一种高鲁棒性的全景图拼接算法

为了提高全景图生成的效率和准确度,本文提出了一种高鲁棒性的全景图像拼接算法。首先根据初始图像构造图像金字塔,然后结合最小局部熵差和自适应阈值的序贯相似检测算法实现全景图的拼接。实验结果表明,该算法具有抗噪声和几何失真的能力,对一般条件下获取的图像表现出较好的鲁棒性。     

基于距离特征的自适应阈值视频拼接算法

针对虚拟漫游系统中视频拼接问题,提出一种基于距离的自适应阈值拼接算法。通过提取距离特征,并在待匹配的帧图像中采用自适应阈值序列的序贯相似性检测算法搜索匹配特征,从而确定重叠部分的起始列值。实验结果表明,该算法能更好地实现视频拼接,且减少计算量,提高拼接速度。     

改进的全景图拼接融合算法

在全景图像理论的基础上,对现有的拼接算法进行研究和改进,采用基于像素点颜色变化特征和序列相似性检测拼接算法相结合的图像拼接融合方法对柱面全景图进行拼接。实验表明,与原有的算法相比,采用改进后算法的全景图拼接效果得到了改进,对柱面全景图像的拼接融合能取得满意的视觉效果。     

基于SIFT的无人机航拍图像快速拼接技术研究

无人机航拍图像自动拼接技术可以获得宽视野、高分辨率的图像,在地图生成、军事侦察等方面具有重要的研究意义。对于特征点匹配时间较长的问题,提出一种新的图像拼接算法。通过无人飞行器获取航拍图像,采用SIFT特征提取算法提取图像的特征点,并在图像初步匹配中加入序贯相似性检测算法(SSDA算法),再根据RANSAC算法计算转换矩阵,去除误匹配的特征点对,最终完成图像拼接工作。通过实验证明,所用算法使匹配速度加快,大大缩减了运算时间,同时得到较好的无缝拼接结果图。     

柱面全景图生成技术的研究与实现

在全景图像理论的基础上,对现有的柱面全景图生成技术进行研究和实现。在柱面投影方面,采用基于平面图的柱面正投影和反投影算法。在传统的序列相似性检测算法的基础上,采用一种自适应阈值序列相似性检测算法对图像进行拼接。在与最邻近插值算法进行比较的基础上,使用双线性插值算法进行图像的融合。实验结果表明,生成的全景图视觉效果较好。     

图像拼接技术在大尺寸物体测量中的应用

研究利用图像拼接技术把几张有重叠部分的图像拼接成一幅大视角高分辨率图像,应用于大尺寸物体的图像还原。试验几种拼接算法,得到算法运行时间和算法获得的物体特征数目等参数作为算法优劣评价标准。实验表明:对同一幅图像,FAST角点检测算法在31.2967 ms内检测到159个特征点,相比于其他检测算法,具有更快的运行时间和更高的检测精度。     

一种改进的快速图像拼接方法

为了提高图像拼接的速度,提出了一种快速的图像拼接方法.首先在SUSAN角点检测算法检测出图像角点的基础上,采用图像分块和邻近角点剔除的方法来保证图像角点分布均匀并且避免出现角点聚簇现象,利于提高拼接的精度.其次,利用灰度相关性进行特征角点的匹配并消除伪匹配.然后采用改进的RANSAC算法快速地估计变换矩阵,该算法中采用预检测的方法快速抛弃那些不是候选模型的临时模型,加快了算法的速度.最后进行颜色融合,生成无缝拼接图像.实验结果表明,该方法在得到较高精度的情况下,大大减少了运算量,提高了图像拼接的速度.     

一种快速去除大尺寸工件鬼影图像的精密拼接算法

为了提高大尺寸工件测量的精度和效率,针对现有拼接方法复杂度高且不能很好处理图像鬼影的问题,提出了一种快速去除大尺寸工件鬼影图像的精密拼接算法。该算法先通过SURF算法检测出相邻图像对应特征点,然后结合最近邻匹配法匹配特征点,零均值归一化互相关算法（ZNCC）判断、检测出图像是否存在鬼影;若存在鬼影,则用小波变换融合算法去除鬼影,并求出相邻两幅图像之间的单应性矩阵H,最后实现大尺寸工件精密拼接。结果表明,该算法不仅能有效地去除大尺寸工件图像鬼影,同时提高图像拼接精度和效率。     

结合区域检测特征点与极谐变换的图像拼接

提出一种结合区域检测特征点与极谐变换的图像拼接算法。首先,利用区域检测得到图像中的显著性区域,利用哈里斯(Harris)角检测器提取图像中的特征点,然后计算得出特征点圆形邻域的PHT特征矢量,并通过相似性变换原则消除误匹配对。最后利用正确的匹配对得出映射模型,并利用加权平均法进行图像融合。实验证明该算法提高了图像的拼接效率和准确性。     

