运动模糊图像点扩散函数尺度鉴别

运动模糊图像的运动模糊方向被高精度地鉴别出来后,将之旋转到水平轴,则二维问题可简化为一维问题来处理。将旋转后的模糊图像在水平方向上进行一阶微分,然后在水平方向上求微分图像的自相关,并将自相关图像的各列加起来,得到一条鉴别曲线,在鉴别曲线上的零频尖峰两侧,会对称地出现一对共轭的负相关峰,两负相关峰间的距离等于运动模糊点扩散函数尺度的两倍。这一新的运动模糊点扩散函数尺度鉴别方法,不仅适用于匀速运动模糊尺度鉴别,也适用于振动、加速运动等变速直线运动的模糊尺度鉴别,而且具有很强的抗噪声干扰能力,鉴别精度高。文中借用信息光学中用于目标识别的光学联合变换相关器JTC概念,给出了该新鉴别方法的解析理论分析。     

运动模糊参数的空域鉴别方法

匀速直线运动模糊图像的复原,关键在于点扩散函数参数(运动模糊方向和模糊尺度)的鉴别.为此,提出了一种运动模糊参数的空域鉴别方法,该方法利用3×3微分算子的任意方向微分功能鉴别运动方向,而后求微分图像自相关函数来鉴别运动模糊尺度.在搜索运动方向时将搜索步长分为两层,较大步长做粗略搜索,较小步长做精细搜索.仿真实验过程中,利用改进的维纳滤波器复原模糊图像,结果表明该方法计算复杂度低,鉴别精度高,复原效果好.     

基于频域特征的图像深度信息提取方法

图像深度提取是机器视觉的重要课题。本文研究了一种基于图像频域特征的深度恢复方法,对散焦图像以点扩散函数建立模糊程度与距离间的关系,以二维散焦图像频域局部特征为依据,通过取样窗口的恰当选择,提取深度信息。对采集图像的实验结果表明,该方法行之有效。     

一种基于倒谱相关特性的散焦模糊图像复原方法

由于设备环境、人为因素等诸多原因造成的散焦退化图像,在天文、交通、医疗等众多领域的实际应用效果受到较大程度的影响.针对散焦模糊图像的盲复原技术进行研究,以探索一种较好的散焦模糊图像盲复原方法.在退化图像的复原过程中,点扩展函数(Point spread Function)的参数估计最为关键.因此,文中提出的散焦模糊图像复原方法,基于频域倒谱及其相关特性.进行散焦模糊图像的PSF估计.通过仿真实验表明,该算法可以较为准确地估计出散焦模糊图像的模糊半径,实验证明了估计结果的准确性以及对模糊图像恢复的有效性.可以得出结论:利用倒谱相关性对散焦模糊图像进行肓复原,是一条切实可行的研究路线.     

基于边缘模糊频谱特征的散焦参数估计方法

退化图像复原的关键在于点扩散函数(PSF)的准确估计,针对散焦模糊图像点扩散函数参数未知的情况,提出一种基于图像边缘模糊频谱特征的参数估计方法。首先分析基本边缘经模糊退化后的频谱特征,进而构建了自然图像的边缘模型作为参考图像,通过在连续的散焦值范围内计算与待测模糊图像频谱的最大相似性,以获取散焦参数估计值。实验结果表明,所提方法能够适用于大尺度模糊图像的参数估计问题,且具有较强的抗噪性能。     

基于模板匹配法的散焦图像模糊度估计

提出一种新的散焦图像模糊度估计方法。由图像中的阶跃型边缘提取线扩展函数。根据匹配滤波可实现最优信噪比信号检测的思想,引入模板匹配的方法计算线扩展函数的标准差。由点扩展函数的圆周对称性从线扩展函数的标准差得到高斯型点扩展函数的标准差。实验结果表明,该方法能够准确地估计散焦模糊图像点扩展函数的标准差。将点扩展函数的标准差作为一种评价图像模糊度的测度。实验表明该测度符合人眼的视觉特性,可以很好地判定散焦模糊图像的模糊度。     

