基于方向场特征的指纹图像奇异点检测

1　引言指纹是指端表面的纹路结构,由于具有不变性、唯一性以及易于采集的特性,指纹识别已经成为生物鉴定学的一个重要方面.指纹识别通常包括以下几个阶段:分割、图像增强、分类、细节提取以及匹配[1].在所有的处理过程中,一个有效的分类算法是至关重要的.奇异点数目的多少以及奇异点之间的相对位置关系,是指纹分类的重要依据之一.指纹的奇异点检测已经有很多种方法[2～4],这些方法要么不具有平移、旋转不变性,要么方法的精度和可靠性比较差.本文提出一种新的奇异点检测方法,利用指纹的方向场在奇异点附近的变化比较剧烈,而在其他地方的变化…     

基于方向场特征的指纹图像中心点检测

本文实现了基于指纹方向场特征指纹图像中心点检测的两种算法,对传统的Poincare索引值奇异点检测算法进行改进,并提出了一种基于8×8及16×16块区域平均方向差异中心点检测算法.两种算法提取的结果图中的伪中心点均能采用较简单的方法去除,能确保中心点(斗形指纹为上中心点)提取结果的有效性.     

偏微分方程约束的基于模块的图像修复模型

为了对大规模目标区域的图像进行修复,提出了一种既能保持线性特征和纹理信息,又能应用于大规模目标区域的基于模块的图像修复模型。该模型首先使用像素切向等照度线强度约束修复优先级,由于切向等照度线方程在图像边缘宽度约束下扩散,因此具有很好的线性特征保持性能。这种扩散具备形态学不变性,可修复自然场景图像;然后采用Euclidean距离计算模块相似度,并加入偏微分方程约束,使得线性特征位置的像素点在匹配中影响较大;使用散度约束下总体变分插值法对修复结果进行无接缝效应处理,使得最终修复结果平滑;最后扩展模型相似度函数,使目标区域可被修复为指定的纹理特征。理论和实验结果证明该模型在图像修复中是有效的。     

基于偏微分方程的医学超声图像降噪研究

提出一种将图像分解和几何分析相结合的算法去除超声图像中的斑点噪声。针对超声图像的斑点噪声为乘性噪声特性,将经典的ROF图像分解模型引入到适合于受乘性噪声污染的图像分解。超声图像经模型分解为轮廓部分、细节部分和噪声部分,然后对分解后的差值图像进行Ridgelet降噪,由于Ridgelet降噪克服传统小波分析方向性上的不敏感的缺点,能很好地保持图像边缘。处理后得到的图像无论是在斑点噪声去除、细节保护方面都优于传统的非线性滤波器和小波分析方法。实验表明,算法是完全可行和有效的。     

基于偏微分方程的图像处理——图像的加密及图像膨胀

图像加密处理技术是各种鱼图像相关技术的总称。对于大多数图像技术处理工作者来说,他们在处理图像信息中都是通过数字图像处理技术和和电子辅助设备相互结合运行来完成的。在很多领域都在利用图像处理技术来变换,增强或者表达描述目标的提取和测量。随着计算机科学技术的不断发展,3D场景建模,数据库建立以及相关图像分割技术都在不断的飞速发展,除此之外,图像加密处理技术还可以完成上述的制作和硬件设计。     

基于偏微分方程的图像平滑处理技术

传统的图像平滑方法在去除噪声的同时往往会破坏边缘、线务、纹理等图像特征,而基于偏微分方程(PDE)的各向异性扩散算法在抑制噪声的同时能够保持这些特征。研究基于PDE的图像去噪平滑算法并对PDE算法的不足作出改进,将其用于图像去噪处理效果非常理想,并在精密光学元件表面疵病识别的实验中取得较好的效果。     

图像放大的偏微分方程方法

在分析一些常见的图像放大方法的基础上,根据图像像素值特点及近期偏微分方程在图像处理中的应用,将图像的像素值看作是平面物体的温度;利用偏微分方程理论中的热传导数学模型,提出了基于一种新颖的热传导方程初边值问题的图像放大法;并根据其物理意义,设计相应的差分算法．实验证明,这是一种有效的图像放大方法．     

一种新的基于偏微分方程的图像修复

图像的修复是图像处理中一个重要的部分,主要是利用一定的方法针对产生划痕和有缺损的图像进行修复,或者从图像中去除指定的物体和文字,以达到特定的目的。该文比较了CDD图像修复模型和快速图像修复模型的性能。它们都满足“连接整体性准则”,对于具有较大破损区域及细小边缘的图像具有良好的修复能力。但是前者修复速度较慢,而后者可以克服CDD修复速度较慢的缺点。实验结果表明,该模型在保证与CDD模型相近修复质量的情况下可以大幅度地提高修复速度。     

一种基于偏微分方程的图像平滑技术

图像平滑是大多数图像分析和计算机视觉问题中必需的环节。文中探讨了噪声图像的噪声抑制方法,利用了基于偏微分方程的平滑技术。该方法的优点在于可以在消除噪声的同时有效地保持空间分辨率。最后采用数据验证了方法的有效性。     

基于四阶偏微分方程的卡通—纹理图像分解方法

Luminita A.Vese和Stanley J.Osher的卡通-纹理分解模型能有效地将一幅含纹理的图像分解成卡通部分和纹理部分,但是在正则化过程中容易产生阶梯现象,使得图像分解不准确。针对此问题,在Vese-Osher分解模型的基础上,用四阶范数来代替二阶的TV范数,构造新的分解模型。实验结果表明,该模型克服了阶梯现象,使得图像分解更准确,卡通图像能保持较好的光滑性和较清晰的边缘,纹理图像更清晰、准确。     

