人脸图像风格迁移的改进算法

图像风格迁移是对给定的输入图像,采用计算机手段自动将任意其他图像的风格迁移到输入图像中,使两者风格完全相同,但保持原图像内容不变.本研究通过实验发现,当这种风格迁移用到人脸图像时,由于嘴唇、眼睛等部位对空间位置差异比较敏感,容易导致风格迁移效果失真.基于DPST (deep photo style transfer)算法,提出对空间差异鲁棒的人脸图像风格迁移的改进算法,通过将输入图像和风格图像各部分语义的分割内容在深度卷积神经网络中特征图通道间的归一化互相关最大化,对风格图像进行对应的仿射变换,每个分割区域都以对应的空间变换后的样式图像作为样式参考,有效减轻了输入图像和风格图像各部分语义分割内容在空间上存在较大差异时产生的重影.选取空间差异较大的输入图像与风格图像,对新算法和原DPST算法以及其他基准算法进行对比实验,结果表明,当两张图像各语义分割内容在空间位置相差较大时,新算法仍能产生较好的效果,鲁棒性更佳.     

上下文信息多样聚合的图像修复算法

为解决现有算法修复大面积、不规则语义缺失图像时存在结构扭曲和纹理模糊的缺陷，提出了一种基于上下文信息的多样聚合图像修复算法。首先，用编码器提取待修复图像的信息，估计缺失内容，经纹理信息生成模块融合来自各种感受野的上下文信息，增强缺失区域的结构与纹理信息；然后，经解码器恢复原始图像特征；最后，使用掩码匹配鉴别器对生成图像进行鉴别训练，结合对抗损失、重建损失、感知损失和风格损失共同优化模型，促进生成器合成清晰的纹理。在公开数据集上，对所提算法进行训练和测试，实验结果表明，修复随机不规则大面积语义缺失图像时，所提算法可得到比对比算法更清晰合理的结构和纹理细节，其峰值信噪比和结构相似度等客观指标均优于对比算法。     

融合特征自适应抑制式模糊聚类彩色图像分割

为了提高彩色图像分割的精度和效率,提出了一种融合特征自适应抑制式模糊聚类图像分割算法.在Lab空间提取图像色彩信息,采用Haar小波变换与半方差函数提取图像纹理特征,得到7维融合特征以概括图像信息.利用带宽自适应的均值漂移算法生成聚类数目和初始聚类中心.根据迭代过程中隶属度的动态变化自适应生成抑制因子,以改善算法的运行...     

基于多层级特征自适应融合的图像分割算法

为了解决传统算法对医学图像分割时精度较低的问题,提出基于多层级特征自适应融合的新型FRUnet图像分割算法.在编码器阶段,设计采样加权模块替代传统卷积层,对图像空间信息进行逐层提取和特征融合,获得相邻像素之间的相关性和不同层次的语义信息.在解码器阶段,设计多层级自适应融合模块,通过非线性跳跃连接逐层提取图像通道信息,自适应地融合邻近连接层的上下文信息,使各层专注不同特征信息的提取.FR-Unet在模型参数量上大幅度减少,让网络在场景部署上得到更好的支持.实验结果表明,该网络在动物细胞分割、肝脏器官分割、皮肤病变分割等众多任务中均表现突出.     

基于最优传输特征选择的医学图像分割迁移学习

在无监督领域自适应迁移学习过程中,域无关特征导致模型分割性能下降,而目前并没有针对迁移学习分割模型有效的特征选择方法。为解决该问题,提出了一个基于最优传输的迁移学习通用特征选择模块,可以应用到多种无监督领域自适应图像分割模型中。该模块利用分割准确性加权最优传输选择两个域的最优样本子集,再将样本子集特征进行熵正则化最优传输,得到两个域特征相似性降序列表来去掉域无关特征。将通用特征选择模块应用到三种无监督领域自适应模型中解决新冠肺炎图像分割问题,均在一定程度上提升了模型性能。     

基于自适应遗传算法的激光图像处理

针对激光图像分割处理的问题,提出了一种基于自适应遗传算法的激光图像分割处理算法.该算法将自适应遗传算法与最大类间方差分割方法相结合,将图像类间方差作为适应度函数,利用交叉概率和变异概率动态调整自适应遗传算法求解最大类间方差的最优阈值.为了衡量该算法的处理效果,分别采用本文算法和最大类间方差图像分割算法对图像进行处理.结果表明,该算法的CI值为0. 417,能够对图像进行有效分割,且分割的准确性和运算速率均优于传统的最大类间方差分割方法,具有较高的实践价值.     

