基于二阶空间直方图的双核跟踪

针对核跟踪算法中的背景信息弃用和空间结构丢失问题,该文提出一种基于二阶空间直方图的双核式目标跟踪算法。该算法以二阶空间直方图为目标表示模型,以相似度和对比度为目标判断准则,来建立全新的目标函数;并依据多变量泰勒展开和目标函数最大化方法,推导出双核式目标位移公式;最后使用均值漂移程序递归地获得了目标的最优位置。通过对各种条件下运动目标的跟踪验证了算法的有效性。     

基于外观统计特征融合的人体目标再识别

人体目标再识别是视频监控等应用的关键问题之一。该文从外观统计特征融合的角度,利用人体的颜色和结构信息,基于空间直方图和区域协方差两种优秀的统计描述方法,研究了再识别问题的特征构建和测度选择等内容。构建特征时从图像多个层次的统计区域中提取了多类互补性较好的统计向量,设计测度时使用了简单的l1距离进行加权组合。两类统计方式融合而成的再识别方法不需要进行预处理和监督性训练过程。该文进行了广泛的实验比较和分析,验证了该文方法优异的识别性能和较强的实用性能。     

基于感知颜色特征、子图像分割和多重Bitmap的彩色图像检索方法

在文献[1]的基础上提出改进,采用能够更准确描述感知颜色联系的HSV颜色空间代替传统的RGB颜色空间;对图像进行空间子图像划分,结合颜色特征与空间信息进行检索;通过提取图像颜色的上均值、下均值,获取多重Bitmap特征,扩展比较图像内容差异时所利用的信息范围.实验结果表明,提出的算法比文献[1]算法的检索性能有明显的改进.     

基于图像信息熵与空间分布熵的彩色图像检索方法

在分析基于颜色直方图及信息熵进行图像检索的基础上,提出了一种改进的基于信息熵的图像检索算法,该方法同以往的基于信息熵的图像检索算法相比具有更强的鲁棒性．同时,文中又提出利用空间分布熵描述图像颜色的空间分布信息,并给出了一种基于图像信息熵与空间分布熵的彩色图像检索算法．试验结果表明,该方法效果良好,大大提高了图像检索的速度．     

Color Texture Segmentation Based on the Modal Energy of Deformable Surfaces

This paper presents a new approach for the segmentation of color textured images, which is based on a novel energy function. The proposed energy function, which expresses the local smoothness of an image area, is derived by exploiting an intermediate step of modal analysis that is utilized in order to describe and analyze the deformations of a 3-D deformable surface model. The external forces that attract the 3-D deformable surface model combine the intensity of the image pixels with the spatial information of local image regions. The proposed image segmentation algorithm has two steps. First, a color quantization scheme, which is based on the node displacements of the deformable surface model, is utilized in order to decrease the number of colors in the image. Then, the proposed energy function is used as a criterion for a region growing algorithm. The final segmentation of the image is derived by a region merge approach. The proposed method was applied to the Berkeley segmentation database. The obtained results show good segmentation robustness, when compared to other state of the art image segmentation algorithms.     

A novel fuzzy clustering algorithm with non local adaptive spatial constraint for image segmentation

Generalized fuzzy c-means clustering algorithm with improved fuzzy partitions (GIFP_FCM) is a novel fuzzy clustering algorithm. However when GIFP_FCM is applied to image segmentation, it is sensitive to noise in the image because of ignoring the spatial information contained in the pixels. In order to solve this problem, a novel fuzzy clustering algorithm with non local adaptive spatial constraint (FCA_NLASC) is proposed in this paper. In the proposed method, a novel non local adaptive spatial constraint term is introduced to modify the objective function of GIFP_FCM. The characteristic of this technique is that the adaptive spatial parameter for each pixel is designed to make the non local spatial information of each pixel playing a different role in guiding the noisy image segmentation. Segmentation experiments on synthetic and real images, especially magnetic resonance (MR) images, are performed to assess the performance of an FCA_NLASC in comparison with GIFP_FCM and fuzzy c-means clustering algorithms with local spatial constraint. Experimental results show that the proposed method is robust to noise in the image and more effective than the comparative algorithms.     

