面向对象形态学相关识别相似灰度图像研究

提出面向对象联合变换相关器计算机模拟形态学理论,提出两种基于位表示法形态学相关算法（MMC)的改进算法,通过提取基于位表示法的图像片边缘特征或二元化基于位表示法的图像片功率谱,给出了改进的二维相关峰和谱图,提高了MMC对高相似度灰度图像的识别能力。     

面向对象形态学算法模拟识别非对称灰度数字图像研究

用数字图像处理纯软件位图的方法实现形态学算法,借助联合变换相关器理论,提出面向对象计算机模拟形态学理论识别非对称灰度图像,提出两种基于位表示法形态学相关算法(MMC)的改进算法,通过提取基于位表示法的图像片边缘特征或二元化基于位表示法的图像片功率谱,给出了改进的识别非对称灰度图像的二维相关峰和谱图,鉴别率明显提高,提高了MMC的识别能力.该模拟可以用数字图象处理纯软件的方法实现具有实用性.     

一种提高光学模式识别准确性的后处理方法

在传统的灰度相关算法的基础上分析由灰度相关计算得到的相关面极大值峰的宽度、高度、峰的显著度 ,以此为依据 ,给出待识别图像与参考图像之间的相似性结论 ,避免了传统的直接对相关峰取阈为判决依据引起的误判现象 ,提高了判决准确率 .     

基于区域模板相关的图像匹配方法研究

传统的图像相关匹配方法是利用求取对应像素灰度的相关性进行图像之间的相似度量的。由于参考图和实测图之间存在着灰度差异、模糊、噪声以及局部遮挡等,这就使得仅依靠图像灰度相关进行匹配的算法性能受到影响。基于图像分割后的区域是比像素灰度更高一级的图像表述,利用势函数聚类自适应多阈值图像分割技术,提出了一种对图像的加权区域模板相关匹配的算法。这种算法建立了一种目标区域隶属度的相关度量方法。试验结果表明了该算法在多种图像变形情况下的有效性。     

视觉传感网络中身份特征自适应识别算法改进

在对视觉传感网络中身份特征进行识别时,容易受到人脸表情、光照条件及遮挡等干扰,降低了身份特征识别精度.提出了一种基于改进最小灰度差树的身份特征自适应识别算法.对待识别图像进行灰度处理后,利用最小灰度差数增强待识别图像的质量;定义基于灰度的代价函数,获取待识别人脸图像和指定人脸图像对应的各灰度对的匹配代价,建立最小灰度差树模型,计算两幅图像相似度后,直接采用最近邻匹配算法获取和视觉传感网络注册图库中最小匹配代价对应的图像身份,将其看作待识别身份,实现视觉传感网络中身份特征自适应识别.仿真实验结果表明,所提算法具有很高的身份识别精度.     

基于形态学的可变权值匹配自适应图像增强算法

为了精确提取图像的细节特征,改善图像增强的效果,该文提出了一种基于形态学的可变权值自适应增强算法。通过构造扩展全方位多尺度结构元素,并进行top-hat变换,分解了图像不同方向不同尺度的细节。该文打破了传统形态学增强算法中各方向细节取均值融合的思想,实现了根据图像的局部灰度特性,动态调整各方向不同尺度细节的权值。在图像增强过程中,根据提取到的细节的结构化特征,构造相应的自适应增益函数,从而实现图像的自适应增强。实验结果表明,该算法能较好地利用图像的自相关性,比传统的形态学增强方法更有效地突出图像的细节信息,且能抑制噪声的放大。     

色度马氏距离图与灰度图特征自适应融合的彩色人脸识别

色彩提供了比灰度更为丰富的信息,鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中.基于YCbCr颜色空间,分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图.提出一种色度马氏距离图与灰度图特征自适应融合的人脸识别算法.分别构造出色度马氏距离图与灰度图的基于小波包结点能量的归一化特征向量,采用多种融合策略进行特征融合,并根据融合效果自适应地选取特征融合参数,构造出最佳的鉴别特征向量,实现色度与亮度特征的互补.使用基于方差相似度的分类器获得人脸识别结果.实验表明:该算法识别率高、鲁棒性好.     

新的基于边缘特征的图像相关匹配方法

传统的图像相关匹配方法利用求取对应像素灰度差的累加和进行图像之间的相似性度量,或者设定阈值计算具有相近灰度值的像素点的个数进行相似性度量,由于参考图和实测图之间存在着灰度差异、模糊以及局部遮挡等,使得仅依靠图像灰度信息的算法的性能受到影响。结合图像的边界特征匹配技术,提出了一种新的图像相关匹配算法。该算法首先对图像进行边界提取并二值化,然后利用所定义的基于边缘的相似距离(ESD)对处理后的二值图像进行相似性匹配运算。试验结果表明这种算法在多种图像畸变情况下的有效性。     

一种基于形态学梯度的多聚焦图像融合方法

多聚焦图像融合作为信息融合的一个重要分支，广泛应用于计算机视觉、医学诊断、数字成像等领域。文中针对现有融合算法存在融合图像易出现“块效应”等问题，提出了一种基于形态学梯度的多聚焦图像融合方法。该算法首先对源图像进行形态学梯度测量得到对应的得分矩阵，然后对得分矩阵进行四叉树分解得到初始分割图。进而利用形态学滤波和小区域滤波，除去边缘信息和小洞得到期望的决策图。实验测试表明，文中提出算法相对于现有的算法在结构相似度、峰值信噪比等定量指标上皆有较好的表现。     

