基于NSCT及改进Canny的图像边缘检测

为进一步提取丰富的图像边缘信息,提出了一种基于非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)及改进Canny的图像边缘检测方法。该方法是将图像进行NSCT多尺度分解,得到低频和高频子带。首先对低频子带使用改进Canny算子提取低频轮廓,再使用非线性函数对高频子带信息中各尺度各方向上的系数进行调整,实现边缘增强和噪声抑制,最后将NSCT域尺度内和尺度间的检测结果相融合来得到完整的边缘图像。实验结果表明,相比Sobel、Canny算子和现有的NSCT边缘检测方法,文中方法具有更好的边缘检测效果,边缘定位准确、完整、连续、细节丰富。     

侧扫声纳图像的NSCT域模极大值边缘检测

侧扫声纳图像边缘检测较困难,为此,提出一种针对该图像特点的多尺度边缘检测方法。对侧扫声纳图像进行非下采样Contourlet变换(NSCT)分解,根据斑点噪声在NSCT域的分布特点,进行局部自适应去噪。通过各方向子带沿边缘方向的插值和非极大值抑制寻找模极大值点。通过类内方差最小化法自适应确定阈值,由阈值处理得到各子带的边缘。经边缘融合实现完整的边缘图。实验结果表明,该方法具有边缘检测完整、定位准确、伪边缘点少等优点。     

基于NSCT和自适应PCNN的遥感图像融合方法

以全色和多光谱遥感图像为研究对象,提出一种基于非下采样Contourlet变换(NSCT)和自适应脉冲耦合神经网络(PC-NN)的遥感图像融合方法;该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,得到低频子带系数和各带通子带系数;其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数;然后采用以各带通子带系数的梯度作为PCNN的链接强度β的PCNN图像融合方法来确定融合图像的各带通子带系数;最后经过NSCT逆变换和IHS逆变换得到融合图像;实验结果表明,此方法更好地保留了原遥感图像中的有用信息,并提高了融合图像的质量。     

基于改进的边缘直方图的图像检索方法

利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果。文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性。实验结果表明,其检索效果优于基于边缘直方图的方法。     

基于改进的边缘直方图的图像检索方法

利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果。文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性。实验结果表明,其检索效果优于基于边缘直方图的方法。     

NSCT变换和小波包变换相结合的图像隐藏方法

为了更好地解决NSCT域图像隐藏不可见性和鲁棒性之间的矛盾,提出了一种基于NSCT变换和小波包变换相结合的可见光图像隐藏方法,利用NSCT变换将载体图像分解为低频子带和一组高频子带,对低频子带进行二级小波包分解,通过奇异值变换将秘密图像重要位平面信息隐藏在小波包分解低频子带中,次要信息自适应隐藏在NSCT高频子带中。实验表明,在同等嵌入容量下,算法峰值信噪比大于50 dB,对几何攻击和滤波等干扰处理后,秘密图像的归一化系数仍接近于1。     

SAR图像的NSCT域自适应收缩相干斑抑制

提出了一种基于Nonsubsampled Contourlet（NSCT）变换域自适应收缩的SAR图像相干斑抑制算法。首先将SAR图像分解至NSCT域,其次对NSCT系数进行Pizurica自适应收缩。利用NSCT变换的良好的方向选择性及平移不变性,同时结合Pizurica自适应收缩的方向空间相关性及其局部噪声度量,自适应地得到各方向的高频子带系数对应的收缩因子,修正NSCT系数,最终将修正后的子带系数通过NSCT逆变换获得经过斑点噪声抑制的图像。实验结果表明,与小波域软阈值和Contourlet域软阈值算法相比,该算法在有效抑制SAR图像斑点噪声的同时能更好、更清晰地保持图像的边缘细节特征。     

基于边缘梯度方向直方图的图像检索算法

在基于内容的图像检索中,不同图像对形状细节的要求不同及形状特征对旋转的敏感性,影响检索性能.对此,本文提出了一种基于边缘梯度方向直方图的图像检索算法:利用B样条小波的多尺度变换模极大值进行边缘检测,实现不同图像对形状细节不同要求;用边缘梯度方向直方图表示物体的形状,采用循环移位最小值计算直方图的相关性进行图像匹配,使其具有旋转不变性.实验证明,算法对图像的亮度变化、缩放、旋转具有不变性,有较高的检索性能.     

