摄影文档图像倾斜矫正研究

研究摄影文档图像几何畸变的数学模型，分析了其中关键的几何关系，并在前人工作成果的基础上，进一步对书籍装订线弯曲的柱面模型进行抽象，得到一种参数化的几何模型。同时以上述参数化的几何模型为指导，设计并实现算法从摄影图像中提取关键信息，估计模型参数，完成畸变图像的倾斜矫正与复原。     

遥感图像的几何畸变校正方法研究

该文通过对遥感图像的几种主要几何误差计算,论述了一种直接利用图像几何误差公式和多项式近似校正相结合的图像几何畸变校正方法,并以实例证明了利用该文算法经过重采样能够得到清晰、有效的遥感数字图像。     

数字图像的恢复处理

阐述了数字图像几何畸变矫正的思想和步骤，深入分析了双线性内插算法和三次卷积算法，并用Java语言实现了这两种算法。     

大视场景物非线性畸变校正的仿真

图像在应用时往往需要物体在图像中准确的位置,但由于物体在从世界坐标系到摄像机坐标系变换时存在平移和旋转,所以拍摄的图像会存在非线性几何畸变.为此针对广角镜头非线性畸变,在分析多项式变换的基础上,提出多项式分区域校正方法.首先检测标准网格和畸变网格的坐标,计算出镜头的畸变系数;然后拟合多项式进行坐标修正,重建图像;最后对重建的图像进行分块,计算每个小块的畸变系数并再次重建图像.实验结果表明,提高了图像校正的精度和智能化,从而达到高质量校正的目的.     

一种基于神经网络的畸变图像校正方法

由于摄像机获取的图像存在几何畸变，因此在对图像进行定量分析前，必须校正畸变。针对传统的畸变图像校正方法，其所建立的畸变数学模型，不仅求解畸变参数复杂、计算量大，且存在很大的数值计算误差的问题．提出了一种基于神经网络的畸变图像校正方法。该方法首先运用图像处理技术从一标准模板的畸变图像中提取样本，然后以样本像素坐标作为网络输入来对神经网络进行训练。由于该训练好的神经网络能够实现畸变图像与非畸变图像之间的映射关系，因此能达到校正图像畸变的目的。最后对该校正方法进行了实验，给出并分析了校正实验结果，校正效果令人满意，并已成功地用于焊接机器人视觉系统。     

书籍扫描图像几何畸变校正

提出一种图像扫描技术,解决书籍扫描时图像背景灰度不均匀、线性几何畸变、以及非线性几何畸变等问题。这个方法不依赖扫描仪的参数。通过对图像的预处理,选取适当的采样窗口,基于直方图背景分析导出背景灰度因子,校正背景灰度不均。提出了一种线性几何畸变校正算法,用横向数值校正算法解决了非线性畸变的问题。     

基于等间距线的几何畸变校正

摄像机视觉测量系统中图像存在几何畸变,会降低尺寸测量精度,必须进行校正.目前基于单张图像的畸变校正方法主要有标定板特征点转移矩阵的非参数化方法和利用特征点共线性或无穷点约束条件的参数化方法,由于上述方法需要获取多个特征点的坐标,而获取孤立的坐标点容易造成误差,使得校正效果不好.提出采用等间距线方法,利用畸变模型建立间距...     

基于分层和Radon变换的透视图像矫正技术

由于受到物体与摄像机三维空间相对位置关系的影响,摄像机获取的图像存在透视畸变,影响图像特征提取、识别等后续处理,为此提出一种通过分层矫正和Radon变换相结合的矫正技术.利用射影几何知识,将畸变的图像矫正为满足仿射变换的图像,再将仿射变换矫正为相似变换,利用Radon变换矫正得到标准图像.仿真实验结果表明,该算法可行性高、稳定性好,能推广应用于目标识别等领域.     

图像几何畸变精校正研究

卫星传感器在成像过程中会受到诸多因素的影响,使得所获取的影像在几何位置上发生畸变,几何校正的目的就是尽可能消除这些畸变的影响。本文主要研究了用于消除图像几何畸变的两个几何校正模型：多项式模型和MQ模型（Multiquadric Fuctions）,对MQ模型中的系数R进行分析实验提出了一种新的R值的确定方法,与原来的R值相比新的R值能够进一步提高模型的精度;将多项式模型和MQ模型结合使用的Göpfert’s算法引入到卫星影像几何精校正中,实验表明,能够取得比较高的校正精度.     

数码相机设计中图像几何畸变校正的实现

由于光学镜头的生产工艺等原因，数码相机拍摄图像常常会出现非线性的几何畸变。针对这一常见问题，采用基于MSE拟合、双线性插值的方法对拍摄图像进行校正。实验结果表明，该方法能够在保证无颜色失真的条件下获得较为理想的校正结果。     

一种基于移动向量估计的图像配准技术

图像配准在遥感图像处理,计算机视觉,模式识别,医学图像处理等领域有着广泛的应用。配准的目的就是将同一场景的不同图像对齐或匹配,消除:配准的目的就是将同一场景的不同图像对齐或匹配,消除存在的几何畸变。介绍一种基于移动向量估计的图像配准技术,它利用复小波变换相对传统小波的一些优点,如位移不变性、多方向选择性,对移动向量进行估计。实验结果表明,使用这种方法对消除几何畸变有很好的效果。     