基于偏微分方程的变分去噪模型

针对现有去除图像乘性噪声的变分模型的保真项中存在病态条件的问题,结合全变分方法和对数变换的相关理论对保真项进行分析,提出一种新的基于偏微分方程(PDE)的去除图像乘性噪声的变分模型,导出了该模型对应的偏微分方程初边值问题,并给出了相应的数值计算方法。从数值实验结果可以看出,所提模型的均方误差(MSE)明显下降,峰值信噪比(PSNR)明显提升,同时很好地避免了模型的病态情形,对去除图像乘性噪声的变分模型中保真项存在的病态条件提供了很好的解决办法,减小了离散化过程中可能存在的误差。数值实验结果表明,所提模型具有良好的去噪效果,能够较好地抑制图像中的“阶梯效应”现象。     

基于小波变换与偏微分方程的图像分解及边缘检测

针对含纹理的自然图像在图像分解时,结构图像的边缘信息容易被当作纹理分解到纹理图像中,致使结构图像的边缘不清晰,检测到的边缘不准确,提出了基于小波分解的偏微分方程(PDE)图像分解及边缘检测模型。首先利用小波变换阈值提取部分纹理信息,再利用改进的保边缘的偏微分方程图像分解模型进一步分解图像并提取边缘。实验结果表明,新方法提高了图像分解的质量,纹理信息提取充分,结构图像有较好的分片光滑性和较清晰的边缘,检测到的结构边缘更准确。     

基于偏微分方程和Gabor算法的图像细节特征保护方法

传统的数字图像恢复算法在图像恢复过程中会抹掉图像的局部特征如纹理或者细节特征,从而可能降低图像的可读性和可理解性。利用偏微分方程( PDE)和Gabor( PG算法)结合运用于图像恢复,不但能保护图像的边缘细节,而且还能有效地保护图像的局部特征,如纹理、有意义的小细节等反映图像重要信息的特征。将Gabor过滤器的图像特征识别特性融入PDE的图像恢复算法之中,对图像细节特征进行加权保护,再利用较简洁的基于局部能量残余的图像分区机制来控制图像光滑的强度,从而有效地解决传统PDE算法的“盲目性”。     

自适应模型的水平集图像分割方法

水平集广泛应用于图像分割。给出基于传统C-V和GAC模型的水平集方法,在此基础上,介绍了一种结合C-V模型和GAC模型并根据图像特征选择性融入图像局部信息的自适应模型的水平集分割方法。通过实例分析,证明了该方法对分割弱边缘和灰度渐进的图像是有效的,并且抗噪声性能较好。     

一种基于偏微分方程的图像复原新模型

首先基于偏微分方程（PDE）提出一个描述图像复原的泛函,并推导出新的PDE图像复原模型,该模型不仅复原效果良好,而且能较好地保持图像的特征。与其他经典的复原方法相比较,新模型具有理论上的优势;其次,有效地解决了保持图像边缘特征和图像的过度平滑这对矛盾。实验表明,给出的新模型既能较好地复原图像,又能很好地保持图像的边缘特征。     

基于纹理方向的图像修复算法

在使用基于样本的纹理合成技术的图像修复算法中,搜索纹理的匹配块时,利用纹理的方向特性,可以将搜索过程约束到沿着纹理的方向进行。在Criminisi A的算法基础上,加入了确定纹理方向过程,优化了纹理块的优先权和大小的计算方法。实验结果表明,该方法在处理强方向性的纹理图像的修复时有很好的效果,明显地提高了计算效率。     

基于四阶偏微分方程的光滑曲面重构方法

常用的基于散点的曲面重构方法如克里金插值法、样条曲面拟合法等存在计算量大、重构曲面不光滑或无法插值已知散点等问题。为此,提出一种基于四阶偏微分方程的曲面重构方法。该方法首先选择一个四阶偏微分方程,并对其构建差分格式,进而分析该差分格式的稳定性和收敛性。在稳定性和收敛性条件下,采用演化的思想,通过有限差分法迭代求解偏微分方程的数值解,并将其稳态解作为原始曲面的逼近。以地质勘探中实际测井数据为例,采用偏微分方程曲面造型方法重构地质曲面,结果表明,该方法计算简便,构造的曲面具有自然光顺性且可以插值于已知散点。     

基于K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。     

改进的指纹图像方向图求取方法

为提高指纹图像方向图的准确性,提出了一种传统的指纹图像方向图求取算法－离散方向采样法的改进方法。该方法在原有采样模板的基础上,综合考虑中心像素点外的各层数据,给出了改进的采样模板。实验结果表明该方法比传统的离散方向采样法和灰度梯度法得到的指纹图像方向图更加准确。     

基于拉普拉斯算子和图像修补的图像去噪算法

通过分析偏微分方程(PDE),设计了基于拉普拉斯算子和图像修补的图像去噪算法用于处理被噪声污染的图像：ROF调和拉普拉斯(RHL)算法和ROF调和修补(RHI)算法。通过分析图像的局部特征,结合ROF模型在处理图像时具有边缘保护能力,调和模型在处理图像平滑区域时能够避免产生“阶梯效应”和拉普拉斯算子具有增强细节信息的特点,设计了RHL算法;在RHL算法的基础上,结合基于PDE的图像修补模型设计了RHI算法。实验结果表明,设计的RHL算法和RHI算法既克服了ROF模型、调和模型在去除图像噪声时的缺点,又结合了两者的优点,与其他基于PDE的算法相比,在去除图像噪声、处理图像平滑区域、保持图像边缘细节信息方面都有较好的性能。