基于Wallis与距离权重增强的无人机影像拼接缝消除

针对无人机影像拼接缝消除困难的问题,提出了一种基于Wallis匀光和距离权重增强的拼接缝消除算法。首先,应用Wallis匀光消除亮度差异,给出Wallis参数设置方法。然后,提出了一种基于空间相关性的距离权重分配方法,通过增强距离对权重的影响,对拼接缝处的局部纹理错位进行全局优化,起到渐入渐出的平滑过渡效果,消除纹理拼接缝。最后,选取7种不同类型影像对本文方法和其他4种经典算法进行对比,并对8条行带影像进行拼接。实验结果表明：本文算法能高效地消除由于曝光差异与几何变形引起的拼接缝,适用于无人机影像快速处理。     

基于质量评价的无人机航拍图像拼接方法

针对大视差无人机航拍图像拼接中出现的错位、伪影问题,提出一种基于质量评价寻找最佳拼接缝的方法QEB-U。首先通过常规拼接缝估计得到初始拼接缝,然后根据无人机航拍图像的特点,综合考虑结构相似性、色差、纹理复杂度,提出一种新的质量评价函数对拼接缝上的每个像素进行评价,进而根据评价结果更新差异代价,之后再重新估计拼接缝。估计和评价过程重复执行,直到拼接缝趋于稳定则停止迭代,最后通过梯度融合生成最终结果。实验结果表明,所提方法可以避免大视差无人机航拍图像拼接中出现错位、伪影,优于目前几种无人机航拍图像拼接方法,且得到的拼接缝优先穿过道路、林地等区域,更加符合人类视觉感知,在常见的图像清晰度评价指标上表现良好。     

基于灰度均值改正比的拼接缝消除方法

目前,普遍采用的拼接缝消除方法主要有基于重叠影像的消除方法、小波变换法和强制改正法。提出一种新的基于拼接缝两侧图像灰度均值改正比的拼接缝消除方法,计算缝两侧图像均值的平均值与原图像均值之比,进而将该比值由缝向两侧逐渐过渡,最终实现拼接缝的消除。实验表明,该算法可行、有效,拼接缝消除后具有较好的视觉效果,尤其在灰度差值较大时,该算法比强制改正法具有明显的优势。     

基于SIFT和函数强制改正算法的图像拼接研究

图像拼接技术被广泛应用于医学图像分析、计算机识别、遥感图像处理等各方面。针对在复杂场景下图像拼接时,SIFT算法出现误匹配点比例较大、算法迭代复杂等问题,使用RANSAC算法精确提纯且获得转换矩阵;并提出了一种改进的强制改正法,该方法采用渐入渐出的函数强制改正拼接缝两侧的灰度值,最终实现拼接缝的消除。实验表明,该方法可行、有效,并使拼接缝消除后具有较好的视觉效果。     

基于改进IGG模型的全景图像拼接缝消除算法

为了提高序列图像拼接得到的全景图的质量,通常将L-M(Levenberg-Marquardt)算法用于图像拼接中变换模型的参数优化,但L-M算法不能消除误匹配点对模型求解的影响。为了消除误匹配点的影响,提出了基于IGG(Institute of Geodesy & Geophysics)函数模型的抗差L-M算法。首先利用IGG算法的迭代过程具有良好的抗粗差能力和可靠的收敛性等特点来优化变换模型,提高图像配准的精准度。然后采用自适应区域的拉普拉斯多分辨和最优拼接缝相结合的方法对拼接结果进行融合,以消除因拼接缝及光照不均而造成的过渡不连续现象。实验结果表明,所提算法不仅有效提高了配准精度,同时还实现了无缝拼接,获得了高质量的无缝拼接全景图。     

基于斜率改正比的遥感图像拼接缝消除算法

针对在遥感图像镶嵌中所产生拼接缝的问题,分析了现有的拼接缝消除方法,提出了直方图迭代匹配结合斜率改正比的消除方法。通过直方图的迭代匹配增强了图像的反差,在镶嵌的遥感影像中用斜率改正比的方法消除拼接缝实现图像的光滑过渡。实验结果表明,该算法具有很好的拼接缝消除效果并且减少了两幅图像的灰度差值和标准值差值,改善了图像的质量。     

基于拼接缝自适应消除和全景图矫直的快速图像拼接算法

针对图像拼接存在色差过渡不均匀、图像倾斜扭曲及拼接效率低的现象，提出一种基于拼接缝自适应消除和全景图矫直的快速图像拼接算法。首先，用尺度不变特征变换（SIFT）提取图像指定区域特征点并用双向K近邻（KNN）算法进行图像配准，有效提高算法效率；其次，利用动态规划思想提出自适应公式找到最优拼接缝并用图像融合算法对其自适应消除，解决拼接缝色差过渡不均匀问题；最后，针对累积拼接误差形成全景图倾斜的现象，利用边缘检测算法提出自适应拟合四边形矫直模型，把原始全景图矫直为一个全新的全景图。所提算法与分块图像拼接和二叉树图像拼接算法相比，图像质量提升了5.84%~7.83%，拼接时间仅为原来的50%~70%。实验结果表明，该算法不仅通过自适应更新机制减少不同图像背景下拼接缝色差过渡不均匀的现象，从而提高了图像质量；而且提高了拼接效率，降低了全景图倾斜扭曲程度。     

