基于局部特征的图像插值算法在B/S视频监控中的应用

在B/S模式的视频监控应用中,针对传统的双线性插值图像放大算法会造成图像细节模糊的问题,提出一种改进算法.先计算4个邻点灰度的标准差,通过判断标准差是否大于某个阈值来将图像分为边缘区域和非边缘区域,对于非边缘区域的像素点直接使用双线性插值算法,对于边缘区域的像素点,采用最邻近和双线性插值算法进行加权融合所得的结果.并设计与实现了B/S模式的视频监控系统,在系统中应用改进算法对视频图像进行放大.实验结果表明,该算法可以避免最邻近插值产生的局部锯齿问题,同时也改进了双线性插值造成的图像细节模糊,能够改善视频图像放大后的视觉效果.     

高斯插值哑像素边缘检测算法的优化

针对传统的高斯插值算法运用在图像检测上定位不准确,定位精度随着所选择定位角度的不同而不同,效率低等问题,对高斯插值亚像素边缘检测算法进行了优化．首先,通过LOG算子获得像素级的边缘后,进行Hough变换,得到图像边缘的斜率和在垂线方向相应点,并设置新的坐标系;然后,利用泰勒级数插值法在新的坐标系下获取灰度值的方向梯度;最后,对变换后的亚像素梯度方向进行高斯插值计算．实验结果表明：优化后的方法比传统的算法可以得到更好的精度,更高的效率,且具有方向不变性,验证算法的精度达到0．05个像素,有效地提高了图像边缘提取的精确度．且将该算法运用于刀具几何参数的检测和视觉设备效果很好．     

一种基于偏微分方程的图像放大方法

目的结合偏微分方程理论,研究图像放大的有效方法.方法根据热传导方程的物理意义,把图像的灰度值视为平面物体的温度,以原图像的某种插值结果作为异性扩散方程的初值,利用数值方法对方程进行求解,所得结果作为预估值.将预估结果中相应于原图像位置的像素值以原图像替换,所得结果作为校正值.校正值将作为下一步预估计算的初值.利用有限差分法求解偏微分方程,实现预估-校正迭代.结果数值实验显示笔者所提算法与传统的插值放大算法相比放大后图像没有明显的斑点及亮度偏移现象;与已有基于偏微分方程的图像放大算法相比,该算法能够较好地保持图像的边缘特征和细节信息.结论笔者所提算法具有长时间计算的稳定性,放大图像不会随着迭代次数的增加而变得模糊,是一种有效的图像放大方法.     

基于彩色和边缘信息融合的道路分割算法

为了提高非结构化道路识别算法的有效性，提出了一种道路分割的新方法，建立了道路区域和非道路区域混合高斯彩色模型，根据像素隶属于彩色模型的概率进行基于彩色信息道路分割.利用彩色分割的结果对提取的图像边缘进行有效约束，抑止大量非道路边沿所产生的图像边缘.并且将彩色分割结果和道路图像的边缘信息融合，利用道路图像边缘信息对真实道路边沿定位的精确性和彩色信息对道路区域分割的适应性，通过动态规划算法求解出真实的道路边沿.实验结果表明，提出的新方法可以有效地分割出道路区域，对各种路况具有良好的适应性.     

改进的模糊C-均值算法在图像分割中的应用

针对传统的模糊C-均值算法在图像分割中存在的缺陷,提出了一种基于点密度函数加权的模糊C-均值聚类算法。将图像像素的点密度函数作为权值,并依据类间相关度定义了一个聚类有效性函数用以确定最佳聚类数,结合聚类有效性完成对图像的分割。理论分析和对比试验表明,该算法在一定程度上克服了模糊均值算法的缺陷,在图像分割中具有良好的分类精度。     

基于Sobel算子的混合有理插值图像算法

应用传统的插值算法,在水平或垂直方向上不加区别地插入丢失的像素,会造成图像模糊、阻塞、振铃等伪像问题。为了解决此问题,提出基于Sobel算子的混合有理图像插值算法。运用该算法适应图像的变化边缘结构,在此基础上按照三次卷积插值流程建立插值曲面,再对图像进行下采样,实现图像的缩放。经实例验证,可以利用Sobel算子提取出图像的边缘特征,同时有效地对数字图像进行缩放,其峰值信噪比和结构相似性比传统算法有了较大提升。同时,运用该插值算法能有效地抑制图像缩放中的伪像问题,减少插值带来的噪声,基本满足图像插值过程中的噪声小、鲁棒性强、稳定可靠等要求。     

基于双目视觉的显著性区域检测

针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法. 采用简单线性迭代聚类（SLIC）方法对图像进行超像素分割,将生成的超像素区域进行合并.通过计算各区域在左右视图的相对移动距离获取物体深度信息,以区域为单位分别计算颜色对比度及深度对比度,进行合成得到区域的显著性值.结果表明,生成的显著性图轮廓清晰,边缘锐利,同等条件下近处及深度变化显著的区域能够获得更高的显著性.该方法符合人类视觉感知特征,适用于移动机器人障碍物检测及场景识别.     

