基于k-mask的超连通理论及应用

为了综合利用目标的多种信息进行融合,增强滤波效果,提出了一种新的基于k-mask的超连通类。通过不同的通道信息和约束条件得到连通掩模图、模板图,由连通掩模图与模板图相交部分的面积信息重新标识模板图中的连通成分,经过选择和聚类形成新的连通空间。根据基于k-mask超连通类的定义设计二值超连通开算子和超连通重构算子,并将其分别应用于字符区域的标识和遥感图像主干道路的提取。实验表明,通过灵活选择连通掩模,融合图像多梯度信息、颜色信息和多通道信息,有效地改善了传统开算子和重构算子的滤波性能。     

基于连通掩模的重构开算子及应用

为了有效地综合利用目标的多种信息进行融合,以提高重构开算子的滤波能力,提出一种新的基于二代连通掩模的重构开算子.基于不同的通道信息和约束条件得到连通掩模图、重构模板图和标识图,该算子根据二代连通的性质,由连通掩模图重新标识重构模板图中的连通成分,通过分割和聚类重构模板图形成新的连通空间,在该连通空间中标识图中的连通成分,有选择地重构模板图.通过灵活选择连通掩模和重构标识,融合图像多梯度信息、颜色信息和多通道信息,基于连通掩模的重构开算子有效地改善了传统形态重构算子标识图信息受限的问题.     

基于连通掩模的重构开算子及应用

为了有效地综合利用目标的多种信息进行融合,以提高重构开算子的滤波能力,提出一种新的基于二代连通掩模的重构开算子.基于不同的通道信息和约束条件得到连通掩模图、重构模板图和标识图,该算子根据二代连通的性质,由连通掩模图重新标识重构模板图中的连通成分,通过分割和聚类重构模板图形成新的连通空间,在该连通空间中标识图中的连通成分,有选择地重构模板图.通过灵活选择连通掩模和重构标识,融合图像多梯度信息、颜色信息和多通道信息,基于连通掩模的重构开算子有效地改善了传统形态重构算子标识图信息受限的问题.     

面积重构算子的理论和应用

为了有效地根据目标的面积尺度增强滤波效果，基于形态重构思想提出面积滤波算子.根据算子的
定义设计二值面积重构滤波器、面积重构顶滤波器和面积重构顶变换滤波器，同时提供了一种基于队列的
面积重构算子快速实现算法，该算法对掩模图中像素点按照灰度值从高到低依次搜索，划分连通区域，再
依据标识图中对应区域的面积和，有选择地重构掩模图中的区域.结果表明，该快速实现算法计算400×
300像素大小的图像耗时约100 ms，比并行算法快了近50倍.面积重构算子滤波效果优于面积滤波和形态重
构等算法，可以用于图像分割、简化滤波等实时处理领域.     

彩色温室蔬菜病害图像预处理及提取方法研究

为了实现对彩色温室蔬菜病害图像的准确识别,采用计算机图像处理技术对温室蔬菜病害叶片进行智能化识别.首先,对R,G,B这3个通道灰度级的图像采用移动平均法有效地去除了噪声的干扰,其次对分离出来的3个通道图像应用基于中心样条滤波和4个模板方向的Sobel算子计算梯度幅值分别检测边缘,然后再将3个通道的边缘融合,这样既克服了传统灰度图像信息的缺失,又弥补了传统Sobel算子细化边缘的不足,能够充分利用彩色图像的信息提取病斑的几何特征,为计算机进一步诊断病害提供了科学依据.     

基于空间域低通滤波算子的其他频谱特性算子获得方法研究

图像滤波处理是图像处理的重要内容。图像可以在空间域利用卷积运算实现滤波处理,常用的滤波处理有低通滤波、高通滤波、高频强调滤波和同态滤波。本文首先介绍了图像不同区域的频谱分布情况和空间低通滤波算子的特性,然后基于卷积运算和傅里叶变换的性质,利用空间域低通滤波算子,获得空间域高通、高频强调和同态滤波算子的方法。     

融合运动信息和跟踪评价的高效卷积算子

针对基于方向梯度直方图与颜色命名的高效卷积算子(ECO-HC)算法缺少跟踪质量评价和滤波模板更新监督机制的问题,提出融合运动信息和跟踪评价的高效卷积算子. 将卡尔曼滤波器加入ECO-HC跟踪定位框架对目标执行联合跟踪,设计高置信度判别指标评价ECO-HC对每帧图像的跟踪效果,使用原始跟踪结果和卡尔曼滤波预测值的加权融合值,修正不满足判别指标的跟踪结果. 在滤波模板隔帧更新策略的基础上,加入当前帧跟踪结果质量评价信息,当2个条件同时满足时执行模板更新. 依托公开数据集OTB-2015评估算法性能,结果显示改进算法整体跟踪精确度、成功率和跟踪速率均优于原算法,在运动模糊、低分辨率、离开视野场景中的精确度分别提高3.0%、3.5%和2.8%,成功率分别提高3.8%、2.1%和4.0%. 改进算法在保证实时性的同时,有效提升了复杂场景下的跟踪效果.     