一种基于颜色连通的图像纹理检索新方法

提出并实现一种结合图像颜色连通区域信息及其纹理特征的图像检索新方法.首先提取图像的分块主颜色,根据提出的相关颜色定义,搜索确定图像中的颜色连通区域集.然后,提取图像中各颜色连通区域对应的四种颜色共生矩阵特征,利用针对该特征设计的图像相似性度量函数实现基于内容的图像检索.实验结果表明,该方法能有效结合图像的纹理信息及其颜色构成和分布信息,具有良好的检索效果和性能.     

基于互补空间信息的多目标进化聚类图像分割

现有的多目标进化聚类算法应用于图像分割时,没有考虑图像的任何空间信息,使得该类算法在含噪图像上的分割性能不理想。该文鉴于图像的局部空间信息和非局部空间信息的互补性,试图将这两种空间信息同时引入到聚类有效性函数中,构造了融合互补空间信息的目标函数,进而提出了应用于图像分割的基于互补空间信息的多目标进化聚类算法。该算法采用染色体可变长编码策略在进化过程中自动确定图像分割数目,减少了人为干预。自然图像的分割实验表明,该算法不但能在含噪图像上取得较为满意的分割性能,而且适用于多种类型的含噪图像。     

基于Renyi熵和模糊推理的彩色图像边缘检测

针对有噪情况下提取彩色边缘信息，文章提出了一种基于Renyi熵和模糊逻辑的彩色图像边缘检测方法。利用K-L变换，将彩色图像分割为三个正交彩色特征I^1,I^2，I^3，对含丰富特征的单色图I^1，采用一种基于Renyi熵的模糊推理方法进行边缘提取．将局部边缘信息测度和边缘度作为模糊推理系统的两输入变量，并运用7条模糊规则进行推理，以获得边缘隶属度。实验证明，与常用的边缘提取方法相比，该方法能提取更多的彩色边缘信息并具较好的抗噪性能。     

基于颜色和空间特征的彩色图像获取方法

本文针对基于内容的彩色图像相似性获取问题,提出了一种新的相似性获取方法,它既考虑了颜色内容特征,也包含了图像的空间关系特征.文章设计了无序矩阵来描述图像空间位置的相对关系,这种无序矩阵具有对旋转和平移不变性的特点.在进行图像间相似性测量时,首先用颜色直方图相交法对图像全局颜色分布进行相似性测量,再对得到的候选图像队列用新的算法进行测量,剔除不相似的图像.新的测量算法既考虑了颜色内容的匹配,同时也考虑了空间相似性的因素.用不同类型的图像对这种方法进行实验,其结果表明,它在彩色图像相似性检索时是很有效的,具有较高的检索精度.此外,它在图像发生小的旋转和平移等形变时,表现出较高的可靠性.     

彩色和等色图像的非监督反射分量分离

反射分量分离是计算机视觉和数字图像处理中的一个重要问题。尽管已有很多基于单张图像的反射分量分离方法,但这些方法只能分离图像中彩色区域的反射分量并会在等色区域产生严重的噪声。本文提出一种能够分离图像彩色和等色区域反射分量的方法。彩色和等色区域高光的共同特征是亮度在局部区域中逐渐变化,因此本文算法首先将亮度信息融入传统的无高光图像,提出能够区分不同亮度等色区域的改进的无高光图像;然后提取局部位置空间亮度差异特征和局部颜色空间亮度差异特征,并用K-Means方法检测图像中的镜面反射像素;最后用颜色传递方法估计出漫反射分量,实现漫反射和镜面反射分量的分离。实验结果表明本文算法能够同时有效地分离彩色和等色区域的反射分量。本文算法扩展了反射分量分离方法的应用范围。      

基于颜色直方图的图像检索技术

使用颜色空间分布熵来表示图像的颜色空间分布特征,结合图像的颜色直方图特征,采用加权综合法和比例系数法表示图像的综合特征,设计了基于颜色直方图和图像空间分布熵的图像检索算法.利用查全率和查准率对算法进行了评价.通过实验分析比较可知,所设计的方法具有较好的查准率和查全率.     