一种空间信息自适应的鲁棒模糊聚类算法

针对传统模糊聚类算法利用空间信息对抗噪声时对图像分割造成影响的问题，本文提出一种新型鲁棒模糊聚类方法(fuzzy c-means＿adaptive spatial, FCM＿AS)。在传统FCM算法基础上，引入空间信息自适应方法，提出了新的模糊聚类模型FCM＿AS及其对应的迭代优化算法。该模型在利用像素空间信息对抗噪声的同时，在像素的局部信息和非局部信息之间，设置一个自适应权重参数，实现对空间信息的自适应调整。为验证本文算法的有效性，采用多种流行算法在合成图像和脑MR图像上进行对比实验。实验结果表明，与传统的模糊聚类方法相比，FCM＿AS算法在处理合成图像和复杂的医学图像噪声时，可有效消除噪声对分割过程的影响，分类相对准确，且边缘信息平滑，图片准确度较高，更加接近理想分割效果，具有更好的鲁棒性和优越性，是一种稳健的图像分割算法。该研究实现了对空间信息的自适应调整，具有一定的理论意义和应用价值。     

基于图像的小尺寸零件圆参数亚像素定位算法

亚像素软件处理技术可以在一定程度上补偿图像测量系统由硬件限制引起的边缘定位误差,针对工业中的小尺寸圆形零件参数检测,提出了一种基于Zernike矩、二次多项式插值和最小二乘法拟合的圆参数亚像素定位算法。首先根据Zernike正交复数矩建立圆物体边缘点与边缘参数之间的映射关系,并提取边缘点;然后利用二次多项式插值在梯度方向上对提取出的边缘点进行进一步定位;最后利用最小二乘法拟合插值后的边缘点,得到亚像素精度的圆参数。通过小尺寸圆形惯性器件图像边缘提取实验,对该算法的有效性和检测精度进行了研究,给出了惯性器件的实测尺寸对比结果。实验结果表明:提出的圆参数亚像素定位算法比传统算子具有更高的检测定位精度,可满足图像目标高精度实时在线测量的要求。     

相对熵模糊C均值聚类分割算法

针对模糊C均值聚类分割算法无法获得复杂图像的细节信息问题,提出一种相对熵模糊C均值聚类分割算法。该算法利用划分隶属度构造相对熵,对传统模糊C均值聚类进行正则化约束,将其作为正则化因子添加到传统FCM的目标函数,得到新的聚类目标函数。通过拉格朗日乘子最优化推导,得到新的隶属度和聚类中心的迭代更新表达式。实验结果表明,该算法对于图像与背景灰度相近的复杂图像可以清晰的分割出图像的轮廓,也比FCM方法获得更多的图像细节信息。     

基于边缘方向插值的视频缩放算法及电路设计

阐述了一种沿边缘方向进行图像插值的缩放算法,并提出了基于该算法的一种视频缩放器电路的设计方案。该算法首先对数字视频图像帧采用拉普拉斯算子进行边缘检测,根据视频图像的动态阈值判定边缘区域和方向,得到二值化的帧图像的边缘信息。最后在边缘区域内边缘方向进行相位映射后,进行平行四边形线性插值。该算法的实现电路采用VerilogHDL语言描述,并在基于FPGA的视频处理平台上进行了原型验证。验证结果表明,插值后的图像边界更加清晰,消除了大比例缩放时线性插值的锯齿现象。     

3D reconstruction method based on contour features

To guarantee the accuracy and real-time of the 3D reconstruction method for outdoor scene, an algorithm based on region segmentation and matching was proposed. Firstly, on the basis of morphological gradient information, obtained by comparing color weight gradient images and proposing a multi-threshold segmentation, scene contour features were extracted by a watershed algorithm and a fuzzy c-means clustering algorithm. Secondly, to reduce the search area, increase the correct matching ratio and accelerate the matching speed, the region constraint was established according to a region''s local position, area and gray characteristics, the edge pixel constraint was established according to the epipolar constraint and the continuity constraint. Finally, by using the stereo matching edge pixel pairs, their 3D coordinates were estimated according to the binocular stereo vision imaging model. Experimental results show that the proposed method can yield a high stereo matching ratio and reconstruct a 3D scene quickly and efficiently.     

