一种度量图像像素陡变程度的方法

文中举例说明了离散曲率不能很好的表达图像像素的变化。为此,文中提出一种度量图像像素陡变程度的方法,该方法是利用某一点与它的前后点形成的两个矢量,定义后一矢量相对于前一矢量变化的角度弧度值为该点的陡变度。实验证明,陡变度比离散曲率能更好的反映图像像素变化。     

基于Freeman链码的汉字图像轮廓曲线拐角点检测方法

拐角点检测在模式识别和机器视觉中有重要作用。本文应用基于Freeman链码的一种检测和确定图像轮廓曲线拐角点位置的方法,提取出汉字轮廓图像的拐角点作为特征点用于图像配准中。首先提取出汉字图像的轮廓曲线,然后利用Freeman链码给轮廓曲线编码,根据判断准则,提取出必是拐角点的点与可疑拐角点,最后估算可疑拐角点的曲率,挑出每组临近可能拐角点中曲率最大的点为真实拐角点。实验结果表明本文应用的方法能准确地检测出同被测对象相一致的拐角点,给出了实验数据与过程。     

基于锚点集优化的硅片图像缺陷检测方法

为有效解决机器视觉算法识别硅片图像缺陷时存在检测速度慢、准确率低和稳定性差等问题,提出一种锚点集的优化方法。将Faster R-CNN检测网络与ResNet相结合进行特征提取;针对硅片缺陷数据集的特点,从理论上通过期望的定位精度推导一种优化的锚点集;利用优化后的锚点集训练缺陷检测模型。实验结果表明,所提检测模型识别精度提升至94.1%,检测时间达到160 ms,满足工业检测的需求。     

基于联系度态势的图像边缘检测算法

为了使提取的目标边缘精确、连续、清晰以及具有抗噪声干扰能力,这里给出了一种新的基于联系度态势的边缘检测算法.该算法是以Sobel算子为基础,先对图像进行灰度变换,然后运用联系度态势中的同一度和对立度之间的趋势关系,对图像目标实现边缘检测.实验结果表明,该算法不仅计算速度快,而且检测的目标边缘准确、清晰,且对噪声的抑制能力强.     

一种新的基于佳点集的图像二值化遗传算法

在图像二值化算法中,传统优化算法难达到全局最优解,一般遗传算法不能保证子代的性能优于父代.将佳点集理论应用到图像二值化算法中,建立基于佳点集的随机搜索机制,不仅提高了求解速度与精度,并且能保证所求到的后代的适应值较高.算法具有较好的稳健性,在实际应用中获得了很好的二值化效果,有利于计算机图像处理的后续工作.     

一种新的基于佳点集的图像二值化遗传算法

在图像二值化算法中,传统优化算法难达到全局最优解,一般遗传算法不能保证子代的性能优于父代。将佳点集理论应用到图像二值化算法中,建立基于佳点集的随机搜索机制,不仅提高了求解速度与精度,并且能保证所求到的后代的适应值较高。算法具有较好的稳健性,在实际应用中获得了很好的二值化效果,有利于计算机图像处理的后续工作。     

基于重叠模块度的社区离群点检测

社区离群点是结合数据的社区特性和自身属性挖掘得到的一种特殊离群点。针对现有社区离群点检测算法忽略社区间的重叠现象而导致社区划分不准确的问题,提出一种将对象的特征属性引入到相似度和重叠模块度的计算中的社区离群点检测方法。首先根据节点间的相似度对节点进行聚类,然后根据重叠模块度的变化进行迭代聚类,多次聚类后选取重叠模块度最大的作为划分结果,最终根据特征属性的偏离程度来确定社区离群点,从而解决重叠社区中社区离群点的检测问题。实验结果表明,提出的算法不仅能准确地发现重叠社区而且能有效地检测社区离群点。     

二维凝胶图像一致蛋白质点集提取方法

针对凝胶图像间蛋白质点人工比对工作量大和易出错的问题,提出一种基于粗配准一精匹配的一致蛋白质点集自动提取方法.根据凝胶图像的SIFT特征匹配结果对凝胶图像进行粗配准;采用标记分水岭方法进行点检测;再根据蛋白质点的距离相似度和灰度相似度进行双向匹配,提取一致蛋白质点集.通过对多种不同来源的凝胶图像进行实验,提取一致蛋白质点集的正确率高于97％.结果表明,该方法在具有缩放、旋转、亮度和噪声差异的凝胶图像中提取一致蛋白质点集都具有较好的稳定性.     