X射线光栅相衬成像拼接缝消除算法

针对X射线光栅相衬成像拼接过程中出现的拼接缝问题,提出一种基于改进的中值滤波结合全变分平滑模型的拼接缝消除方法。首先利用方差的全局亮度调整方法消除待拼接图像间亮度不均,获取亮度均匀图像。然后通过改进的中值滤波对拼接缝两侧灰度值进行修正,以抑制灰度突变的干扰;再利用全变分平滑模型对修正后的图像进行平滑,使拼接缝过渡光滑。最后对平滑后图像进行增强,获得增强后的大视场图像。实验结果表明,所提方法在保持图像边缘细节的同时,能够有效消除拼接缝隙,提高了拼接图像质量。     

基于尺度不变特征的影像自动拼接

影像拼接主要存在拼接错位和拼接缝的问题.本文首先采用RANSAC算法剔除SIFT特征匹配的误匹配点并进行初始单应矩阵估计;其次引入光束法平差消除误差的累积,实现精确的全局对准从而避免拼接错位;最后采用多波段融合消除拼接缝效应.试验证明,本文实现的影像自动拼接算法很好地克服了以上问题,得到视觉效果较好的拼接影像.     

一种消除图像拼接缝和鬼影的快速拼接算法

由于提取SIFT特征进行图像拼接的算法复杂度较高且不能很好地处理拼接缝和鬼影等问题,提出了一种消除拼接缝和鬼影的快速图像拼接算法.该算法首先划定提取SIFT特征的范围,计算出匹配特征点后使用RANSAC算法求取两幅图像间的坐标变换关系矩阵H,然后结合最佳缝合线算法和改进的加权平均融合算法实现无缝拼接.实验结果表明,提出的算法不仅有效地消除了拼接缝和鬼影,也提高了图像拼接的效率.     

基于最佳缝合线的序列遥感图像拼接融合方法

在图像融合过程中常采用重叠区域像素加权融合方法,这会存在鬼影现象。为解决这一问题,提出了一种改进的最佳缝合线生成算法和沿最佳缝合线的融合方法,并将其应用于序列遥感图像的拼接融合。首先在重叠图像中,对重叠区域的边赋予权值,然后进行最大流最小割,最终获取最佳缝合线。在计算边权值时引入了图像梯度信息,使缝合线更准确。在图像融合时,沿最佳缝合线生成一个条带形融合区域,采用渐入渐出法对缝合线两侧的条带形融合区域图像进行过渡处理,使拼接后的图像更为真实。在序列遥感图像拼接上,采用捆绑调整算法调整拼接图像的参数来实现全局误差最小化。实验表明,该方法能够有效消除鬼影并且能获得准确的拼接图像与融合,对于序列遥感图像的拼接融合能够获得很好的效果。     

用于显微细胞图象的二维自适应阈值分割算法的优化

为了改善细胞图象的分割效果 ,考虑将二维自适应阈值分割算法应用于显微细胞图象的分割 .针对细胞图象的二维直方图特点和分割要求 ,在对传统二维阈值分割算法进行优化和简化的基础上 ,通过改变阈值取值范围、优化阈值搜索方法等措施 ,提出了一种快速实现细胞图象二维自适应阈值分割算法 .仿真结果表明 ,新算法与传统算法相比 ,不仅大大减少了计算复杂性 ,同时还使分割效果得到了一定程度的改善     

一种利用均值匹配改进的高光谱异常检测方法

传统高光谱异常检测算法由于背景信息估计不准确等原因普遍存在高虚警率的问题,针对这一现象,提出了一种利用图像均值进行匹配改进的高光谱异常目标检测后验处理方法。首先采用传统的高光谱异常检测算法将待检测高光谱图像划分为背景与异常目标潜在区域,之后通过对待测图像求解均值,将其与异常目标潜在区域像元进行相似性匹配计算,剔除大范围误检像元,得到最终检测结果。该方法在传统异常目标检测算法基础上进行相似度量剔除大范围虚警像元,在提高原算法探测能力的同时有效地降低虚警率。实验表明,该方法可以有效降低虚警率,提高原算法对于亚像元异常目标的检测能力,且对于不同算法、不同数据具有普适性。     

基于改进粗糙集理论的SAR图像目标增强

图像增强在提高SAR图像舰船目标检测精度方面具有十分重要的意义。由于传统算法不能很好地对SAR图像进行目标增强，提出了基于改进粗糙集理论和引力场强度的目标增强算法。通过借鉴引力场相关理论知识，将粗糙集条件属性集中的梯度属性改进为引力场强度属性，从而实现对原图像的目标增强。与其他算法进行了实验比较，结果表明提出的改进算法相比于其他算法更适用于SAR图像特性，能更好地对舰船目标像素进行针对性增强，具备一定的工程应用价值。     