基于空间注意力下边缘图融合的草图图像检索

基于草图的图像检索任务根据用户提供的手绘草图,从图像数据库中检索得到与该草图对应的自然图像.与传统基于内容的图像检索不同,草图和自然图像间存在明显的域差异,这使得二者的特征难以直接进行比较.针对自然图像边缘图和草图的相似性,提出了空间注意力下的边缘图融合模型,将自然图像和对应的边缘图分别编码到各自的特征空间,再通过空间注意力掩膜进行加权融合,进而用于草图图像检索.所提模型可以更有效地编码物体边缘轮廓的特征,分别在Sketchy和Flickr15K数据集的草图图像检索任务上取得了比前人方法更高的Recall@1和MeanAP指标.     

基于聚类主颜色和边缘直方图的图像检索方法

图像的主颜色被广泛应用于图像检索中,但主颜色不能反映图像信息的空间分布.边缘直方图是在灰度图像上提取的,丢弃了图像的颜色信息.提出了一种综合利用聚类主颜色和边缘信息进行图像检索的方法.首先利用K均值聚类算法得到图像的主颜色,然后利用大津算法分割图像,利用Sobel算子提取目标和背景之间的显著的边缘特征信息构造边缘直方图,最后综合利用聚类主颜色和边缘直方图进行检索.既可以利用主色调信息,又能利用边缘的特征信息来反映图像信息的空间分布.实验结果表明,该方法可以有效地提高检索精度.     

基于粒子群三次样条优化的图像边缘描述算法

针对手工选点生成的三次样条曲线无法准确地描述图像边缘的问题,以粒子群三次参数样条曲线优化算法为基础对现有的图像边缘算法进行了改进。在图像边缘上取若干点作为样条曲线的型值点,利用粒子群算法对这些型值点进行优化,使得到的样条曲线对图像边缘有很好的贴合。实验表明,该算法不仅能够快速拟合样条曲线,而且优化后的样条曲线形态能较好地贴合图像边缘轮廓。     

基于直觉模糊散度的噪声图像边缘检测

针对传统图像边缘检测算法抑制噪声能力差的问题,提出一种基于直觉模糊集（Intuitionistic Fuzzy Set,IFS）的边缘检测算法。该算法设定了一个表示平坦区域的模板图像,并在图像窗口内构造了一种同时考虑了图像梯度和图像窗口的方差信息的隶属度函数,然后通过计算图像窗口与模板图像之间的模糊直觉散度（Intuitionistic Fuzzy Divergence,IFD）对边缘进行定位和输出。实验结果表明,对于被高斯噪声或均匀噪声严重污染的图像,该算法能够得到较好的检测结果。     

AVS中帧内预测模式的快速选择策略

为了降低AVS帧内预测模式的计算复杂度,提出了一种率失真优化（RDO）准则下的基于边缘特征的快速帧内预测模式选择算法。利用Sobel算子对亚采样后的图像建立边缘方向场,构建编码块的预测模式直方图,根据预测模式直方图的分布确定率失真优化候选预测模式;并对亮度块和色度块分别优化。仿真结果表明,与原AVS相比,该算法在比特率略有增加和信噪比基本保持不变的条件下,大大减少了计算时间,提高了AVS编码速度。     

SAR影像边缘检测质量评估方法

针对SAR影像边缘检测结果,提出了一种定量的质量评估方法。该方法不需要边缘基准图等先验知识,而是通过计算评估窗口内边缘点的方向一致性指标与边缘形态指标,并将其组合得到最终的评估得分值。初步的实验结果表明,方法对SAR边缘检测的评估结果与人工判读的结果比较接近,与边缘质量评估的主观判断结论相吻合。该方法自动化程度高,评价结果客观合理,有较强的工程应用性。     