仿真图像作为模板的遥感影像小目标检测方法

随着传感器技术和航空遥感技术的不断进步,遥感影像的质量和数量也得到了极大的提高,而遥感影像中的目标检测是理解和分析遥感影像所面临的一个基本问题。针对神经网络在遥感影像小目标检测任务中难以提取足够多的有效特征、遥感小目标易受云雾遮挡等问题,提出了一种基于仿真图像模板匹配的方法,通过特征融合的方式成功地将该方法应用于遥感影像小目标检测任务。成像仿真技术生成的仿真图像包含了更多的遥感小目标特征,如几何形状、材质等。在与深度学习结合之后,更多的特征可以提升神经网络检测遥感影像小目标的准确率。实验结果表明将基于仿真图像的模板匹配方法应用于深度学习之后,对于遥感影像小目标检测取得了较好的效果,尤其是针对受到云雾等天气干扰的小目标。     

构建近邻上下文的拷贝图像检索

目的 以词袋模型为基础的拷贝图像检索方法是当前最有效的方法。然而,由于局部特征量化存在信息损失,导致视觉词汇区别能力不足和视觉词汇误匹配增加,从而影响了拷贝图像检索效果。针对视觉词汇的误匹配问题,提出一种基于近邻上下文的拷贝图像检索方法。该方法通过局部特征的上下文关系消除视觉词汇歧义,提高视觉词汇的区分度,进而提高拷贝图像的检索效果。方法 首先,以距离和尺度关系选择图像中某局部特征点周围的特征点作为该特征点的上下文,选取的上下文中的局部特征点称为近邻特征点;再以近邻特征点的信息以及与该局部特征的关系为该局部特征构建上下文描述子;然后,通过计算上下文描述子的相似性对局部特征匹配对进行验证;最后,以正确匹配特征点的个数衡量图像间的相似性,并以此相似性选取若干候选图像作为返回结果。结果 在Copydays图像库进行实验,与Baseline方法进行比较。在干扰图像规模为100 k时,相对于Baseline方法,mAP提高了63%。当干扰图像规模从100 k增加到1 M时,Baseline的mAP值下降9%,而本文方法下降3%。结论 本文拷贝图像检索方法对图像编辑操作,如旋转、图像叠加、尺度变换以及裁剪有较高的鲁棒性。该方法可以有效地应用到图像防伪、图像去重等领域。     

图像增强对显著性目标检测的影响研究

目的 雾霾、雨雪天气和水下等非理想环境因素会引起图像退化,导致出现低质图像,从而影响人类主观视觉感受及机器视觉应用任务的性能,因此,低质图像被利用之前进行图像增强成为惯常的预处理过程。然而,图像增强能否提高图像机器视觉应用任务的性能及影响程度等问题鲜有系统性研究。针对上述问题,本文以图像显著性目标检测这一机器视觉应用为例,研究图像增强对显著性目标检测性能的影响。方法 首先利用包括5种传统方法、6种深度学习方法等共11种典型图像增强方法对图像进行增强处理,然后利用8种典型的显著性目标检测方法对增强前后的图像分别进行显著性目标检测实验,并对比分析其结果。结果 实验表明,图像增强对低质图像显著性目标检测方法性能的促进作用不明显,某些增强方法甚至表现出负面影响,也存在同一增强方法对不同的显著性目标检测方法作用不同的现象。结论 图像增强对于显著性目标检测及其他的机器视觉应用的实际效果值得进一步研究,如何根据图像机器视觉应用的需求来选择和设计有效的增强方法需进一步探讨。     

数字图像中基于多尺度几何分析的圆检测算法

特征检测是图像处理和模式识别中非常重要的问题,其检测效果直接影响模式识别和分类。基于多尺度几何分析（MGA）的思想,提出了一种圆检测方法―圆特征域上奇异点算法。该算法首先将圆特征曲线变换到圆特征域上,然后在圆特征域上进行小波分析以找出奇异点,奇异点坐标即为待检圆的坐标。该方法克服了Hough变换对灰度图像圆检测需要考虑灰度阈值或梯度的限制,可直接对二值图像或灰度图像进行检测。最后分析、比较了该算法与Hough算法的不同。     

