基于超像素切片重构的模糊图像融合跟踪

为了提高模糊运动图像的跟踪识别能力,提出了一种基于超像素切片重构的模糊图像融合跟踪算法.首先,对采集的原始模糊运动图像进行向量量化特征分解,结合灰度流形分割技术进行模糊运动图像的边缘轮廓特征提取,采用自适应模板匹配方法进行模糊图像的灰度直方图重建,得到模糊图像的动态局部特征量.然后,采用RGB分解方法提取模糊图像的超像素切片,对超像素切片特征量在仿射不变子空间中进行量化重构,根据重构结果实现模糊图像的融合跟踪和自动识别.最后进行仿真实验,结果表明采用该方法进行模糊运动图像跟踪识别的自适应性较好,帧匹配能力较强,提高了模糊运动图像的跟踪识别性能.     

乡村居住环境生态绿植景观智能规划系统设计

为了提高乡村居住环境中生态绿植景观的规划能力,提出基于视觉特征重构的乡村居住环境中生态绿植景观智能规划设计方法,先对生态绿植景观智能规划的原理进行分析,再采用视觉特征重构方法进行绿植景观图像采集,对采集后的图像进行边缘轮廓特征提取,采用颜色分量融合方法进行绿植景观图像的信息增强处理,给出多分辨景观图像的直觉模糊度集,采用模糊信息聚类方法计算景观的智能规划结果。结合嵌入式ARM技术开发景观智能规划软件,实现景观的智能规划。仿真结果表明,该系统对生态绿植景观进行规划设计较为智能,自动规划能力较强。     

植物景观三维图像边缘锐化方法

针对当前植物景观三维图像表面点自相似性系数较低,边缘锐化效果较差的问题,提出基于色调映射和颜色特征分解的植物景观三维图像边缘锐化方法.采用稀疏线性组合方法进行植物景观三维图像的边缘轮廓特征分解,提取植物景观三维图像的边缘分块特征量;根据植物景观的表面点、细节区域进行植物景观图像超分辨率重构和模板匹配,重建植物景观图像的整体直方图分布模型,采用色调映射和颜色特征分解方法,获得植物景观三维图像边缘锐化表面点自相似性系数.仿真结果表明,该方法获得的自相似性系数较高.     

植物景观三维图像边缘锐化方法

针对当前植物景观三维图像表面点自相似性系数较低,边缘锐化效果较差的问题,提出基于色调映射和颜色特征分解的植物景观三维图像边缘锐化方法.采用稀疏线性组合方法进行植物景观三维图像的边缘轮廓特征分解,提取植物景观三维图像的边缘分块特征量;根据植物景观的表面点、细节区域进行植物景观图像超分辨率重构和模板匹配,重建植物景观图像的整体直方图分布模型,采用色调映射和颜色特征分解方法,获得植物景观三维图像边缘锐化表面点自相似性系数.仿真结果表明,该方法获得的自相似性系数较高.     

基于双目视觉的显著性区域检测

针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法. 采用简单线性迭代聚类（SLIC）方法对图像进行超像素分割,将生成的超像素区域进行合并.通过计算各区域在左右视图的相对移动距离获取物体深度信息,以区域为单位分别计算颜色对比度及深度对比度,进行合成得到区域的显著性值.结果表明,生成的显著性图轮廓清晰,边缘锐利,同等条件下近处及深度变化显著的区域能够获得更高的显著性.该方法符合人类视觉感知特征,适用于移动机器人障碍物检测及场景识别.     

自适应分块压缩感知的图像压缩算法

均匀分块压缩感知对图像信号进行压缩采样,无法有效地分离出重要区域和背景区域．为此, 给出一种基于图像内容的自适应分块算法,以图像内相邻像素间的灰度差值作为块大小分割的依 据,利用四叉树算法进行图像自适应块大小的划分;并将分块结果根据相邻像素ＤＣＴ系数的差值 大小分成快速变化块、缓慢变化块和过渡块３类,适时分配相应采样率．实验结果表明：给出的算法 对仿真实验选取的图像重构质量高于均匀分块方法１～３ｄＢ,且重构时间减少２０～４０ｍｓ;在重构 质量近似的情况下,重构时间比基于图像块像素方差的块分类方法减少４０～６０ｍｓ．     

基于 CPV 理论的模板生成与搜索策略优化方法及其应用

在计算机泛视觉体系下,将检测产品的ＣＡＤ设计模型作为非视觉辅助信息引入视觉检测的模板匹配方法中,通过被检测对象的ＣＡＤ设计模型提取相应的先验信息,自动生成图象检测匹配模板,并基于模板图形特征,优化搜索和匹配顺序,以减少匹配过程中的计算量。     

