基于多尺度曲波变换的路面裂缝融合算法

针对模糊、不连续的路面裂缝病害图像,提出一种新颖的图像处理算法进行裂缝病害的提取。将采集的路面病害图像进行对比度增强、Canny-HBT（双曲正切）滤波去噪、亮度非均匀校正等一系列预处理操作,以提高图像中裂缝与路面背景的差异;对预处理后的路面病害图像进行多尺度的曲波变换表示,并在图像重构前利用Max-Mean混合的融合算法对裂缝连通区域进行阈值判决实现裂缝的精细融合;实验表明,该算法能更好地优化边缘定位,有效地提取弱对比度的裂缝和细小裂缝,提高了路面裂缝边缘检测的可靠性和精度,同时也提高了PSNR值。     

基于改进K-means算法的不均匀光照下道路裂缝检测

传统的基于K-means聚类算法由于仅考虑裂缝像素值大小,导致了不均匀光照下的路面裂缝提取不精确。为提高不均匀光照下道路裂缝检测的效率和准确性,提出一种改进的K-means聚类算法与区域生长法结合的道路裂缝图像检测算法。该算法首先运用改进的K-means聚类算法对不均匀光照下的路面裂缝进行粗定位;然后采用区域生长法对粗定位的裂缝图像进行准确提取;最后采用形态学算法进行优化处理以提升裂缝分割效果。该算法把路面裂缝位置信息加入到聚类算法中,并结合裂缝的像素值来综合判断裂缝区域,从而克服了图像采集过程中由于光照不均或物体表面反光等原因造成的裂缝信息识读困难的问题。实验结果表明,与传统K-means算法相比,该方法对光照不均的路面裂缝提取在处理效果和性能方面均有明显提升,同时抑制了噪声的干扰,为路面裂缝参数的提取及病害程度的定性分析奠定了基础。     

基于分组行进算法的图像修补方法

图像修补是图像恢复研究中的一个重要内容,它的目的是根据图像的现有信息来自动恢复丢失的信息。虽然图像修补的基本思想十分简单,但是许多的图像修补算法都十分复杂,而且难于实现。快速行进算法(FMM)与水平集法(Level Set)相结合进行曲线进化是一种高效的曲线进化算法,该算法的时间复杂度是O(NlbN)。Kim提出了另一种水平集的曲线进化算法——分组行进算法(GMM),该算法的时间复杂度是O(N)。受其启发,为了更快地进行图像修补,提出了一种基于GMM算法的图像修补的新算法,并研究了对GMM算法的细节改进。为了验证算法的快速性,还给出了使用Bertalmio提出的算法、Telea提出的算法以及新算法对同一幅图片进行修补的实验结果。通过比较发现,该新算法在大幅度提高修补速度的同时,仍能保持较好的修补效果。     

基于图像内容的沥青路面病害区域分割算法

针对CCD采集的沥青路面病害图像分辨率过高且含信息的有效区域占比少的问题,提出一种基于图像内容的沥青路面病害图像区域分割算法,以剔除路面图像中的无效区域.首先通过预处理和病害提取过程将原图像处理成包含病害特征的二值图像;然后通过计算整幅图像中含信息像素的上下比和左右比,得到初始化遍历方向,并统计各行（或列）的含信息像素总数;最后从初始化遍历方向开始遍历并丢弃含信息量最少的行（或列）,最终得到分割后的图像.为验证算法的有效性与合理性,采用图像信息熵作为算法评价标准与传统算法进行对比分析.实验结果表明：本文算法在有效降低图像分辨率的前提下能很好的保留病害目标信息,提升图像信息熵.     

一种高分辨率遥感图像中居民区道路提取方法

针对在遥感图像中提取居民区道路易受房屋等人工建筑干扰的问题,基于数学形态学提出了一种可以去除大量建筑物干扰,从而有效提取出居民区道路的算法.算法首先用顶帽变换和底帽变换对灰度图像进行了对比度争强,然后利用道路和建筑物之间的形态梯度以及道路特征对道路和建筑物进行分离,最后利用形态重建的方法得到了居民区道路网.仿真实验表明,区域中的大部分建筑物噪声被成功去除,算法是有效和可行的.     