肌骨超声图像特征检测及拼接

目的 肌骨超声宽景图像易出现解剖结构错位、断裂等现象,其成像算法中的特征检测影响宽景图像的质量,也是超声图像配准、分析等算法的关键步骤,但目前仍未有相关研究明确指出适合提取肌骨超声图像特征点的算法。本文利用结合SIFT （scale invariant feature transform）描述子的FAST（features from accelerated segment test）算法以及SIFT、SURF（speeded-up robust features）、ORB（oriented FAST and rotated binary robust independent elementary features（BRIEF））算法对肌骨超声图像序列进行图像拼接,并对各算法的性能进行比较评估,为肌骨超声图像配准、宽景成像提供可参考的特征检测解决方案。方法 采集5组正常股四头肌的超声图像序列,每组再采样10幅图像。利用经典的图像拼接算法进行肌骨图像的特征检测以及图像拼接。分别利用上述4种算法提取肌骨超声图像的特征点;对特征点进行特征匹配,估算出图像间的形变矩阵;对所有待拼接的图像进行坐标变换以及融合处理,得到拼接全景图,并在特征检测性能、特征匹配性能、图像配准性能以及拼接效果等方面对4种算法进行评估比较。结果 实验结果表明,与SIFT、SURF、ORB算法相比,FAST-SIFT算法所提取的特征点分布更均匀,可以检测到大部分肌纤维的端点,且特征点检测时间最短,约4 ms,其平均匹配对数最多,是其他特征检测算法的25倍,其互信息和归一化互相关系数均值分别为1.016和0.748,均高于其他3种特征检测算法,表明其图像配准精度更高。且FAST-SIFT算法的图像拼接效果更好,没有明显的解剖结构错位、断裂、拼接不连贯等现象。结论 与SIFT、SURF、ORB算法相比,FAST-SIFT算法是更适合提取肌骨超声图像特征点的特征检测算法,在图像配准精度等方面都具有一定的优势。     

保持边缘特征和增强对比度的图像缩放算法

图像的边缘信息和对比度是影响人体视觉的最主要因素。提出一种能够同时保持边缘特征和增强对比度的图像缩放新方法。通过边缘检测算法、边缘梯度增强以及梯度图的低通滤波算法,得到新的梯度图,再通过求解泊松方程得到重建的图像。由于对图像边缘作了特殊处理,从而避免在图像缩放过程中丢失边缘信息。该方法可以同时保持特征以及增加图像的对比度,从而更好地展现图像的细节。实验结果表明,本文方法能应用于一般图像和医学图像的缩放和增强等应用中。     

基于显著性检测的图像隐写分析方法

针对图像隐写分析难度大、现有的检测模型难以对图像隐写区域进行针对性检测的问题,提出了一种基于显著性检测的图像隐写分析方法.该方法利用显著性检测技术引导隐写分析模型更加关注图像隐写区域的特征.首先,显著性检测模块生成图像的显著性区域;其次,区域筛选模块筛选出与隐写区域重合度较高的显著性图,利用图像融合技术与原始图像进行融...     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．     

基于噪声模型和特征联合的PS图像与隐写图像检测

为了有效区分PS图像(经过常见图像处理操作得到的图像)和隐写图像,提高隐写检测的正确率,该文分析了隐写和PS这两类操作不同的噪声模型,并给出了一类基于图像噪声模型和特征联合的检测算法.该算法基于小波分解和小波滤波,分别得到待检测图像的小波系数子带和噪声小波系数子带,从这两类子带中分别提取直方图特征函数绝对矩,并将这两部分统计矩联合作为特征,最后采用BP神经网络分类器进行图像分类.在特征选取方面,文中对两类常用典型特征:概率密度函数矩和特征函数矩,基于高斯分布模型证明了对噪声小波子带系数,提取特征函数绝对矩优于概率密度函数绝对矩.基于LSB、LTSB、SLSB、PMK等隐写图像和锐化、对比度增强、添加标签等类型PS图像的实验表明:该算法能够有效区分原始图像和非原始图像,并能对PS图像和隐写图像进行较为可靠的分类检测.     

An Improved Method for Edge Detection and Image Segmentation Using Fuzzy Cellular Automata

Image segmentation is one of the most important and challenging problems in image processing. The main purpose of image segmentation is to partition an image into a set of disjoint regions with uniform attributes. In this study, we propose an improved method for edge detection and image segmentation using fuzzy cellular automata. In the first stage, we introduce a new edge detection method based on fuzzy cellular automata, called the texture histogram, and empirically demonstrate the efficiency of the proposed method and its robustness in denoising images. In the second stage, we propose an edge detection algorithm by considering the mean values of the edges matrix. In this algorithm, we use four fuzzy rules instead of 32 fuzzy rules reported earlier in the literature. In the third and final stage, we use the local edge in the edge detection stage to more accurately accomplish image segmentation. We demonstrate that the proposed method produces better output images in comparison with the separate segmentation and edge detection methods studied in the literature. In addition, we show that the method proposed in this study is more flexible and efficient when noise is added to an image.