基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计

针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。     

基于高斯-柯西混合模型的单幅散焦图像深度恢复方法

单幅图像场景深度的获取一直是计算机视觉领域的一个难题。使用高斯分布函数或柯西分布函数近似点扩散函数模型(PSF),再根据图像边缘处散焦模糊量的大小与场景深度之间的关系估算出深度信息,是一种常用的方法。真实世界中图像模糊的缘由千变万化,高斯分布函数以及柯西分布函数并不一定是最佳的近似模型,并且传统的方法对于图像存在阴影、边缘不明显以及深度变化比较细微的区域的深度恢复结果不够准确。为了提取更为精确的深度信息,提出一种利用高斯-柯西混合模型近似PSF的方法;然后对散焦图像进行再模糊处理,得到两幅散焦程度不同的图像;再通过计算两幅散焦图像边缘处梯度的比值估算出图像边缘处的散焦模糊量,从而得到稀疏深度图;最后使用深度扩展法得到场景的全景深度图。通过大量真实图像的测试,说明新方法能够从单幅散焦图像中恢复出完整、可靠的深度信息,并且其结果优于目前常用的两种方法。     

一种新的基于散焦图像的深度恢复算法

由散焦图像求深度是计算机视觉中一个非常重要的课题。散焦图像中点的模糊程度随物体的深度而变化,因此可以利用散焦图像估计物体的深度信息,该方法不存在立体视觉和运动视觉中对应点的匹配问题,具有很好的应用前景。研究了一种基于散焦图像空间的深度估计算法：将散焦成像描述成热扩散过程,借助形变函数将两幅散焦图像扩张成一个散焦空间,再估计出形变参数,进而恢复物体的深度信息。最后利用实验验证了算法的有效性。     

水平运动模糊图像模糊像素判断算法的应用

本文主要讨论的是水平方向的匀速直线运动模糊图像的模糊像素判断算法,主要将图像在水平方向上进行一阶微分．将微分自相关图像各列实施求和,得到一条共轭相关峰的鉴别曲线,由此可以得出运动模糊像素的个数。将此算法应用于水平运动模糊车牌识别中．识别效果良好。     

基于投影自相关的运动降晰参数辨识

为了对退化图像进行恢复,首先要得到退化图像的降晰参数。针对匀速运动降晰的情形,提出了一种基于投影的自相关法自动估计降晰参数。该方法首先将运动方向转化为水平方向,求退化图像在水平方向的微分,再对微分图像求垂直方向的微分,绘出两次微分图像投影的自相关曲线,自相关曲线中最大值与最小值之间的距离便是退化图像的降晰参数。     

运动模糊图像PSF参数估计方法改进及图像复原

运动模糊图像复原的目的是改善运动图像质量,从而为图像处理任务提供高质量的清晰图像以保证算法能够准确获取图像信息,其中运动模糊图像的点扩散函数（PSF）求解是影响复原图像质量的关键步骤。针对现有运动模糊图像PSF参数估计方法中存在的估计误差大、有效估计范围有限等问题,在分析频谱图像特征的基础上,提出一种改进的PSF参数估计方法。通过图像增强处理和形态学变换去除频谱图像中的十字亮线和噪点干扰,获取形态合适的条纹图像以完成Radon变换检测。利用二值频谱图像的条纹特征自适应地控制形态学运算精度,从而保证算法的执行效率和鲁棒性。对条纹进行边缘测定,消除由条纹自身宽度导致的角度估计误差,以提高参数估计结果的精度。实验结果表明,该方法能够提高模糊参数估计的准确率和有效估计范围,由此构建的PSF能复原出更加清晰的重建图像,复原图像总体峰值信噪比不低于25 dB。     

Context-based Space Filling Curves

A context-based scanning technique for images is presented. An image is scanned along a context-based space filling curve that is computed so as to exploit inherent coherence in the image. The resulting one-dimensional representation of the image has improved autocorrelation compared with universal scans such as the Peano-Hilbert space filling curve. An efficient algorithm for computing context-based space filling curves is presented. We also discuss the potential of improved autocorrelation of context-based space filling curves for image and video lossless compression.     