一种SPOT图像公路信息全自动提取新方法

提出了一种基于模糊连接度的SPOT图像公路信息全自动提取算法。该方法首先运用Sobel算子对SPOT图像进行边缘检测,然后使用阈值优化道路边缘点从中选取出道路种子点,接着通过计算图像中各点与种子点间模糊相似程度来提取道路信息,最后进行进一步完善处理。实验表明,该方法性能良好,在整个提取过程中不需要人工输入种子点,可以快速地实现道路特征的全自动提取。     

公路视觉导航中道路图像的阈值分割

在公路视觉导航中,分割道路图像的分道线与路面是至关重要。在采用传统最优阈值分割算法时,因道路图像远处与近处的对比度存在差异,易导致不完全分割。为了解决上述问题,针对道路图像的特性提出了逐行最优阈值分割思想。该文通过对大量视频图像的道路与分道线特点进行统计,并结合公路视觉导航中图像的序列性,对逐行最优阈值分割进行了改进以提高实时性,提出了一种新的基于视频流的多阈值分割算法。通过对三种方法对比试验,表明该方法有很好的实时性、有效性和自适应性。     

基于区域生长型分水岭算法的卫星图像道路提取方法

针对卫星图像中道路的基本特征以及道路信息提取的难点,提出了一种基于区域生长型分水岭算法的卫星图像主干道路提取方法.该方法首先运用高通滤波器对原始图像进行去噪和平滑,然后采用区域生长型分水岭算法提取道路信息,最后用目标面积特征将误提的小斑点去除.实验结果表明,该方法性能良好,可以取得很好的效果.     

一种自适应的区域生长算法用于道路分割

针对汽车在高速公路上行驶的道路区域分割问题,以路面颜色特征为研究对象,提出了一种将聚类分析应用于区域生长准则的算法,实现道路分割.为了提高算法的精确度,对图像进行预处理,消除车道线对道路分割的干扰.根据图像预处理之后道路信息分布的特点,将图像分为3块子区域分别用不同的算法进行检测.对于道路信息丰富,非道路信息也较多的中...     

基于密集神经网络的灰度图像着色算法

针对在灰度图像着色领域中，传统算法信息提取率不高、着色效果不理想的问题，提出了基于密集神经网络的灰度图像着色算法，以实现改善着色效果，让人眼更好地观察图片信息的目的。利用密集神经网络的信息提取高效性，构建并训练了一个端到端的深度学习模型，对图像中的各类信息及特征进行提取。训练网络时与原图像进行对比，以逐渐减小网络输出结果的信息、分类等各类型的损失。训练完成后，只需向网络输入一张灰度图片，即可生成一张颜色饱满、鲜明逼真的彩色图片。实验结果表明，引入密集网络后，可有效改善着色过程中的漏色、细节信息损失、对比度低等问题，所提算法着色效果较基于VGG网络及U-Net、双流网络结构、残差网络（ResNet）等性能优异的先进着色算法而言取得了显著的改进。     

基于灰度极小值的路面裂缝检测算法

为提高路面裂缝检测的识别准确率、提高检测效率和降低检测成本,提出一种基于灰度极小值的路面裂缝检测算法。算法在不对路面灰度图像做任何预处理和标注训练的前提下,依据路面裂缝灰度极小值直方图提取不同对比度的裂缝特征;根据不同对比度裂缝的灰度空间分布特点,设计不同对比度裂缝多方向激活重构算法;依据裂缝的线性特点设计伪裂缝去除算法,在保留裂缝细节信息的前提下去除伪裂缝。在公共数据集上进行测试,结果表明算法能够检测不同类型的路面裂缝,具有一定的实际应用价值。     

结合NSCT和图像形态学的路面裂缝检测

路面图像的复杂性及裂缝信息的弱信号性导致对路面裂缝进行检测非常困难,为此提出一种基于非下采样contourlet变换(NSCT)和图像形态学的路面裂缝检测算法.首先对图像进行NSCT得到不同尺度、不同方向上的变换系数,在NSCT域中根据变换系数自适应地确定阈值,并应用广义非线性增益函数来增强较弱细节的局部对比度;然后对增强处理后的变换系数进行反变换;最后用图像形态学方法和中值滤波实现裂缝检测及孤立噪声点去除.通过对实际的高速路面图像测试表明,与直方图增强、小波变换及contourlet变换相比,该算法能更有效地增强弱对比度的细小裂缝,克服了常规算法易受离散噪声点以及光照条件等干扰的问题,具有较强的鲁棒性且高效实用.     