基于正交图像生成人脸模型的合成分析方法

针对采用现有基于图像的人脸建模方法生成的三维人脸模型存在的人工性缺陷问题,提出了一种基于合成分析方法的个性化三维人脸建模方法.利用合成方法由两幅正交人脸图像生成一个初始三维人脸模型,比较基于颜色直方图方法合成的人脸图像纹理与输入图像纹理的差异,根据纹理差异来指导对人脸网格的局部自适应细分,不断调整合成的三维人脸模型,从而更好地保持了人脸的精细细节特征.实验结果表明,使用该细分反馈算法,可以减少模型的人工性缺陷,在整体上提高了合成人脸模型纹理的真实感.     

一种新的Contourlet域鲁棒水印算法

为提高水印算法的鲁棒性和效率,提出了一种基于图像纹理特征的自适应鲁棒水印算法．选定灰度共生矩阵的能量、熵、对比度3种纹理特征量,通过Mean Shift聚类算法快速准确地提取图像强纹理区域,在图像强纹理的Contourlet变换域大系数中添加水印,通过纹理聚类结果自适应选择水印嵌入位置,控制嵌入强度．实验表明,这种算法对多种攻击(高斯低通滤波、维纳滤波、中值滤波、椒盐加噪、高斯加噪、JPEG攻击、剪切攻击)表现出强的鲁棒性,收敛速度明显优于基于FCM聚类以及K均值聚类的水印算法．     

一种结构自适应免疫抗体竞争网络的非监督图像分割

提出一种新的结构自适应免疫抗体竞争网络,无须预先设定聚类数目,实现了完全非监督的图像分割．基于自组织特征映射神经网络的基本概念,提出一个新的免疫抗体邻域概念,增强了网络的鲁棒性．根据大脑皮层长期记忆的形成原理提出一个长期记忆因子,提高了算法收敛的速度．为了抑制噪声抗原对抗体网络的影响,提出3种抗体死亡操作．以上这些改进措施可使生成的抗体网络更好地反映抗原的分布特征,得到自适应的网络结构．将此算法用于合成纹理图像、遥感图像和合成孔径雷达图像的分割,都取得了较好的分割结果．     

Contourlet变换的图像分割

针对小波域隐马尔可夫树模型分割的图像结果容易产生方向边缘成分模糊和奇异性扩散现象,根据Contourlet变换可以充分捕捉图像中高维奇异性,提出了一种基于Contourlet变换域的新的多尺度图像分割算法.该算法通过Contourlet域隐马尔科夫树模型获得各尺度上的初始分割,采用自适应的上下文结构对分割后的图像进行多...     

基于生成对抗网络的图像风格迁移

生成对抗网络(Generative Adversarial Network, GAN)可以生成和真实图像较接近的生成图像.作为深度学习中较新的一种图像生成模型,GAN在图像风格迁移中发挥着重要作用.针对当前生成对抗网络模型中存在的生成图像质量较低、模型较难训练等问题,提出了新的风格迁移方法,有效改进了BicycleGAN模型实现图像风格迁移.为了解决GAN在训练中容易出现的退化现象,将残差模块引入GAN的生成器,并引入自注意力机制,获得更多的图像特征,提高生成器的生成质量.为了解决GAN在训练过程中的梯度爆炸现象,在判别器每一个卷积层后面加入谱归一化.为了解决训练不够稳定、生成图像质量低的现象,引入感知损失.在Facades和AerialPhoto&Map数据集上的实验结果表明,该方法的生成图像的PSNR值和SSIM值高于同类比较方法.     

基于相似图像配准的图像修复算法

传统基于纹理合成的图像修复算法只能从破损图像中提取有用信息,不能修复复杂结构;基于深度学习的修复算法训练时间长,纹理合成效果不理想.为解决上述问题,该文提出了一种基于相似图像配准的图像修复算法.首先提出一种破损图像的相似度计算方法,利用图像的深度学习特征,在数据库中寻找与之最为相近的图像,为修复过程提供更多的有效信息;...     

基于可见光图像的红外图像纹理映射方法

为有效仿真大规模背景景物红外图像纹理,提出一种基于可见光图像的红外图像纹理映射方法.该方法以相应景物的可见光图像灰度范围为参照,基于同景物某时刻红外图像的温度及灰度分布,计算景物红外图像的温度与灰度对应关系.将对应景物温度分布偏差信息叠加在相关景物不同时刻的均值温度上,映射在该景物可见光图像的灰度范围内,生成对应景物不同时刻的红外图像纹理.另外,将仿真的背景图像分为单一组分和混合组分的背景图像,对于单一组分背景图像,采用提出的方法进行红外图像纹理映射;对于混合组分的背景图像,首先采用该背景图像对应的可见光图像进行材质分类,在此基础上采用提出的方法进行混合组分背景图像的红外图像纹理映射.实验结果验证了本文方法的有效性,该方法可为快速仿真不同时刻、不同景物的红外图像纹理提供一种方便有效的途径.     