基于投影算子的图书索书号自动识别

图书书脊和索书号的识别是图书馆自动存取书机器人的关键技术,提高书脊和索书号识别的效率是研究的热点.研究一种简单的投影算子将其应用于书脊和索书号的识别以提高了识别效率和速度;以书架图书二值化图内容为基础,构建图书列向量,在列投影算子的作用下求得列投影向量,根据列投影向量曲线的情况快速准确识别图书书脊;以单本书脊二值化图内容为基础,分别构建书脊行向量和列向量,通过行投影算子得到行投影向量,根据行投影向量曲线的变化情况识别索书号元素的行位置信息,通过列投影算子得到列投影向量,根据列投影向量曲线的变化情况识别出索书号元素的列位置信息,根据行、列位置信息切分出索书号元素图片,在归一化后计算待识别索书号元素图片与字符标准模板的匹配度,将最大匹配度所对应的字符标准模板映射的字符作为识别结果;经实验证明基于投影算子的书脊和索书号识别的速度快,准确率高.     

高斯型点扩展函数估计及图像复原

点扩展函数估计是图像复原的重要内容,目前还没有精确估计的算法。根据高斯型点扩展函数曲线的特点,提出了新的高斯型点扩展函数参数的估计方法。分析发现高斯型点扩展函数曲线中,存在着几个特征点,它们很好地表现在降质的图像傅里叶变换图像中,这几个点与扩展函数参数存在着一定的关系。根据这种关系推导出点扩展函数参数,从而达到图像复原的目的。实验结果表明,这种算法简单、精度较高,有一定的参考价值。     

图像处理在煤矿工业电视图像报警中的应用研究

为了完善现有煤矿工业电视监视系统,首先根据煤矿工业电视监视系统的现状,分析了煤矿工业电视图像信号的自相关函数,提出了在煤矿工业电视系统中综合运用多种图像处理技术,通过工业电视图像信号的自相关函数的计算,实现对人侵入运煤皮带头范围内的报警.实验结果表明,综合运用多种图像处理技术,根据煤矿工业电视图像的自相关函数的大小,可以实现对人侵入被监视范围内的报警,从而弥补现有煤矿工业电视系统的不足.     

关键点图对比图像分类方法

深度学习是目前图像分类的主流方法之一,其重视感受野内的局部信息,却忽略了类别的先验拓扑结构信息。本文提出了一种新的图像分类方法,即Key-D-Graph,这是基于关键点的图对比网络方法,在识别图像类别时可以显式地考虑拓扑先验结构。具体地,图像分类需要2个步骤,第一步是基于关键点构建图像的图表达,即采用深度学习方法识别图像中目标类别的可能关键点,并采用关键点坐标生成图像的拓扑图表达;第二步基于关键点的图像图表达建立图对比网络,以估计待识别图与目标类别之间的结构差异,实现类别判断,该步骤利用了物体的拓扑先验结构信息,实现了基于图像全局结构信息的物体识别。特别的,Key-D-Graph的中间输出结果为类别关键点,具有语义可解释性,便于在实际应用中对算法逐步分析调试。实验结果表明,提出的方法可在效率和精度上超过主流方法,且通过消融实验分析验证了拓扑结构在分类中的作用机制和有效性。     

由双目图象流无对应地估计3－D运动参数

本文设计用并行立体摄象机产生的图象流作为输入，通过解系数由图象速度矩和两图象内坐标构成的线性系统等式，不需左、石两图象流场间特征点与特征点的对应就能复原物体的３－Ｄ运动参数．经用综合图象流场测验已经证明我们算法的可行性以及具有功能强、速度快的特点．     

一种基于数学形态学与改进的SUSAN算子边缘提取快速算法

提出基于数学形态学和SUSAN算子的灰度图像边缘提取方法,同时对SUSAN算子进行了改进.该方法利用数学形态学开运算估计背景,将原始图像与背景进行几何运算,在处理后的图像上运用改进的SUSAN算子提取边缘,并进行了仿真实验.实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快.