基于新的风格损失函数与亮度信息的图像风格迁移算法

针对传统图像风格化处理算法在进行图像风格化处理过程中,出现颜色信息丢失、笔 触细节错乱以及边缘线条扭曲等情况,本文基于卷积神经网络的图像风格迁移算法进行了改 进,通过综合考虑图像的亮度颜色信息特性,提出一种基于新的风格损失函数与亮度信息的 图像风格迁移算法。首先,将内容图像进行色彩空间转换,让风格转移单独在亮度通道上进 行,保留了内容图像的色彩信息。其次,把直方图损失加入到总的损失函数中,构造新的总 损失函数,提高了风格化图像的稳定性。最后,把提取的内容图像边缘信息叠加到结果图中 , 达到改善风格化结果图边缘信息模糊不清的目的。实验表明,改进后的方法在笔触细节、纹 理结构以及色彩空间上有更好的整体效果表现。     

结构细化的神经风格迁移

风格迁移过程中风格元素均匀分布在整个图像中会使风格化图像细节模糊,现有的迁移方法主要关注迁移风格的多样性,忽略了风格化图像的内容结构和细节信息.因此,该文提出结构细化的神经风格迁移方法,通过增加边缘检测网络对内容图像的轮廓边缘进行提取实现风格化图像内容结构的细化,凸显内容图像中的主要目标;通过对转换网络中的常规卷积层的较大卷积核进行替换,在具有相同的感受野的条件下,使网络模型参数更少,提升了迁移速度;通过对转换网络中的常规卷积层添加自适应归一化层,利用自适应归一化在特征通道中检测特定样式笔触产生较高的非线性同时保留内容图像的空间结构特性来细化生成图像的结构.该方法能够细化风格化图像的整体结构,使得风格化图像连贯性更好,解决了风格纹理均匀分布使得风格化图像细节模糊的问题,提高了图像风格迁移的质量.     

结构细化的神经风格迁移

风格迁移过程中风格元素均匀分布在整个图像中会使风格化图像细节模糊,现有的迁移方法主要关注迁移风格的多样性,忽略了风格化图像的内容结构和细节信息。因此,该文提出结构细化的神经风格迁移方法,通过增加边缘检测网络对内容图像的轮廓边缘进行提取实现风格化图像内容结构的细化,凸显内容图像中的主要目标;通过对转换网络中的常规卷积层的较大卷积核进行替换,在具有相同的感受野的条件下,使网络模型参数更少,提升了迁移速度;通过对转换网络中的常规卷积层添加自适应归一化层,利用自适应归一化在特征通道中检测特定样式笔触产生较高的非线性同时保留内容图像的空间结构特性来细化生成图像的结构。该方法能够细化风格化图像的整体结构,使得风格化图像连贯性更好,解决了风格纹理均匀分布使得风格化图像细节模糊的问题,提高了图像风格迁移的质量。     

基于Gabor变换的图像纹理识别

提出了一种改进的Gabor变换的图像纹理增强算法,将空域的纹理图像变换到联合空间频率域并将联合空间频率域的能量分布作为掌纹的特征,Gobar滤波器在频域内对子块其主方向上频率能量分布进行滤波,特征向量进行了匹配识别,增强特征纹线信息并对核心区域进行多方向空间频率能量滤波合成,同时也对滤波算法进行了优化,有效地减少了运算量.实验证明,该套增强算法运行稳定,效果好,可有效提取纹理图像特征纹线信息.     

基于方向小波变换的边缘检测算法

提出了一种基于方向小波变换的边缘检测算法.本文详细介绍了方向小波变换的原理、基于此的图像边缘检测算法,比较了方向小波变换和传统小波变换、Canny算子在图像边缘检测的效果.实验结果表明,方向小波变换更符合图像的方向、纹理特征,因此更能反映图像的边缘信息,对传统的小波变换、Canny边缘检测算法有一定程度的改进.     

