基于模糊灰度共生矩阵与隐马尔可夫模型的断口图像识别

纹理通常由空间分布和灰度分布共同描述,灰度共生矩阵(GLCM)能兼顾二者,故广泛应用于纹理分析中。在计算GLCM时,为降低其维数,需对纹理图像进行灰度量化,这必然丢失部分图像信息。灰度量化时,由灰度值与量化区间中心值的不同距离,构造出相应的模糊隶属度函数,并定义了模糊灰度共生矩阵(FGLCM)。通过对断口图像FGLCM的14个特征统计量进行相关性分析,选择角二阶矩和熵等7个统计量作为特征参数,并验证了其有效性。最后,在4类典型断口图像的特征空间上,采用隐马尔可夫模型(HMM)进行分类识别。实践表明,FGLCM比已有的GLCM能更好地表征断口特性,且在HMM状态数为3时,断口分类的平均识别率可达98%。     

基于数学规划条件的粘连颗粒图像鞍点搜寻

鞍点在图像粘连对象分割的过程中起着非常关键的作用,目前已有若干以分割为目的的鞍点搜索算法,但在其简捷性、鲁棒性等方面仍有改善的余地。提出一种基于数学规划条件的颗粒图像鞍点搜寻新方法。该方法首先根据颗粒图像3维地貌化后得到的像素空间分布信息,利用数学规划原理提出颗粒图像的鞍点规划条件,然后根据其条件进行鞍点检测。将提出的算法应用在真实粘连颗粒图像上,实验结果表明,该算法具有较高的准判率,为颗粒图像的分割以及相关后续处理奠定了理论分析基础。     

快速结构化图像修补

图像修补的目的是对图像中缺失的区域进行修复,或是将图像中的物体抠去并进行背景填充,以取得融合到难以用肉眼分辨的效果。在图像修补的过程中,较大的结构信息是修补的难点。为此提出了一种快速结构化的图像修补算法,该方法将图像修补分为结构修补与纹理填充两个部分,即在用户指定待修补区域与结构曲线之后,首先定义全局最优化能量函数,并用动态规划与置信度传播的算法将其最小化来完成结构修补;然后对剩余的待修补区域通过按行扫描来进行纹理填充,其中对于边界处的点是使用基于样本的修补算法,而对于待修补区域内部的点,则使用快速的加权Ashikhmin-WL算法,扫描完成后输出修补后的图像;最后实现了一个快速结构化图像修补系统,并给出一些实验结果,从实验结果中可以看到,该方法的修补流程与算法是有实际应用价值的。     

图像平滑的2维小波插值方法

在应用扩散方程进行图像平滑时,常规的方法是对扩散方程差分化构造差分方程,利用初边值条件求解。这种方法误差传播快,精度不高。因此,构造了2维小波插值函数,利用它来求解扩散方程,并分析得到用小波插值函数求解Alvarez模型的方法。由于小波函数具有良好的局部性,求解扩散方程比用差分方法求解具有精度高,误差传播速度慢,对时间步长不敏感等优点。在数值实验中,给出了本文方法的有效性及相对于差分方法求解的优点。     

训练样本数目选择对面向对象影像分类方法精度的影响

面向对象遥感影像分类中的样本选择与基于像素的方法有很大不同,基于统计学理论,研究了面向对象方法的样本数量选择问题。首先,针对面向对象方法的特点,对影像特征空间进行分析,结果表明面向对象方法中要求训练样本的数量可以显著地减少。然后,在遥感影像分类实验中,借助样本数量与波段数目的关系,验证了理论分析的结果。     

隐式曲面上图像扩散的高阶模型

用零水平集函数表达3维曲面,应用曲面上图像梯度的切投影表达其内蕴梯度,把基于梯度的图像扩散变分模型从平面图像拓展到了隐式曲面上的图像处理。基于内蕴梯度的变分模型对曲面上的图像进行扩散的同时可有效地保持其边缘,但像平面图像扩散的变分模型一样会在本该光滑的区域产生明显的阶梯效应。为消除阶梯效应,引入内蕴散度建立了基于内蕴梯度和内蕴散度的隐式曲面上图像扩散的变分模型,并以TV (total variation) 模型、PM(peronamalik)模型为例对所提出的模型的有效性进行了数值验证,实验结果表明该类模型在保持图像边缘的同时可以有效地抑制阶梯效应。     

改进的两步迭代阈值的遥感图像恢复算法

结合小波变换和Contourlet变换的多尺度、多分辨的共性及这两种变换分别适合处理点奇异和线奇异的特点,提出了一种新的联合使用小波正则项和Contourlet正则项的遥感图像恢复算法。算法中逆问题的求解等价于一个无约束凸规划的求解问题,目标函数由观测图像的拟合优度和正则项组成,传统的正则项是一个函数,本文使用两个正则项函数,能更好地利用图像的先验知识。然后根据Besov空间的半范数等价于小波系数的范数这一原理,提出了基于小波变换的联合使用小波正则项和Contourlet正则项的两步迭代阈值算法。对遥感图像的恢复结果表明,该算法在改善的信噪比（ISNR）和相关系数（CORR）等评价指标上都有显著的改善。     

基于视频的烟焰检测方法研究

烟焰作为火灾最为明显的标志,对于其进行实时检测,在火灾监控方面有着重要的意义.传统的离子式、光电式、吸烟式等烟雾探测器受到空间和时间的限制,不能进行实时全面的探测[1].本文提出了一种基于视频的烟焰检测算法,采用帧差法提取出差值图像,经过图像处理,获得了理想的烟焰轮廓,根据轮廓大小来确定被监测区域是否有火灾的发生.实验证明,该方法实时准确、灵敏度高、抗干扰能力强、适用范围广,具有广阔的应用前景.     

基于U-正交变换的图像编码算法

为了更有效地进行图像编码,先用U-正交函数系构造出一类新型的U-正交变换, 并以三次U-正交变换为例,研究了基于U-正交变换的图像编码算法。该编码算法首先通过离散U-正交函数系的基函数构造U-正交变换的变换矩阵,并根据U-正交矩阵的对称性给出了U-正交变换的快速算法; 然后应用三次U-正交变换对图像实施2维变换, 再用JPEG标准中的量化矩阵、Huffman码表与熵编码方法对图像的三次U-变换系数进行量化与编码, 实现了基于三次U-正交变换的图像编码算法。实验结果表明, 三次U-正交变换的编码增益、去相关效率与DCT基本相同,而编码效果却与JPEG编码效果非常接近, 且计算复杂度与基于FFT的快速DCT算法基本一致。由此可见, 应用U-正交变换对图像进行编码压缩是一类行之有效的方法,并有望在视频编码中得到应用。     

基于非对称打包和FSVM的图像检索

在图像检索的相关反馈中,引入支持向量机分类方法虽可以提升图像的检索性能,但是传统的支持向量机存在正样本数少、样本非对称、过学习和弱实时性的局限。针对上述问题,提出了一种基于非对称打包的FSVM算法。该算法首先对负样本进行非对称打包处理,最后结合模糊理论与SVM实现图像检索。Corel图片集上的实验表明,当正样本数较小时,该新算法的平均查准率-查全率要优于已有算法。