基于小波变换的墙地砖缺陷图像分割

目的改进原有的图像分割算法在分割图像时的精度和准确度，进一步准确地研究墙地砖缺陷图像的基本特征，提出一种有效的图像分割方法．方法根据墙地砖表面的纹理特点，采用Daubechies小波对原始图像进行处理．结果仅保留图像的近似信息，从而有效降低了纹理特征对缺陷分割的干扰．同时，图像数据量减少为原始图像的1／4．因此，在有效提取近似信息的基础上提高了系统的实时性，便于图像分割应用．该方法增强了缺陷纹理图像。能抑制背景纹理对缺陷纹理检测的干扰，并通过减运算有效地实现了缺陷纹理和背景纹理的分割．结论基于小波变换的墙地砖缺陷图像分割方法能够对随机纹理图像进行可靠、有效、快速的分割，尤其适用于具有随机纹理的墙地砖缺陷实时检测．     

基于缝雕刻的图像重定向算法

图像重定向算法利用人对图像内容的感知差异进行非均匀的图像缩放,以适应新的显示需求。本文提出了一种基于缝雕刻的图像重定向算法。它利用每条seam上像素的累加能量和最大能量构造混合能量模型,使算法既能够利用人眼对梯度信息的敏感性,又可以减少复杂纹理背景对seam提取的干扰。实验结果显示,相比其他几种算法,本文算法可以更好地保护图像中视觉关注对象的边缘轮廓结构,处理后的图像不仅视觉效果更好,与原图的相似性距离也更小。     

基于生成对抗模型的可见光-红外图像匹配方法

针对现有异源图像匹配存在的模态差异大、匹配难度大、鲁棒性差等问题, 基于生成对抗网络转换思想及传统的局部特征提取能力, 提出基于生成对抗模型的可见光-红外图像匹配方法. 依据生成对抗网络（GAN）的风格转换思想, 增加了损失函数计算通路并构建新的损失函数, 改进模型在异源图像上的转换效果. 利用SIFT算法分别提取转换后同源图像的特征信息, 确定待匹配点的位置和尺度. 依据匹配策略间接完成待配准图像的特征匹配及相似性度量. 在实景航拍数据集上进行实验验证. 结果表明, 利用该方法能够有效地处理多模数据, 降低异源图像的匹配难度, 为多模态图像匹配问题提供新的思路.     

基于T-GLCM和Tamura融合特征的纹理材质分类

虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高,纹理因素复杂且无规律,单一的纹理提取算法并不能准确地描述图像纹理的特点.因此提出基于GLCM(灰度共生矩阵)和Tamura融合特征的纹理材质分类算法.此外,本文对传统灰度共生矩阵GLCM进行优化,提出了改进的GLCM(T-GLCM)算子,提升了GLCM的旋转不变性并减少了大量的冗余信息.利用Tamura纹理特征对图像进行量化,然后将各特征区域量化后级联成一组特征向量,融合T-GLCM的纹理特征,通过支持向量机(SVM)对纹理材质进行分类.实验结果表明,相比传统纹理特征提取算法,本文算法具有更高的分类精度且鲁棒性更好.     

一种新的纹理合成算法

现有纹理合成算法并不能保证合成物体的完整性,也不能使其分布与样本纹理保持一致。提出了一 种分层纹理合成算法。首先,采用归一化图像分割算法提取样本纹理中的视觉显著性前景物体,继而采用图像修复 算法修复背景,然后统计前景物体在样本纹理中的分布共生矩阵,以此作为约束,在背景图像上确定前景物体的分 布位置。实验结果表明,不仅可以对前景物体独立进行各种变换,得到任意分布的合成纹理,而且可以保证前景物 体的完整性。     

论南京云锦服饰中“云”和“龙”图案所蕴含的中国传统文化

南京云锦集历代织绵工艺艺术之大成,被称作是中国古代织锦工艺史上最后一座里程碑。作为一种元明清三朝皇家御用的丝织工艺品,龙和云这两种传统文化的形象是南京云锦服饰的典型装饰图案。南京云锦中云和龙图案体现了"王权神授"、"意象造型"、"天人合一"的观念和哲学思想,说明了我国传统文化在云锦中的重要地位。     

基于无监督深度学习的红外图像与可见光图像融合算法

红外和可见光图像表征了互补的场景信息. 现有的基于深度学习的融合方法大多通过独立提取网络分别提取两个源图像特征,从而丢失了源图像之间的深度特征联系. 基于此,提出了一种新的基于无监督深度学习的红外图像与可见光图像融合算法,针对不同模态的特点采用不同的编码方式提取图像特征,利用一个模态的信息补充另一个模态的信息,并对提取到的特征进行融合,最后根据融合特征重建融合图像. 该算法可在两个模态的特征提取路径之间建立交互,不仅可预融合梯度信息和强度信息,且能增强后续处理的信息. 同时设计了损失函数,引导模型保留可见光的细节纹理,并保持红外的强度分布. 将所提算法与多种融合算法在公开数据集上进行对比实验,结果表明,所提算法获得了良好的视觉效果,客观指标评价方面对比现有的优秀算法也有一定的提升.