边缘加权的结构相似性测度

针对结构相似性测度(SSIM)不能较好地客观评价图像模糊与强高斯噪声失真的问题,提出一种边缘加权的结构相似性测度(EWSSIM),以符合人眼视觉系统(HVS)特性。EWSSIM将原始图像和失真图像的整体轮廓信息与局部纹理细节信息加权,更充分地描述图像的结构相似度。通过LIVE图库的仿真结果表明,与SSIME相比,WSSIM能够更好地评价图像模糊与强高斯噪声失真,且在各类失真图像的评价一致性上优于SSIM。     

铁路信号安全协议一致性测试序列生成研究

铁路信号安全协议（RSSP-I）是实现高速铁路安全运行的保障,协议一致性测试的核心是生成完备有效的测试序列。针对铁路信号安全协议的实时性要求,提出了带时间约束的FSM（Finite State Machine）模型,并在此模型基础上生成状态的UIO（Unique Input/Output sequences）序列,最后采用基于收敛边的算法生成了较其他算法更短的一致性测试序列,从而提高了测试效率。     

工业CT三维体数据边缘面提取

采用了新近发展起来的边缘提取技术——细胞神经网络（CNN）,从工业CT（Computed Tomography,计算机断层成像）体数据出发,提取被扫描工件的内外表面（称为边缘面）。当一个边缘面与沿某方向切片序列中的某切片重合时,采用二维边缘提取方法不易从该切片序列中提取出边缘面。针对这种情形,将工业CT体数据沿三个互相垂直的方向剖分,得到相应的切片序列。然后对每个切片,采用两组二维细胞神经网络实现边缘提取。再将同方向的切片边缘数据重组,得到对应方向的边缘体数据。最后,综合各方向的边缘体数据得到边缘面。该算法由于考虑了体数据点在三个方向的灰度变化,分割结果比仅考虑单一方向的算法更接近真实情形。对边缘分割后的体数据的三维显示表明,该算法能得到比较完整真实的边缘面。     

资源三号卫星在轨MTF测量与图像复原

随着高分辨率遥感卫星发射数量的增多,高分辨率遥感图像数据应用需求也日益增强,而遥感数据的质量直接影响到其数据应用的可靠性和精确性。为此,对高分辨率遥感图像数据进行图像复原是非常有必要的。针对资源三号卫星电荷耦合装置相机遥感图像高空间分辨率的特点,分析在仅有图像信息的情况下系统调制传递函数（MTF）的在轨测量方法,验证双边缘法的可行性。探讨双边缘线状地物选取方法,同时推导证明二维MTF矩阵的构建方法,并借助二维MTF矩阵对原图像进行修正反转滤波实现图像复原。试验结果表明,复原后的图像质量明显提高。     

极化SAR影像边缘检测综述

极化合成孔径雷达（SAR）图像包含目标丰富的散射信息,在边缘检测中具有重大的潜力。对极化SAR影像边缘检测问题进行了系统的研究,从单极化SAR出发,分析了极化SAR边缘检测问题,对已有的方法进行了分类总结,重点介绍了极化SAR边缘检测的最新进展,指出了当前存在的问题,对极化SAR边缘检测的发展趋势进行了展望。     

干旱区植物叶片识别研究

现有植物叶片识别方法都是基于扁平状叶片，而干旱区植物叶片多呈针叶，因此不适合干旱区植物叶片的识别，使得对于干旱区植物研究主要依靠专家识别，不利于对干旱区植物叶片的进一步研究。提出使用差异性值监督局部线性嵌入算法D-LLE，充分挖掘样本之间的类别信息，提高干旱区植物叶片的识别效率。首先利用金字塔梯度方向直方图（PHOG）的方法提取叶片图像特征，再使用PCA、LLE、WLLE、D-LLE等主流的降维算法，对提取的PHOG特征进行降维，最后建立支持向量机（SVM）的分类模型对植物叶片图像分类。经过这四种降维算法后的平均识别率分别为76.3%、85.3%、89.1%、95.5% ；骆驼刺、苦豆子和沙枣的叶片正确识别率，相对其他植物叶片较低。通过实验证明了PHOG特征在植物叶片特征提取的可行性，使用D-LLE算法相比传统特征降维的算法具有更高的效率，且较适合于干旱区植物叶片的自动识别分类。