基于封闭先验的图像显著度检测

颜色对比度是图像关注区域检测的重要线索,准确地提取反映图像不同颜色特征的区域,非常有助于计算各个区域的对比度.为了得到有效的对比图,首先利用封闭先验通过检测位平面中的连通性来提取具有不同颜色特征的封闭区域.其次,利用背景先验消除与图像边界连通的封闭区域并得到封闭区域掩膜.然后利用对比度先验与封闭先验,提出某区域在各个位平面中表现为封闭的次数越多越有可能是关注区域的假设,并通过封闭区域掩膜的叠加计算各个封闭区域的对比度.同时,结合人眼对小面积的封闭区域与封闭轮廓的感知特性,以及对关注区域视觉资源的分配特性,在获取对比度图的关键环节采取形态学滤波和高斯模糊,最终实现面向凝视点估计的图像显著度检测.与多种经典的检测模型相比,提出的方法取得了较好的性能.     

基于流形结构神经网络的服装图像集分类方法

随着大规模时尚数据集的公开,基于深度学习的服装图像分类得到快速发展.然而,目前服装图像分类多数是在同一件服装具有单张的、正面或接近正面的图像的场景下进行分类,这导致了当视角发生变化时常出现服装图像误分类的情况,现实中服装具有的形变大、遮挡严重等特性进一步加剧了该问题.基于上述问题,提出了一种基于流形结构神经网络的服装图像集分类方法,利用流形空间更好地表示服装的内部结构特征.该方法选用多视角度服装图像集作为实验数据集,首先通过卷积神经网络提取服装图像集的浅层特征,再通过协方差池化将欧氏数据转换为流形数据,最后通过基于流形结构的神经网络学习服装图像集的内部结构特征,获取准确的分类结果.实验结果表明,所提方法在MVC数据集上的Precision、Recall和F-1指标可达到89.64％,89.12％和88.69％,与现有的图像集(视频)分类算法相比,其分别获得了2.04％,2.65％和2.70％的提升,该方法比已有算法更加准确、高效、鲁棒.     

二值图像中拐点的实时检测算法

鉴于数字图像中的拐点通常成为重要的信息载体,因此准确、稳定和实时地检测出拐点便成为拐点检测算法面临的主要问题,针对该问题,提出了一种新的二值图像中拐点的实时检测算法。该算法与传统基于边界链码的拐点检测算法不同,其是首先构建像素的k(k>8)邻域,并将图像中物体的边界表示为k邻域链码;然后根据曲率定义的差分形式计算各边界点处的曲率;最后通过检测曲率直方图的局部峰值精确定位出拐点,并利用拐角内部像素的颜色统计信息迅速判断出拐点的凸凹性.为验证该算法的效果,给出了该算法与4种已有算法的对比实验.结果表明,该算法不仅稳定性、准确性较高,而且算法简单,实时性强,并适合于嵌入式计算环境。     

基于轮廓尖锐度的图像角点检测算法

角点是图像轮廓线最重要的特征,为了准确而快速地检测角点,提出基于轮廓尖锐度的计算方法。该算法在多尺度空间中对轮廓曲线进行高斯平滑,在局部支撑区域内计算轮廓每一点的尖锐度,结合角点筛选规则确定角点。数学推导表明该算法具备合理性和可行性。实例分析表明其抗干扰性好、运算量小、定位准确。     

基于图像轮廓曲线的拐点检测算法

拐点是图像很重要的特征,包含图像的主要结构信息，拐点检测对图像配准、目标识别和三维重建等任务的处理都有着非常重要的作用。从研究轮廓上点的曲率出发，针对传统基于轮廓的拐点检测算法对噪声和局部变化敏感而造成检测结果不稳定的问题，提出一种间接反映轮廓曲率特性的方法，记为APTD(Accumulation of Point to Tangent Distance)。使用高斯函数对轮廓曲线进行平滑处理，轮廓上点的曲率越大则该点附近的点到该点处切线的距离也越大，根据这一思想，将轮廓上点附近支撑域内的点到该点所对应切线相对距离的累加和作为拐点的判别函数，从而实现轮廓拐点的检测。经由数学推导表明所提出的算法具有合理性和可行性，对比实验分析表明该算法精度高、运算量小、定位准确。     