基于拉普拉斯金字塔融合的岩心图像拼接算法

针对岩心图像拼接效率低以及易出现鬼影现象的问题,提出了一种基于最佳缝合线的拉普拉斯金字塔融合的岩心图像拼接方法.首先将待拼接的两幅岩心图像进行灰度变换,根据ORB算法计算并描述特征点;其次使用改进的random sample consensus (RANSAC)算法对特征点进行提纯,完成特征点匹配;根据匹配的特征点计算图像间的配准关系,最后根据最佳缝合线实现岩心图像的拉普拉斯金字塔融合,完成拼接.实验结果表明,改进的RANSAC算法能在保证正确率的同时提升速度,而且本文提出的图像融合方法避免了鬼影的产生,在融合区域的PSNR、SSIM和DoEM客观评价指标上与另外两种图像融合算法相比都有所提升.     

基于时域背景预测检测红外图像序列中的小目标

研究存在背景噪声和干扰的情况下红外图像序列中弱小运动目标的检测问题。从背景出发,充分利用在图像序列中占绝大部分的背景像素来构造弱小目标的检测,并提出在时域上利用背景预测技术实现检测。通过编程在含有随机目标的实际红外序列图像中的应用,证明了算法的有效性和优越性。     

自适应混合高斯建模的高效运动目标检测

目的 如何使快速性与完整性达到平衡是运动目标检测的关键问题。现有的满足快速性的算法容易受到光照的影响，对动态环境的适应能力较弱，获取的目标信息不完整，导致空洞问题的产生。而具有较高完整性的算法复杂度高，运算速度慢，实时性差。为此，本文提出基于自适应混合高斯建模的3帧差分算法。方法 利用3帧差分运算简单、可扩展性强、抗干扰能力好的特性，对视频图像进行目标轮廓的提取。针对3帧差分运算导致目标内部信息提取不完整的问题，采用学习率自适应调整的混合高斯背景差分，在模型创建之初，通过较快的模型更新速率，增加背景模型的迭代次数，消除物体运动造成的"鬼影"。在背景模型中的干扰信息消除之后，以目标像素及相邻8像素在当前帧与背景模型中的差异度为依据调整学习率，实现背景模型的自适应修正，增加目标图像的完整性；同时，通过删除冗余的高斯分布，降低算法复杂度。为进一步确保目标边缘的完整及连续，采用边缘对比差分算法，使参与运算的帧数依据目标的运动速度自适应选取，以降低背景点的误判率，使边缘信息尽可能地连续、完整。结果 本文算法获取的目标信息完整，且边缘平滑。在提升检测率的同时保证较高的准确率，达到了95.23%，所获目标的完整度提高了28.95%；与传统混合高斯算法相比，时间消耗降低了29.18%，基本达到实时性要求。与基于混合高斯建模的背景差分法（BD-GMM）和基于边缘对比的3帧差分法（TFD-EC）相比，本文算法明显占优。结论 实验结果表明，本文算法可以有效抑制动态环境的干扰，降低算法复杂度，既保证实时性，又具有较好的完整性，可广泛应用于智能视频监控、军事应用、工业检测、航空航天等领域。     

引入平滑迭代的骨架提取改进算法

在使用ZS细化算法对目标图像细化时,会出现二像素宽度斜线结构细化畸变、2×2正方形结构丢失,以及大量斜线冗余像素存在的弊端,同时主流骨架提取算法无法解决不平滑轮廓带来的边缘分叉问题。针对四类问题,在ZS细化算法基础上引入了平滑迭代流程以及后续的扫描过程,并在其中加入保留模板和删除模板条件的判定。实验数据表明,改进算法在保留目标图像的骨架信息和拓扑性质的基础上,能保持二像素宽度斜线和正方形结构不丢失,并完全删除冗余像素,其细化率相比ZS、IEPTA、MZS细化算法提高了0.05%~0.25%不等。同时平滑迭代次数的增加,能进一步提高细化程度,减少大量的边缘分叉并提高整体轮廓的平滑程度。     

面向惯性约束聚变实验靶图像的快速椭圆检测

目的：针对惯性约束核聚变实验中靶图像轮廓模糊、亮度不均匀等问题,并从提高图像处理实时性角度出发,提出了一种高可靠性和高精度的快速椭圆检测方法。方法：首先利用椭圆边缘点在它与圆心相连方向上具有较大灰度变化率这一特点,以预估中心点为极点建立极坐标系,通过从极点出发的射线上灰度变化率极值点搜索实现椭圆边缘点检测,极值点搜索在图像局部范围进行保证边缘点检测的有效性和实时性;其次利用基于RANSAC的自适应椭圆参数提取算法得到最终椭圆参数,该方法利用椭圆参数空间聚类分析选取最优椭圆参数,从而实现了一致样本集的自适应选择,保证了椭圆参数拟合精度的同时提高了算法的适应性和鲁棒性。结果：采用本文算法检测一幅图像的平均时间约为110ms,与常用椭圆检测方法相比检测速度有显著提高。结论：对比实验表明,本文提出的椭圆检测方法与其他方法相比具有更高的精度、更快的实时性和更强的鲁棒性。