基于内容的海量监控视频的多层次检索系统

设计和实现了一种基于内容的海量监控视频的多层次检索系统。该系统首先从监控视频中提取关键帧图像,其次利用行人检测、人脸识别及车辆检测等算法将关键帧中的行人图像、人脸图像和车辆图像等感兴趣目标提取出来,然后提取这些图像的颜色、纹理等特征,利用改进的LIRe(Lucene Image Retrieval)建立分布式的特征库,最终形成了多层次的信息数据库。实验表明,该系统具有较高的检索准确率和较快的检索速率,并支持海量监控视频的检索。     

基于多模型融合的红外序列跟踪算法

作为一种新型图像获取技术,热红外技术能避免光照强度和背景颜色对目标提取的影响。当前利用热红外序列进行目标跟踪的算法大多结合可见光和热红外图像。针对这种局限性,提出了一种纯粹基于热红外序列的跟踪算法。首先,通过改进的码书算法和灰色预测模型,对序列中的背景信息和运动目标的运动方向进行建模;然后,将建模结果结合到压缩跟踪算法中,通过自适应的方法使背景信息、运动信息以及目标特征信息在跟踪过程中互相补充,消除跟踪算法对于可见光图像的依赖性,减少由于目标纹理特征不明显而对跟踪效果产生影响。实验证明,经改进的跟踪算法处理速度快,正确性得到了明显的提高,能更好地适应热红外序列的特点。     

融合纹理特征与螺旋状搜索聚类的超像素分割算法及应用

针对传统SLIC(simple linear iterative clustering)超像素分割算法没有综合考虑图像的纹理信息特征,导致对边缘信息较强和纹理复杂的图像进行超像素分割时,出现边缘检测不灵敏,分割效果不理想的问题.提出了把原图像先经过噪声抑制提取出纹理特征分量,构建以颜色特性、纹理特征和空间位置特征相融合的相似性度量方法.改进后的方法提高了边缘检测的灵敏度,增强了算法在对边缘信息较强和纹理复杂图像进行分割时的鲁棒性.另外,提出利用螺旋线状的搜索方式进行聚类,加速了算法的收敛速度,提高了分割效率.改进后的方法在BSDS500公共数据集上进行了实验,结果显示改进后的方法在边缘召回率、欠分割错误率、可完成的分割精度以及算法运行时间四项指标上优于传统算法.     

基于梯度增强扩散的线形纹理图像去噪算法

针对传统图像去噪中会破坏边缘纹理特征的现实问题,提出了一种基于梯度增强扩散的线形纹理图像的去噪算法。算法主要针对含有线形结构的纹理图像,在基于偏微分扩散方程的去噪过程中引入了结构分析,并根据局部梯度变化,重新定义了扩散系数,能在有效增强边缘特征的同时去除图像中的小尺度噪声。仿真实验表明,与传统的高斯平滑去噪算法相比,在实现对线形纹理图像去噪的同时,能较大程度保留图像的线形纹理信息,具有一定的应用价值。     

基于结构张量方向引导的改进的W-L纹理合成算法应用研究

文章设计的算法在Wei和Levoy的思想基础上首先采用结构张量计算出引导图像的方向场,其次在方向场的引导下对样本纹理进行旋转,最后采用邻域相似性查找方法进行纹理合成,为了提升合成效率,文章通过采用向量化树结构的量化方法进行加速,取得了良好的实验效果。文章设计的算法不仅可以应用于方向纹理合成领域,同时通过拓展相关技术也可运用到非真实感绘制与渲染方面。     

Generative image inpainting with salient prior and relative total variation

Image inpainting is an important research direction of image processing. The generative adversarial network (GAN), which can reconstruct new reasonable content in the corrupted region, is the most interesting tool in current inpainting technologies. However, the previous deep methods generally need to be pre-added the binary mask representing the corruption location as the extra input. A novel inpainting algorithm which does not require additional external labels is proposed in this paper. The algorithm consists of two parts: corruption recognition module and content inpainting module, which can recognize and fill random corruption. In the recognizer, the salient object from the uncorrupted region is used as the prior for distinguishing corruption. In the inpainting module, a two-stage network is applied to reconstruct the image from coarse content to texture details. To avoid the misdetection in recognition which has a negative impact on the restoration in inpainting, we perform relative total variational filtering on the corrupted image, and use the salient map as the supervision of detail reconstruction. Qualitative and quantitative experiments on multiple datasets verify the effectiveness of our recognition module, the competitive advantage of our inpainting module, and the enlightening significance of our total algorithm in image inpainting.     