融合梯度密度的点线视觉SLAM算法改进

针对视觉同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)方法在相机快速运动中容易导致图像模糊,以及在稠密场景中线特征提取易造成信息冗余等问题,提出一种融合梯度密度的点线视觉SLAM算法改进。该算法首先利用前后图像帧之间特征点数量信息对模糊图像进行筛选,并使用高斯模糊进行优化处理,得到匹配效果更佳的图像帧。然后利用点特征信息判断是否引入线特征,并引入图像像素梯度密度对LSD(Line Segment Detection)线特征进行多维优化,提取出稳定线特征以提高后续匹配质量。最后结合点线特征误差构建误差函数,最小化投影误差提高位姿估计精度。算法在TUM数据集下进行测试,实验结果表明本算法可以有效提升特征提取的稳健性,进而提高相机位姿估计与建图的精度。     

基于注意力残差卷积网络的视频超分辨率重构

目前卷积神经网络已经成为视频超分辨率重构的主流方法。针对目前方法存在着细节信息恢复效果不理想、感知质量差的缺点,提出了一种结合注意力机制的残差卷积网络。通过一维通道注意力与二维空间注意力增强目标物体特征映射,完善重构图像的细节信息,并为单一像素计算一维分离卷积核,显著减少网络计算负担。采用特征损失与像素损失组合函数来训练神经网络以产生高质量的视频帧。实验结果表明,通过PSNR,SSIM和感知距离将所提模型与当前最先进的模型进行比较,该模型能够获得最优的感知距离,重构图像拥有较高的感知质量。     

一种基于最大区域熵值的图像融合方法

针对图像融合中不同区域在融合中的不同作用,给出了图像区域熵的概念,在此基础上提出了一种基于最大区域熵值的图像融合方法.首先对参加融合的两幅图像进行分块处理,然后分别计算出对应区域熵的大小,最后选取区域块中熵值较大者作为融合结果.试验结果表明,与现有的基于像素规则融合方法相比,能更好地突出不同图像的区域特征,减少冗余信息,从而取得了更好的融合效果.     

纹理掩蔽特性在水印技术中的应用

为了提高图像版权保护与信息跟踪的可靠性,提出了一种基于最小二乘支持向量机的纹理掩蔽特性数字水印技术. 图像区域子块的纹理越复杂,人眼可感知的视觉门限就越高;对于边缘区域,该视觉门限最高,在特征区域中可以选择这些位置作为水印的嵌入点. 根据图像子块邻域像素间的相关性原理,使用最小二乘支持向量机建立起邻域像素之间的关系模型,动态地调整模型的输出值同中心像素值的大小关系,实现水印信息的嵌入与提取. 同时,用粒子群算法来优化水印信息的嵌入强度. 实验表明,嵌入水印后的图像不仅有着很好的隐蔽性和较强的稳健性,对联合图像专家小组压缩、几何剪切、放缩等一般的图像处理操作,有着较强的抵抗力,同时实时性、安全性都比较强.     

基于新颖相似度的视觉跟踪算法

模板匹配是视觉跟踪领域中的重要环节.以粒子滤波为跟踪框架,提出了一种新颖的模板匹配的统计特征相似性指标,引进了加权因子有效抑制目标边界噪声干扰和匹配区域背景成分的影响,同时突出了目标特征的权重.由于完全不同模板图像统计特征也会存在交集,导致相似性偏差,所以融合基于HSV颜色空间的相似度能够修正偏差,改善匹配函数峰值特性,使得搜索目标得到全局最优解,最终实现鲁棒跟踪.实验结果表明,模板匹配具有良好的峰值特性,算法在跟踪目标存在变形、噪声、遮挡时也可以达到比较理想的跟踪效果.     

子区域视觉短语稀疏编码的图像检索

针对BOVW模型忽略图像特征空间排列导致量化误差较大的缺点,利用角点和特征点对图像进行区域分割,结合区域的空间排列信息,提出一种多通道融合的图像检索方法。其主要思想是将子区域编码和特征空间排列直方图结合组建视觉短语,这种构造方式在减少编码误差的同时还能更好地保留局部空间信息。首先,利用稀疏编码保留局部信息的高效性对提取的子区域进行编码;其次,利用特征的空间位置关系,计算子区域内的特征空间排列直方图;利用区域编码和特征排列直方图构建视觉短语;最后,结合BOVW模型的鲁棒性,统计视觉短语直方图用于图像检索。实验结果表明,该检索方法不仅比BOVW和SPMBOVM有更好的检索准确率,而且其编码过程稳定,误差较小。     