一种高斯噪声组合滤波方法

为了有效滤除高斯噪声,提出了一种组合滤波方法.该方法首先通过定义新的维纳滤波模板进行预处理,以滤除一部分噪声;然后将图像进行二维小波分解,保留低频成分,对高频成分根据其噪声分布特征设计出新的形态学滤波模板分别进行滤波,并进行小波系数重构;最后通过设计一种新的小波增强函数,以提高图像的清晰度,最大限度保留图像细节信息.实验证明该方法滤波效果优于维纳滤波和形态学滤波,是一种较为实用的高斯噪声滤除方法.     

粒视角下彩色图像分割方法

为解决内容驱动的彩色图像分割问题,结合形态学跳连通算子和谱图聚类技术建立基于粒的分割方法．在粒计算的框架下,采用彩色图像的连通性算子构造图像分割问题的基本粒．在估计基本粒尺度的基础上,利用曲面正交多项式拟合技术进行基本粒规则化．通过谱图聚类算法融合各个基本粒,实现粒视角下彩色图像的分割．模拟实验验证了本文所提方法的有效性,面向粒的分割技术在消除边界块效应和降低计算复杂度方面优于基于规则分块和面向像素的分割方法．     

基于斜投影算子的压缩域滤波法

通过对压缩感知和压缩域信号处理技术的研究,提出了一种基于斜投影算子的压缩域滤波法,在不精确已知目标信号稀疏位置的情况下,利用测量矩阵信息,构造斜投影滤波算子来完成干扰信号的滤除功能,从而达到直接利用压缩测量值不经信号重构而进行滤波的目的.理论分析了该方法的有效性.实验仿真结果表明,该方法能在压缩域有效地滤除非目标信号,并且相比于正交投影算子滤波法具有更好的性能.     

一种改进的图像边缘检测算法

针对传统单一算子图像边缘检测效果欠佳的问题,提出一种新的边缘检测算法.新算法融合了LOG算子对于图像的阶跃型边缘定位准确、旋转不变性的优点和Canny算子的强抗噪声能力.通过实例实验分析表明:相比传统单一算子,新算法检测图像边缘的准确度更高,检测效果更理想.     

改进的LOG算子与小波变换融合的边缘检测方法

传统的LOG算子在高斯滤波方差的选择上不具备自适应能力,方差的大小会直接影响到去噪和边缘保持效果.针对此问题给出了一种改进的LOG算子方法,并对原图像分别采用改进的LOG算子和小波变换两种方法进行边缘提取,最后将这两种方法检测出来的边缘图像进行融合.实验表明,融合后的图像结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果.     

基于连通域的字符孔洞提取算法及其实现

提出了基于等价类行程的连通域算法,通过计算字符图像背景区域连通域提取手写字符图像的孔洞特征。为将相关行程合并成连通域,构造一个等价类数组记录和传递相关行程间的连通关系。手写数字字符图像的实验结果表明,本文算法能准确有效地提取手写数字字符孔洞特征,可用于字符分类识别。     

基于DNST和卷积稀疏表示的红外与可见光图像融合

为了克服传统红外与可见光图像融合方法的不足,本文提出了一种基于离散不可分离剪切波与卷积稀疏表示的融合方法。首先,利用离散不可分离剪切波将源图像分解为近似图像和方向细节图像,相比较于其他多尺度分解工具,离散不可分离剪切波能够在不同尺度内更好地分离出图像中重叠的重要特征信息。其次,利用源图像的显著特征图加权平均融合近似图像,保持融合图像的亮度和能量不丢失。卷积稀疏表示能够深度提取图像的显著特征,利用多维系数的l1范数作为活性测度构造显著特征图,生成近似图像的权重分配决策图。方向细节图像的融合规则采用"系数绝对值取大-高斯滤波"规则,通过"系数绝对值取大"规则获得初始权重分配决策图,利用高斯滤波器对决策图进行滤波处理,降低噪声的敏感度,同时增加可见光图像信息比例。最后,通过离散不可分离剪切波逆变换对融合后的系数进行重构,得到最后的融合图像。实验结果表明,相比较于已有文献的其他典型融合方法,本文融合方法在主观视觉和客观评价准则方面都取得了较好的融合性能。     