一种基于Harris和图像对比度的角点检测方法

目前各种角点检测方法,对于不同的图像需要选取不同的阈值才能保证结果的精确度,而阈值的选取是比较麻烦的.此处提出了一种通用的方法,通过适当改变图像直方图增大图像对比度,再使用固定阈值的Harris方法对图像中的角点进行提取.该方法解决了阈值选取困难的问题,实验结果表明该方法有效提高了结果的精度,在很多场合比较适合.     

角点检测技术综述

角点检测是机器视觉和计算机视觉领域的基本课题.角点有时也称为兴趣点,在简化图像信息数据的同时,还在一定程度上保留了图像较为重要的特征信息.角点检测在三维场景重建、运动估计、视觉跟踪以及图像配准与图像匹配等计算机视觉领域得到了广泛的应用.本文对现有的角点检测方法进行了分类及阐述,主要分为基于灰度强度的方法、基于边缘轮廓的方法,并将其余类别的角点检测方法也进行了汇总.并介绍了现有方法的部分测评技术以及实用案例,为图像角点检测技术提供参考和借鉴.     

基于AP聚类图像分块的角点检测改进方法

将已有改进的Harris角点检测方法应用于图像拼接时,在单一尺度下检测角点会存在角点信息丢失、角点位置不准确和对噪声敏感致使检测率不高等缺点。为此,结合双边滤波和多尺度检测,提出一种Harris角点检测改进方法。采用双边滤波器代替原有的高斯低通滤波器,以增强方法的鲁棒性,引入近邻传播聚类方法将图像分块,避免因阈值问题造成角点分布不均,并将多尺度概念引入到改进方法中,判断候选角点是否为真实角点,剔除伪角点,使得角点检测更加精确。在 VS2010+OpenCV平台上进行实验,结果表明,与基于图像分块的多尺度Harris角点检测方法相比,该方法在去伪角点、漏检、准确度等方面取得了更好的效果,且具有更好的抗噪性。     

基于角点特征检测的视频图像质量评价方法

为对视频会议系统中图像的降质程度进行有效评估,提出一种基于角点特征检测的视频图像质量评价方法。模拟测试图像在真实环境下的降质情况,生成仿真图像。计算两者的二值边缘轮廓曲率,获得不同检测参数下的角点检测数,寻找用于真实环境的最佳测试图像和角点检测参数。根据角点检测数将图像质量分成若干个等级,并依此判别图像质量的好坏。Matlab 仿真实验结果表明,该方法得到的结果与主观评价结果一致,能正确评价图像质量。     

基于目标检测的SAR图像变化检测方法

SAR图像变化检测有着广阔的应用前景,但目前的方法普遍以精确的配准为前提,使其适用范围受到限制。针对人造目标在SAR图像上的特点,提出了一种基于目标检测的SAR图像变化检测方法。通过图像中的人造目标之间相对位置关系的相似程度确定图像的变化情况,以此来降低对图像配准精度的要求。实验表明该方法在很宽的配准精度范围内都可获得较满意的结果。     

基于多尺度曲率乘积的鲁棒图像角点检测

为了更好地进行图像角点检测,在曲率尺度空间(CSS)框架下,提出了一种基于多尺度乘积的角点检测技术,其中曲率尺度积函数被定义为各个尺度下轮廓曲率的乘积,而角点则被定义为曲率乘积的局部极值点。这种尺度积不仅能显著地增强角点曲率极值点的峰值,同时能抑制噪声影响,而且不改变角点的位置,为了说明该技术的优点,根据角点数一致性(CCN)准则证明了该技术优于其他的角点检测算法。实验结果表明,该方法不仅具备优越的检测效果,并对噪声有较强的鲁棒性。