视觉传达约束下三维图像虚拟重建

针对在三维成像的虚拟重建过程中,以真实性为目标函数忽略了视觉传达需求下差异度重要性的问题,本文以视觉传达为约束条件,设计三维图像虚拟重建方法。通过将视觉传达中的差异度作为约束条件,采用视觉传达差异度的属性设计碰撞匹配重构算法,利用差异度阈值引起的区域碰撞,对三维图像进行重建。研究证明：所设计方法虚拟重建后的三维图像清晰度、边缘细节较为好,呈现的视觉传达效果较好。能够有效避免由于像素丢失造成的像素提取过程内存在不稳定状态或者呈现的不明显因素。     

视觉特征深度融合的图像质量评价

针对当前视觉感知特性研究和图像特征评价算法的不足,通过构建视觉多通道神经网络融合预测模型,提出一种视觉特征深度融合的图像质量评价方法. 首先,结合人类视觉系统特性设计直方图统计和奇异值分解2个互补视觉评价算法,进一步对图像各视觉通道的稀疏化梯度信息进行深度处理. 其次,构建BP神经网络融合模型,对各层视觉特征的多通道评价融合分别进行预测. 最后,对3层视觉特征评价从内层到外层逐层地进行深度自适应融合. 实验结果表明,所构建的融合模型有效提高了各种评价算法的指标水平,所提方法优于已有方法.     

基于分块旋转的加密图像可逆信息隐藏算法

结合加密技术和信息隐藏理论,提出了一种新的加密图像可逆信息隐藏算法.首先用加密密钥对图像进行加密,然后将图像分块并随机生成模板矩阵,模板矩阵通过旋转不同的角度对应不同形态的嵌入数据,以实现信息隐藏功能,同时在嵌入容量上得到提升.对包含额外信息的加密图像,先用加密密钥对图像进行解密,得到一幅与原始图像近似的解密图像,针对现有算法未考虑边界像素对分块空间相关性的贡献,设计了更合理的波动函数,从而降低了提取额外信息的错误率并完整恢复原始图像.实验结果表明,该算法在嵌入容量和降低错误率方面均有较好的提升.     

基于视觉评价模型的色域匹配算法

针对跨设备再现色彩时色域不匹配的问题,提出一种符合视觉感知的色域匹配算法．首先基于色域匹配的主观评价定义了一种视觉评价模型,并验证了它与主观评价结果的一致性;然后以该模型为指导,考虑图像的色彩和空间统计特征,采取分治策略并构造匹配融合模型实现色域映射．实验表明该算法获得的图像匹配结果较传统算法在颜色相似度和细节保持方面均有明显的提高．     

基于云计算的实验室多类别信息智能整合系统设计

为了提高实验室多类别信息的实时检索分类整合能力,提出基于云计算的实验室多类别信息智能整合方法,并进行实验室多类别信息整合系统设计,采用射频标签识别技术进行实验室多类别信息的智能采集,提取实验室多类别信息的统计特征量和关联规则特征量,采用分块区域融合和特征匹配方法实现实验室多类别信息的大数据融合和云计算处理,采用语义本体映射和模糊调度方法,进行实验室多类别信息的自适应整合和大数据集成处理,在云计算环境中,实现对实验室多类别信息的智能整合和空间区域规划设计,提高实验室多类别信息的采样、检索和分类识别能力。仿真结果表明,采用该方法进行实验室多类别信息智能整合的融合度较高,对实验室数据的分类性较好。     

基于k-mask的超连通理论及应用

为了综合利用目标的多种信息进行融合,增强滤波效果,提出了一种新的基于k-mask的超连通类。通过不同的通道信息和约束条件得到连通掩模图、模板图,由连通掩模图与模板图相交部分的面积信息重新标识模板图中的连通成分,经过选择和聚类形成新的连通空间。根据基于k-mask超连通类的定义设计二值超连通开算子和超连通重构算子,并将其分别应用于字符区域的标识和遥感图像主干道路的提取。实验表明,通过灵活选择连通掩模,融合图像多梯度信息、颜色信息和多通道信息,有效地改善了传统开算子和重构算子的滤波性能。     

基于κ-mask的超连通理论及应用

为了综合利用目标的多种信息进行融合,增强滤波效果,提出了一种新的基于k-mask的超连通类。通过不同的通道信息和约束条件得到连通掩模图、模板图,由连通掩模图与模板图相交部分的面积信息重新标识模板图中的连通成分,经过选择和聚类形成新的连通空间。根据基于k-mask超连通类的定义设计二值超连通开算子和超连通重构算子,并将其分别应用于字符区域的标识和遥感图像主干道路的提取。实验表明,通过灵活选择连通掩模,融合图像多梯度信息、颜色信息和多通道信息,有效地改善了传统开算子和重构算子的滤波性能。