混合加权集成算子及其在决策中的应用

对数据信息混合加权集成算子进行了研究。基于混合加权平均(HWA)算子和组合加权几何平均(CWGA)算子提出了2种新的混合加权集成算子,即混合有序加权平均(HOWA)算子和混合有序加权几何(HOWG)算子;基于广义有序加权平均(GOWA)算子,又提出了2种新的混合加权集成算子即广义混合加权平均(GHWA)算子和广义混合加权几何(GHWG)算子;证明了HWA算子和HOWG算子是GHWA算子的特例,CWGA算子和HOWA算子是GHWG算子的特例。最后,通过实例说明了混合加权集成算子在多属性决策中的应用。     

基于Canny算子的边缘检测及评价

详细介绍了Canny算子边缘检测理论的基本原理，给出了Canny算子的具体算法过程。在此基础上，本文提出了一种基于4-连通成分、8-连通成分与边缘点数的比值的边缘评价方法。对实验结果从主客观方面分析、对比表明，Canny算子提取边缘的效果较理想。     

基于同化核分割相同值区域特征融合的边缘检测

针对SUSAN(Smallest univalue segment assimilating nucleus)边缘检测算子在强噪声环境中容易产生虚假边缘的不足,提出了基于同化核分割相同值(Univalue segment assimi-lating nucleus,USAN)区域特征融合的边缘检测方法——FUSAN(Fusion-USAN)算子。该算子在利用USAN区域大小信息提取潜在边缘点的基础上,分别直接和间接利用USAN区域的形状信息计算边缘响应,并采用简单的融合策略融合这两种边缘响应得到最终的边缘响应。与SUSAN算子相比,FUSAN算子综合利用了USAN区域的大小和形状信息。利用合成图像和常用Cameraman图像并加入噪声对FUSAN算子进行评估,实验结果表明:FUSAN算子的检测性能优于SUSAN算子。     

一种基于梯度的图像滤波算法

滤除图像的噪声有很多方法,普遍使用的均值滤波滤除噪声效果不够理想,且易使图像变得模糊;而中值滤波滤除噪声效果较好,但易使图像的细节信息丢失.文章提出了一种基于梯度的滤波算法,该算法对含有噪声的图像取3×3领域,构造4个方向的梯度算子模板,通过比较4个方向梯度大小,对噪声、图像边缘、图像内部信息点分别处理.实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比.     

融合改进形态学和LOG算子的齿轮边缘检测

针对传统边缘检测算法在提取含噪齿轮边缘过程中,存在难以有效抑制噪声和边缘不连续不清晰的问题,提出了一种融合改进数学形态学和高斯拉普拉斯（LOG）算子的齿轮边缘检测算法。首先,用改进的数学形态学边缘检测算法和改进的LOG边缘检测算法分别对原图像进行边缘检测,得到两幅边缘检测图像。其次,对两幅图像进行4层小波分解且对得到的高、低频信息赋予一定的融合规则进行融合处理。最后,利用小波逆变换重构融合图像。实验结果表明,对比单一使用LOG算子和数学形态学算法,该算法不仅能更好抑制噪声还能得到更加清晰的图像边缘。     

基于连通域相关及Hough变换的公路路面裂缝提取

针对裂缝细小不连贯且带有设计接缝的公路路面,提出了裂缝自动提取算法. 该算法包括路 面图像预处理、基于连通域相关的裂缝提取和基于随机Hough变换的接缝滤除3个环节. 路面图像预处理环节通过部分重叠子块直方图均衡（POSHE）、局部与全局灰度匹配以及基于高 提升空间滤波的图像分割,得到裂缝更加清晰的路面二值图像;裂缝自动提取环节中,通过 基于连通域之间的相关特性,将细小且不连续裂缝的各个片段连接形成完整裂缝,进而基于 连通域长度特性,实现了复杂裂缝与路面纹理噪声的区分;在接缝滤除环节,通过基于随机 Hough变换的直线检测结果,结合接缝的自然属性设计了一组接缝区域识别规则,实现了裂 缝与接缝的区分,从而得到了最终的裂缝识别结果.