基于非下采样Shearlet和方向权值邻域窗的非局部均值SAR图像相干斑抑制

非局部均值算法将传统的图像去噪算法由局部计算模型推广到非局部计算模型,取得了良好的效果.但对于合成孔径雷达图像,使用观测值和各向同性邻域窗来度量相似性,缺乏鲁棒性和方向性,不利于捕获图像边缘结构信息.提出了基于非下采样Shearlet特征描述子和方向权值邻域窗的非局部均值算法.实验表明,该算法不但有效地去除了相干斑,而且很好地保持了图像的几何结构信息,为后期SAR图像的理解与解译奠定了良好的基础.     

Optimal bi-directional seam carving for compressibility-aware image retargeting

A novel compressibility-aware image retargeting method based on seam carving is introduced in this paper. We propose a new significance detection method, with both the edge information and visual saliency taken into consideration. A wall-seam model is constructed to evaluate the image compressibility and assign the right number of seams for each direction. By repeatedly carving out or inserting seams we can retarget the image to a new size while preserving the important content. Finally, our algorithm is completed with the supplement of uniformly scaling, the stretched image is resized to the target size with the least structure distortion brought. Experimental results on images show that those improvements are effective and our approach can preserve image content better compared to several state-of-the-art image retargeting methods.     

A new texture image retrieval way

This paper proposes a new texture image retrieval method for the considering of the population search and random information exchange merits of evolving programming which can be used to optimize image feature vector extraction. The experimental results show that this way can efficiently improve the retrieval accuracy and realize fasttips with the advantage of evolving programming algorithm.     

Edge-preserving image compression using adaptive lifting wavelet transform

In this paper, a novel 2-D adaptive lifting wavelet transform is presented. The proposed algorithm is designed to further reduce the high-frequency energy of wavelet transform, improve the image compression efficiency and preserve the edge or texture of original images more effectively. In this paper, a new optional direction set, covering the surrounding integer pixels and sub-pixels, is designed. Hence, our algorithm adapts far better to the image orientation features in local image blocks. To obtain the computationally efficient and coding performance, the complete processes of 2-D adaptive lifting wavelet transform is introduced and implemented. Compared with the traditional lifting-based wavelet transform, the adaptive directional lifting and the direction-adaptive discrete wavelet transform, the new structure reduces the high-frequency wavelet coefficients more effectively, and the texture structures of the reconstructed images are more refined and clear than that of the other methods. The peak signal-to-noise ratio and the subjective quality of the reconstructed images are significantly improved.     

一种指纹奇异点区域图像增强算法

指纹图像奇异点附近区域的增强一直是指纹图像增强的难点,针对Separable Gabor滤波会破坏指纹邻近奇异点区域的纹线结构,方向傅里叶滤波在一般区域修复指纹纹线效果不明显这一问题,本文融合两种算法的优势,提出一种新的滤波方法(FS-Gabor)。先对指纹图像进行预处理,得到指纹的方向、频率信息和掩膜信息。接着找出指纹图像的奇异点,并在奇异点附近标记出一定大小区域。最后根据像素点的位置采用不同的滤波方法。同时,本文提出了一种改进的指纹图像频率估计方法,扩大了指纹图像有效区域面积。实验结果表明,经本文方法滤波的指纹图像的EER(Equal Error Rate)比方向傅里叶滤波低26%,比Separable Gabor低49%。