基于随机纹理的代价滤波式抠图

该文针对抠图中前背景颜色歧义这一难题,提出快速随机纹理算法来对颜色信息进行有效的补偿,先对原始图像进行稠密抽取得到初始纹理,后经随机投影降维,再根据前背景交叠度选择最优通道生成随机纹理图。结合生成的纹理信息,设计了空间、颜色、纹理联合样本选择指标。接着,综合考虑局部近邻和非局部近邻的作用,对样本选择代价进行滤波。最后论证近邻迭代滤波与全局能量方程平滑的关系,推导了后期迭代平滑公式。实验结果表明,基于随机纹理的代价滤波式抠图在前背景颜色分布近似时,能够取得视觉和定量上更好的结果。     

杜鹃花各生长期识别与监测研究

针对传统BoF算法缺乏空间信息的问题,文中提出一种改进式BoF算法,并将其应用于杜鹃花各生长期识别与病虫害监测问题。该算法在基于LAB的颜色特征中融入有序的空间信息,形成了新的空间颜色聚合特征来代替传统颜色直方图,有效解决了颜色特征变化尺度小的问题。该算法提取SURF特征代替原有的SIFT特征,通过一种多类特征学习算法融合颜色特征和SURF特征实现图像分类,并通过进一步分析叶片特征来快速识别杜鹃花植株的生长期与病害。经过仿真得知,基于LAB的颜色聚合向量的改进式BoF模型识别率达到了90.6%,较传统颜色直方图的图像分类方法图像检索速度增加3倍,更容易实现特征融合。     

基于最小欧氏距离的真彩色夜视光谱划分方法

为了得到忠于人眼视觉特性的真彩色夜视图像，根据典型目标夜间光谱特性以及微光夜视系统的成像模型，基于最小欧氏距离原理，提出了一种三波段真彩色夜视光谱划分方法。设置了实验室场景和室外场景，对本文中提出的光谱划分方法与传统光谱划分方法进行了对比实验，并对得到的真彩色夜视图像细节(空间频率)做了分析。结果表明，相对于原始微光图像，空间频率分别提高了61.2%，52.0%;本文中的方法对于典型目标(绿色草木)具有更好的彩色还原效果; 基于最小欧氏距离的光谱划分方法可将夜间可见光分离为三波段，并可有效利用其光谱信息，得到对于典型目标的具有自然感彩色且较原始微光图像信息量更为丰富的真彩色夜视图像。     

Content-based image retrieval using a fusion of global and local features

Color, texture, and shape act as important information for images in human recognition. For content-based image retrieval, many studies have combined color, texture, and shape features to improve the retrieval performance. However, there have not been many powerful methods for combining all color, texture, and shape features. This study proposes a content-based image retrieval method that uses the combined local and global features of color, texture, and shape. The color features are extracted from the color autocorrelogram; the texture features are extracted from the magnitude of a complete local binary pattern and the Gabor local correlation revealing local image characteristics; and the shape features are extracted from singular value decomposition that reflects global image characteristics. In this work, an experiment is performed to compare the proposed method with those that use our partial features and some existing techniques. The results show an average precision that is 19.60% higher than those of existing methods and 9.09% higher than those of recent ones. In conclusion, our proposed method is superior over other methods in terms of retrieval performance.     

A fast progressive image transmission scheme using block truncation coding by pattern fitting

In this paper, we have proposed a novel progressive image transmission scheme. In the present method, the concept of the BTC-PF is used for faster decoding. Here, images are decomposed into a number of blocks based on smoothness criterion. The smooth blocks are encoded by block means and the others are by BTC-PF method. To encode a block by BTC-PF method, the codebook is organized like a full search progressive transmission tree which helps greatly in efficient progressive transmission. The present method provides good image quality at low bit-rate and faster decoding compared to other spatial domain progressive transmission methods. We extend this method for color images also. In color image coding, each color plane is encoded separately and then the encoded information of the planes are transmitted in interleaving manner to obtain color images right from the early stages.