图像,则会导致图像细节信息的损失.该文针对保留图像细节的问题,提出了基于混合线性模型的去噪方法.新方法不假设图像分段平滑,仅假设图像具有自相似性,利用图像的相似性区分图像信号与噪声.文中使用统计学习的方法对图像区域进行聚类,并得到图像主成份,以主成份作为信号分量重组图像,从而对纹理图像取得很好的去噪效果.     

基于聚类的自动颜色传输

提出了一种基于聚类的颜色传输算法。利用算法可以自动完成彩色图像间、彩色图像和黑白图像间的全局或者局部颜色传输。首先,对于源图像,将采用混合高斯模型进行建模,并利用EM算法求得相应参数完成图像自动聚类。对于目标图像,如果是彩色图像,采用同样聚类方法。如果是黑白图像,采用K-Means聚类法。完成源图像和目标图像的聚类,并建立双方聚类区域的对应关系后,通过改变目标图像中像素的Lαβ通道值完成色彩传输功能。实验证明,算法高效且无需人工干预,颜色传输效果很理想。     

一种基于特征的SAR图像自动配准方法

由于SAR图像固有的相干斑噪声的影响,使得SAR图像的自动配准不能直接使用光学遥感图像自动配准.基于特征的SAR图像配准方法是一种有效的配准方法,但是特征的提取一直以来是一个很难解决的问题.针对SAR图像自身的特性提出了一种基于特征的SAR图像自动配准方法.首先进行了对SAIl图像进行了合适的区域分割,然后利用不变性特征进行区域匹配,最后求取扩展质心作为匹配控制点.通过对真实SAR图像进行实验,取得了较好的配准结果,充分证明了算法的有效性.     

基于Bandelet与自适应矩阵范数的全频率无损水印方法

数字水印技术是一种新型的数字图像版权认证和保护技术.传统的数字水印一般通过修改图像数据达到信息隐藏的目的,不适合用于保护不允许修改的图像数据,无损数字水印为这类数据的保护提供了一种有效的方法.提出了一种无需对图像数据做修改的全频率无损数字水印实现方法.首先对图像实施小波变换,变换后的中高频部分采用Bandelet跟踪图像几何流,将纹理和边缘作为图像的特征从而构造出图像高频无损水印参数.对于小波变换的低频部分,通过选取最优的矩阵范数,得到低频系数水印参数生成方案,达到提取图像统计和边缘特征,对图像实现全面保护的目的.实验证明该算法具有良好的抗攻击能力,能够广泛用于对不可修改数据的保护.     

面向对象的高分辨率SAR图像处理及应用

目的随着合成孔径雷达(SAR)技术和分辨率的不断提高,越来越多的空间细节呈现在高分辨率SAR影像上。与此同时,SAR图像的数据量越来越大,人们对其应用需求也越来越高,这使得传统的基于像素的SAR处理方法不再适用。面向对象分析技术以像元集合——"对象"为分析单元,为高分辨率遥感图像处理提供了有效的思路,并日渐成为遥感、摄影测量以及GIS等领域所关注的对象和研究热点之一。目前该技术在光学遥感中已经得到了广泛的应用,但在SAR图像处理中的应用还处于起步阶段。方法本文在简要阐述面向对象分析技术起源和特点的基础上,对SAR图像面向对象技术中常用的多尺度分割算法进行了分类分析,接着对面向对象技术在SAR遥感的应用方向进行全面介绍,最后对面向对象技术在SAR上的应用进行了总结与展望。结果面向对象分析技术在SAR图像处理中的应用主要分为以下五个方面:地物分类、城市信息提取、变化检测、海洋应用、森林应用。结论面向对象分析技术在解决高分辨率SAR图像尺度效应、抑制噪声等方面有着重要作用。目前,国外学者在基于SAR的面向对象分析技术研究上已经取得了一定的进展,但总体上该技术仍面临诸多问题,需要进一步的研究和完善。     

基于SIMO和NAS-RIF的SST图像盲恢复

图像恢复是太空太阳望远镜图像处理的重要组成部分，针对SST的多通道太阳观测的特点，将SIMO模型引入到SST图像恢复中，根据SST图像的特点，给出了基于SIMO和NAS-RIF的多通道盲恢复算法。仿真结果表明，该方法对SST图像恢复具有较好的适应性。     

基于感知哈希和视觉词袋模型的图像检索方法

针对移动增强现实中图像检索技术耗时长导致的实时性不高的问题,提出了一种 基于感知哈希和视觉词袋模型结合的图像检索方法。图像检索过程中,在保证一定正确率的基 础上加快了检索速度。首先,对数据集图像使用改进的感知哈希技术处理,选取与查询相似的 图像集合,达到筛选图像数据集的作用;然后,对相似图像集使用视觉词袋模型进行图像检索, 选取和查询图像中目标一致的目标图像。实验结果表明,该方法相比较视觉词袋模型算法检索 的平均正确率提高了 3.2%,检索时间缩短了 102.9 ms,能够满足移动增强现实中图像检索的实 时性要求,为移动增强现实系统提供了有利的条件。     

基于贝叶斯理论的图像标注和检索

图像自动语义标注是基于内容图像检索中很重要且很有挑战性的工作.提出用语义约束的聚类方法对分割后的图像区域进行聚类,在图像标注阶段,使用贪心选择连接(GSJ)算法找出聚类区域的独立子集,然后使用贝叶斯理论进行语义标注.对图像进行标注以后,使用标注的关键字进行检索.在一个包含500幅图像的图像库进行实验,结果表明,提出的方法具有较好的检索性能.