精确校正图像的径向畸变和倾斜失真

对于用图像进行几何检测,由数码相机生成的图像存在一些固有缺点,如存在径向畸变、倾斜几何变形等。为此提出了一种可同时精确校正数码相机图像的径向畸变和倾斜失真的算法。该算法基于标准网格,首先分别建立倾斜变形模型和径向畸变模型,由此建立目标图像的倾斜变形和径向畸变的联合变形模型;然后用最小二乘法和最优化算法求根据联合失真模型求得标准网格的失真参数,利用该参数可校正同等条件下获得的目标图像;最后对实际图像进行了校正实验,获得了满意的校正结果,说明该算法能有效地同时精确校正图像的径向畸变和倾斜失真。     

基于改进遗传模拟退火算法的BP神经网络的畸变校正研究

针对相机所采集的图像大多都存在畸变现象的问题,设计了基于改进遗传模拟退火算法的BP神经网络校正算法。该算法针对传统遗传算法易于收敛局部最优的问题,提出分段选择策略与随机抽样相结合的选择算子,自适应交叉与变异算子。在畸变校正中,该算法通过网络的输入输出建立理想点与畸变点的关系,使用改进的遗传模拟退火算法来优化神经网络中的阈值与权值,然后使用基于LM算法的BP神经网络进行局部优化,最后通过插值算法得到校正后的图像。实验表明,该算法能过较好的对图像进行畸变校正,同时与传统的BP神经网络算法相比精度更高,收敛速度更快。     

一种基于基本矩阵的相机畸变差自动校正方法

在计算机视觉的应用领域中,为了提高图像量测和3维重建的精度,必须对相机的畸变误差进行修正。为此提出了一种基于基本矩阵的相机径向畸变的自动校正方法,该方法不需要预先获得场景的结构信息和相机的内部参数,仅利用两张影像同名点集之间的内在几何关系,即可求取相机的径向畸变系数,进而可对这两幅图像的畸变误差进行自动校正。试验结果表明,该方法是一种有效的畸变图像校正算法,能够获得到满意的校正结果。     

一种新的抗几何攻击的图像认证算法

提高图像抗几何攻击的能力是当前图像认证算法待解决的重点之一。提出了一种抗几何攻击的图像认证算法,该算法利用图像边界的Radon投影变换来实现图像几何失真的矫正,根据感知hash方法提取图像的特征点,并通过修正Hausdorff距离来实现对图像的认证。实验表明,该算法可以抵抗一定程度的JPEG压缩、叠加噪声等图像处理,也能抵抗旋转、缩放等几何变换,并且对于恶意篡改具有较好的敏感性。     

基于Hu不变矩和BP网络的条形码图像识别方法

针对目前比较流行的一维条形码和二维条形码识别算法存在对几何失真图像的识别准确率较低的问题,提出了一种新的基于不变矩和BP网络的条形码识别方法,提取不变矩特征向量作为特征值输入BP网络,对其进行训练与测试,利用训练好的BP网络对形变条形码图像进行识别,实现了对存在旋转、平移和缩放等几何失真的条形码图像的正确识别.实验结果表明,基于Hu不变矩和BP网络的条形码识别方法具有很强的抗图像平移、拉伸和旋转识别能力,并且具有实现简单、训练速度快、识别率高等特点.     

基于Cartesian矩的水印图像矫正算法

提出了一种水印图像矫正算法。该算法利用水印图像几何变换前后的Cartesian矩计算出水印图像缩放的尺度因子、旋转角度和平移参数,实现了对水印图像几何失真的快速矫正,不但可以校正水印图像的旋转失真、缩放失真和平移失真,还能有效地矫正联合失真。实验表明,该算法矫正精度高、性能稳定、计算量小,可以快速准确地矫正水印图像的高强度几何失真和联合失真。     

QR码图像几何校正算法的研究

用摄像机拍摄QR码图像时,由于拍摄角度的偏差,可能造成所采集到的QR码图像产生几何失真的情况,给QR码的识别带来了困难。对拍摄到的QR码图像进行预处理,把采集到的光照不均匀的QR码图像采用局部阈值法和数学形态学的方法进行二值化。通过Harris角点检测算法和凸包算法相结合找到QR码的轮廓以及轮廓上的点,再利用该角点检测算法找到QR码的角点,最后使用透视变化法对畸变图像进行恢复。实验结果证明,该方法有效解决了QR码的几何失真问题。     

基于改进CycleGAN的水下图像颜色校正与增强

针对水下观测图像的颜色失真和散射模糊问题,提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks, CycleGAN)的水下图像颜色校正与增强算法.为了利用CycleGAN学习水下降质图像到空气中图像的映射关系,对传统CycleGAN的损失函数进行了改进,提出了基于图像强边缘结构相似度(Strong edge and structure similarity, SESS)损失函数的SESS-CycleGAN, SESS-CycleGAN可以在保留原水下图像的边缘结构信息的前提下实现水下降质图像的颜色校正和对比度增强.为了确保增强后图像和真实脱水图像颜色的一致性,建立了SESSCycleGAN和正向生成网络G相结合的网络结构;并提出了两阶段学习策略,即先利用非成对训练集以弱监督方式进行SESS-CycleGAN学习,然后再利用少量成对训练集以强监督方式进行正向生成网络G的监督式学习.实验结果表明:本文算法在校正水下图像颜色失真的同时还增强了图像对比度,且较好地实现了增强后图像和真实脱水图像视觉颜色的一致性.     

基于字符规范化的文档图像水印算法

运用字符规范化和小波变换的知识,提出一种将文档图像分割成字符图像,再对字符图像规范化,然后将随机序列嵌入到小波图像低频系数的水印算法.根据视觉系统纹理掩蔽特性,将不同强度的水印分量嵌入到了不同的小波系数中.由于文档图像分割和规范化本身具有抗几何攻击的特性,故该方法对缩放、小角度旋转有一定的鲁棒性,实验结果表明:该方法在文档图像上比其它方法更具备优越性.