基于图像显著性的路面裂缝检测

有效的视觉显著性方法能准确快速地帮助人们在大量视觉信息中找到感兴趣的物体.针对实际路面图像噪声成分复杂、覆盖面广的特点,提出一种基于图像显著性的路面裂缝检测算法.该算法对路面裂缝图像分块灰度校正后,根据灰度稀疏性、全局对比度计算粗尺度下的裂缝显著值,然后由裂缝局部亮度、边缘特性、连续性特点进行不断扩张的细尺度的局部邻域显著性增强,再经空间显著性加强后,采用自适应阈值分割提取裂缝.大量的实验结果表明,该算法比传统算法更能正确、有效地检测出裂缝整体区域,抗噪声能力强,漏检率和误检率很低,具有和人类视觉特性相符合的检测结果.     

基于改进图像方向信息测度的表格图像增强算法

提出了基于图像方向信息测度的图像增强算法。算法利用图像方向信息测度,在像素级对图像像素进行分类,然后针对表格图像特性,利用改进的图像方向信息测度,对边缘点进行区域连接,使得边缘点能完全地覆盖图像中的字线和表格边缘;利用得到的边缘信息和平滑信息,对图像进行空域滤波处理,初步增强图像;利用模糊增强算法,对图像进行对比度增强,达到较好的增强效果。实验表明,该算法能有效增强对比度极低的表格图像,使得结果图像有很好的视觉效果。     

基于多尺度形态小波变换的红图增强算法

针对红外图像对比度差、信噪比低的特点,本文将小波分析与数学形态学相结合,提出了一种基于多尺度形态小波变换的红外图像边缘增强算法.该算法首先利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,最后利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制.实验结果表明,该算法有效地保持和增强了边缘信息,得到较好的增强效果.     

基于复数小波变换的边缘保护融合算法

如何保护局部对比度信息是图像融合的关键问题,而图像边缘是基于人类视觉系统(HVS)最敏感的局部对比度信息.基于对偶树复数小波变换(DT-CWT),提出一种保护图像边缘信息的加权系数融合算法.对于低频部分,使用邻域熵极大值准则将系数添加到融合图像中;而对于高频部分,首先分别对各小波子图像进行边缘提取并对其特征增强,接下来使用边缘信息优先的加权系数融合策略进行特征信息融合.实验结果表明,同传统多分辨率图像融合方法相比,能得到更好的融合效果.     

指纹图像的预处理

根据指纹图像的特征提出了合理的假设，并根据假设提出了增强指纹图像对比度的算法，提取指纹有效区域的算法，根据方向信息分割图像的算法以及去除图像中气泡噪声的算法，这些算法处理的效果好，运行速度快，编程简单，有效地解决了指图像的预处理问题。     

改进的灰度校正算法在路面裂缝图像预处理中应用

针对传统的灰度校正算法在对亮度不均匀的路面裂缝图像处理时容易造成边缘模糊,局部对比度得不到增强的问题,本文在传统的快速灰度校正算法基础上,提出了一种改变初始背景图像选取方式以及采取局部对比度增强图像和整体灰度校正图像相互融合的改进型灰度校正算法.实验结果表明,与传统方法相比,改进后的算法对路面裂缝类图像的预处理效果明显增强.     

医学DR图像分割处理过程仿真分析

研究医学DR图像准确分割方法.人体组织的分布特征很难运用准确的数学模型进行描述,由于厚度不均匀,在进行CT图像采集的过程中,图像细节信息会被噪声等不利因素埋没,边缘变得不清晰,对比度降低.传统分割算法主要针对像素的某一个具体特征做出判断,在有噪的环境下,像素提纯受到干扰,很难对非可控信息进行模型控制,导致对医学DR图像的分割效果不好.为了避免上述缺陷,提出了一种人工鱼群算法的医学DR图像分割处理方法.通过对采集的DR图像进行增强处理,提高DR图像的对比度,利用SUSAN算子去除干扰信号,准确计算初始病变区域边界,对边界像素运用人工鱼群方法寻求.实验结果表明,利用改进算法能够有效提高医学DR图像分割的准确性,有利于临床医疗诊断.     

基于小波与数学形态学的道路信息提取

提出了一种基于小波与数学形态学提取道路信息的方法。首先,利用小波多尺度分析对遥感图像进行分解,通过分析小波系数,对各个小波分量进行滤波处理,滤除非道路特征,再进行小波重构,然后对重构图像进行分割,得到包含道路信息的图像。最后应用数学形态学方法,选取合适的结构元素,对图像分割的结果进行形态变换,进一步滤除了非道路信息,完成道路信息提取。通过实验比较证明,该方法比一些典型边缘提取算法更有效、更适合于道路信息的提取。