基于梯度的波纹图像质量评价

基于图像盲迭代复原,提出基于梯度的波纹评价方式、边缘轮廓变化评价波纹、平均边缘宽度评价波纹3种评价波纹的方法,得到一种新的基于梯度的波纹评价方式.此方法通过一个中心对称高斯加权窗在图像上逐点计算以该点为中心的邻域图像块的梯度相关信息;计算得到各点对应图像块的梯度信息并映射得到一幅图像来描述降质图像的降质信息,采用这幅降质信息图像的平均值作为整体图像质量的评价测度.对这3种图像质量评价方式进行实验发现,基于梯度评价方法可以很好地确定盲迭代的次数,从而得到相对质量较高的复原图像.     

一种邻域一致性的NSCT域多传感器图像融合算法

针对同一场景多传感器图像融合问题,提出了一种基于邻域特性的非采样Contourlet变换域融合新算法．首先对待融合图像进行非采样Contourlet变换分解,由邻域平均能量与方差构造各点的能量方差决策值,基于决策值最大原则选择低频子带系数,从而在保持图像亮度的同时融合更多的边缘细节;基于邻域能量最大原则选择带通方向子带系数,以保留更多的边缘．最后反变换得到融合图像．采用多聚焦图像及红外与可见光图像进行仿真实验,并对融合结果进行了主客观评价．实验结果表明,该算法较好地融合了亮度及边缘细节,避免了引入人为噪声,得到了具有更好的视觉效果和量化指标的融合图像．     

基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,论文基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。论文通过实验对算法的有效性进行验证：通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。     

基于图像邻域特性的高斯噪声去噪

针对传统高斯噪声去噪算法残余噪声较大的不足,根据噪声对图像视觉的影响,提出了基于像素邻域相关性的去噪算法.首先运用邻域像素的连续性判断像素点是否位于平滑区内;其次对非平滑区根据边缘和纹理的局部连续性运用形态学提取图像边缘和纹理进而定位噪声点;最后对平滑区内的噪声运用自适应邻域进行去噪处理,对非平滑区的噪声仅利用非平滑区的邻域进行平滑,实现了对高斯噪声先定位再去噪.经实验结果验证:与传统方法相比,该算法较好地抑制了图像平滑区内噪声,提高了去噪后图像的视觉效果.     

基于统计估计的图像边缘检测

针对传统的基于微分边缘检测算法的噪声鲁棒性较差这一问题,分析了图像边缘形成机理,依据统计估计评价准则,提出一种基于统计估计的边缘检测算法.该算法将像素点的圆形邻域沿θ方向分割成2个半圆,分别计算出2个半圆内像素样本的均值和方差,分析2个半圆内样本统计估计的有效性,进而排除噪声和纹理对边缘检测的影响.根据边缘两侧像素样本的统计估计偏度呈屋脊形分布的特点,对边缘进行细化和连接,以无噪声Canny算子检测得到的边缘作为先验知识,运用条件概率建立边缘检测评价函数.实验结果表明,基于统计估计的图像边缘检测方法具有较好的检测精度和噪声鲁棒性.     

基于边缘特征的虚实图像精确配准

3D模型的虚拟图像与可见光图像（实图）的配准可以增强信息的互补性,在通过INS装置粗配准后,其配准问题变成了经典的多模态图像精确配准问题。本文提出了一种基于边缘信息全局最优匹配的3D模型图像与可见光图像精确配准算法。该算法首先基于相位一致性模型提取3D模型图像与可见光图像视觉相似的边缘结构;再采用模拟退火算法搜索求解在边缘配准度最大对应的空间变换模型的最优参数值。4组实验结果表明,本文算法能够充分利用图像间的相近似的边缘结构和模拟退火算法得到配准变换参数,有效地实现多模态图像（不同光照及对比图像对,不同传感器的航拍图片对,虚拟3维视图与可见光图像）的精确配准。     

结合PCM和MIE的多模态图像配准方法

针多模态图像配准问题,提出了一种基于相位一致性模型（PCM）和互信息熵（MIE）的配准方法.通过相位一致性模型同时提取多模态图像的角点和边缘特征,在边缘图上取角点的邻域,依据邻域间互信息熵的最小值在估计区域搜索匹配特征,利用RANSAC算法去除错配,进而确定待配准图像间的变换参数.实验表明：该方法达到了像素级配准精度、求解稳定,对多模态引起的非线性灰度变化、光照变化、噪声等都具有较强的鲁棒性;计算精度较基于同类特征的配准方法高,角点、边缘等几何特征综合运用在多模态图像配准中效果良好.