基于IPSO和综合信息的医学图像配准新方法

针对医学图像配准中采用互信息作为配准相似度函数存在配准精度不高和收敛速度慢等问题,根据图像灰度和空间结构信息,构造了一种新的基于互信息和改进型形态学梯度算子的信息配准测度函数,采用一种适用于医学图像自动配准的改进型粒子群优化(IPSO)算法,给出了一种新的基于IPSO的医学图像配准算法。实验结果表明,该配准算法稳定性好、收敛速度快,在多模态医学图像自动配准中是可行的。     

基于谱面形态学处理的二元联合变换相关器研究

为改善二元联合变换相关器的识别效果,提出基于功率谱面形态学处理的二元联合变换相关器算法,通过对高相似基本形状圆和八角形的计算机模拟识别,取得了明显的效果。     

基于纹理指纹的恶意代码变种检测方法研究

提出一种基于纹理指纹的恶意代码特征提取及检测方法,通过结合图像分析技术与恶意代码变种检测技术,将恶意代码映射为无压缩灰阶图片,基于纹理分割算法对图片进行分块,使用灰阶共生矩阵算法提取各个分块的纹理特征,并将这些纹理特征作为恶意代码的纹理指纹;然后,根据样本的纹理指纹,建立纹理指纹索引结构;检测阶段通过恶意代码纹理指纹块生成策略,采用加权综合多分段纹理指纹相似性匹配方法检测恶意代码变种和未知恶意代码;在此基础上,实现恶意代码的纹理指纹提取及检测原型系统。通过对6种恶意代码样本数据集的分析和检测,完成了对该系统的实验验证。实验结果表明,基于上述方法提取的特征具有检测速度快、精度高等特点,并且对恶意代码变种具有较好的识别能力。     

视频图像中的运动目标检测

运动目标检测,是指从视频图像中将运动变化区域提取出来的检测技术,是图像处理技术的基础。在军事公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足,本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分,对3个差分图像取均值,二值化,再经过形态学处理,并对中间帧进行Canny边缘提取,将二者进行"与"运算,即得到运动目标的边缘,用背景减法提取中间帧的前景,二值化,将其和目标的边缘进行"或"运算,经过形态学处理便可得到运动目标。实验结果表明,使用该方法目标检出率提高了9.7%~72.1%,误检率降低了0.090%~2.900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。     

基于流域分割的医学图像伪彩色处理

当前,多数医学图像属于灰度图像,其对人眼的视觉效果不如彩色图像。为了提高图像的分辨率,根据人眼的视觉特点,采用灰度级——彩色变换方法,结合基于流域法的医学图像分割,实现灰度图像变为伪彩色图像。这里将流域分割技术与图像伪彩色处理技术结合应用在医学图像中,实验结果表明了该图像增强方法的有效性。该方法在图像的灰度范围变化时具有很好的适应性,并可突出显示出感兴趣的特定器官组织。     

基于光学联合变换相关的指纹识别算法研究

利用光学联合变换相关器(JTC) ,通过对参考图像和待识别图像作相关运算,观察相关平面是否出现相关峰,从而推断两图像的相似程度。和一般的基于细节匹配的指纹识别算法不同,基于光学联合变换相关的指纹识别算法利用了指纹图像的整体特征,因而对破损指纹图像具有较高的识别准确性,通过对指纹数据库中多幅指纹图像的识别结果验证了该算法的可行性。     

基于海明校验优化二值编码的联合变换相关器加密系统

针对基于灰度图像二值编码的联合变换相关器(JTC)加密系统抗饱和噪音干扰能力差、解密图像质量有限的问题,提出了一种基于海明校验的灰度图像二值编码优化方法,并利用该方法设计了基于海明校验优化二值编码的JTC加密系统。该加密系统利用海明校验在解码过程中对因饱和噪音产生的错误进行纠正,从而有效消除了解密图像中的饱和噪音,提高了解密图像质量。加、解密仿真结果表明,海明校验优化后,解密图像与原始图像的相关系数(CC)由0.8237提高到0.9383,解密图像质量显著提高。     

Perceptual similarity between color images using fuzzy metrics

In many applications of the computer vision field measuring the similarity between (color) images is of paramount importance. However, the commonly used pixelwise similarity measures such as Mean Absolute Error, Peak Signal to Noise Ratio, Mean Squared Error or Normalized Color Difference do not match well with perceptual similarity. Recently, it has been proposed a method for gray-scale image similarity that correlates quite well with the perceptual similarity and it has been extended to color images. In this paper we use the basic ideas in this recent work to propose an alternative method based on fuzzy metrics for perceptual color image similarity. Experimental results employing a survey of observations show that the global performance of our proposal is competitive with best state of the art methods and that it shows some advantages in performance for images with low correlation among some image channels.     

Nonlinear filtering approach to 3-D gray-scale image interpolation

Three-dimensional (3-D) images are now common in radiology. A 3-D image is formed by stacking a contiguous sequence of two-dimensional cross-sectional images, or slices. Typically, the spacing between known slices is greater than the spacing between known points on a slice. Many visualization and image-analysis tasks, however, require the 3-D image to have equal sample spacing in all directions. To meet this requirement, one applies an interpolation technique to the known 3-D image to generate a new uniformly sampled 3-D image. The authors propose a nonlinear-filter-based approach to gray-scale interpolation of 3-D images. The method, referred to as column-fitting interpolation, is reminiscent of the maximum-homogeneity filter used for image enhancement. The authors also draw upon the paradigm of relaxation labeling to devise an improved column-fitting interpolator. Both methods are typically more effective than traditional gray-scale interpolation techniques.