基于形态图表示的三维物体识别算法

基于形态图表示的三维物体识别的基本思路是：首先建立待识别物体的模型库，找出模型集中所有模型物体的形态图和特征视图，并提取以它们的拓扑结构信息和几何信息；其次对物体真实图像作轮廓提取和0边界跟踪，得到二维图像的线架图，同时提取出它的拓扑结构信息和几何信息；最后将物体图像的拓扑结构信息和几何信息与模型库中模型物体的拓扑结构信息和几何信息匹配，从而达到识别的目的。文中提出了在生成线图链码时提取其拓扑结构信息和几何信息的方法，由拓扑结构信息和几何信息构造特征矩阵的方法，以及识别过程中特征矩阵的匹配算法。     

固体推进剂药柱图像的自适应阈值分割方法

以固体推进剂药柱内窥镜图像表面缺陷的自动检测为例,在分析了此类图像特征的基础上,提出了一种利用梯度直方图信息的图像自适应阈值分割算法。通过实例,与原自适应直方图阈值分割算法和固定阈值分割算法相比较,结果表明：该算法采用可动态调整的形态学梯度算子计算梯度直方图,充分利用了图像的边缘信息和缺陷内部灰度分布不均匀的特性,算法简单,适应性广,具有实时准确分割图像的特点。     

基于去冗余特征和语义关系约束的零样本属性识别

基于生成式的零样本识别方法在生成特征时受冗余信息和域偏移的影响,识别精度不佳.针对此问题,文中提出基于去冗余特征和语义关系约束的零样本属性识别方法.首先,将视觉特征映射到一个新的特征空间,通过互相关信息对视觉特征进行去冗余处理,在去除冗余视觉特征的同时保留类别的相关性,由于在识别过程中减少冗余信息的干扰,从而提高零样本识别的精度.然后,利用可见类和不可见类之间的语义关系建立知识迁移模型,并引入语义关系约束损失,约束知识迁移的过程,使生成器生成的视觉特征更能反映可见类和不可见类之间语义关系,缓解两者之间的域偏移问题.最后,引入循环一致性结构,使生成的伪特征更接近真实特征.在数据集上的实验证实文中方法提高零样本识别任务的精度,并具有较优的泛化性能.     

用于计算曲线光流的边缘提取

提出了一种新的曲线边缘提取方法。用Sobel算子对综合图像和真实图像进行边缘检测，得到了图像的边缘点，通过选择边缘点增强因子、阈值和重复次数，进一步对图像的边缘点进行了增强，实现了图像的边缘细化，采用轮廓跟踪算法进一步细化边缘，得到了具有单像素宽的轮廓曲线，对综合图像和真实图像的实验结果表明，新的曲线边缘提取方法获得的效果较好。     

一种新的有向传感器网络覆盖增强算法

针对现有有向传感器网络覆盖增强方法算法较复杂及覆盖率不够高等问题,提出了一种新的有向传感器网络覆盖增强算法。每次取一重覆盖区域面积最大的传感器节点及其传感方向,使得整个网络的一重覆盖区域较多,重叠区较少,可提高网络的覆盖率;同时考虑了冗余节点休眠的情况,当网络中有节点失效时,将其周围的休眠节点激活,并重新部署失效节点周围的节点,以此保证网络有较长的寿命和较好的覆盖效果。对比实验表明,与现有算法相比,本算法原理简单,且在相同节点数目和传感半径情况下,覆盖率分别提高了20%和15%左右。     

双边滤波与暗通道结合的图像保边去雾算法

目的 图像去雾领域越来重视去雾过程中对图像边缘细节的恢复和保护,针对现有主流的基于模型的有雾图像复原算法,基本都是对介质透射率进行直接求解,即先预估透射率,再细化抠图,运算量很大的问题,提出利用双边滤波方式进行介质透射率的间接求解,用以简化去雾算法时间复杂度。方法 利用双边滤波方式对介质透射率的求解,是先估算出较精确的大气散射函数及大气光值,然后间接求出透射率,其避免了采用软件抠图的方式对介质透射率进行细化的过程,提高了算法的时效性。结果 选取两组户外有雾图像进行实验,并从得出的透射率图、复原效果及运算时间进行了对比分析。本文算法能得到较为清晰的透射率分布图,并且改善了预估透射率图中的块状现象;本文算法对透射率细化的同时,还起到了平滑图像边缘的效果;耗时方面,本文算法对大小为608×456像素的图像恢复耗时为1.803 s。结论 本文算法对有雾图像进行全局清晰化处理的同时,重点恢复有雾图像的局部细节,复原结果能更好地保持图像边缘的效果,更适合运用到基于图像检测类的系统中去。     

基于优先权改进和块划分的图像修复

目的 针对基于样本块的Criminisi图像修复算法易发生置信项迅速下降趋于零,使优先权计算公式失效,导致修复顺序错乱造成的修复效果失真问题,以及在搜索匹配块时存在的搜索范围过大,效率过低,易出现匹配到不符合视觉效果的纹理块问题,提出一种基于优先权改进和块划分的图像修复算法。方法 首先重新定义优先权中的置信项,用样本块中的棋盘距离替代原计算公式,保证优先权一直发挥作用,从而减少因修复顺序不合理造成的错误匹配;其次根据图像纹理信息将其自适应划分为不同大小的图像块,使待修复样本块只在具有相似特征的图像块区域内搜索匹配。结果 实验结果表明,新定义的优先权,保证了修复算法的正常进行,改善了修复图像的视觉效果;由图像自适应块划分引导匹配过程,可使匹配在更少的候选块中进行,提高了算法速度。将本文方法与3种全局搜索匹配方法和1种局部搜索匹配方法进行修复结果对比分析,本文方法的修复结果视觉完整性较好,而且修复时间小于其中3种算法。结论 通过改进Criminisi算法优先权中的置信项,避免因其趋于零导致的修复顺序错乱造成的错误累积情况的发生;同时通过改进待修复匹配块的搜索范围,对整幅图像进行自适应块划分,使搜索只在相似块中进行,不仅减少了时间,而且提高了匹配的准确性。本文方法对于自然图像中大面积目标物体移除方面有较好的应用,可获得较满意的修复效果。     

基于改进距离聚合向量的图像检索算法

针对Sajjanhar等提出的基于距离聚合向量的图像检索算法的不足,提出一种改进距离聚合向量的图像检索算法。该算法在距离聚合向量的基础上加入最大连通聚合像素平均坐标的质心距离特征,新增的特征向量具有平移、旋转和尺度不变性。对于原聚合向量特征和新增的质心距离特征,分别采用不同的相似性度量函数进行相似度匹配。该改进算法融入比距离聚合向量更多的空间信息。实验结果表明,该算法具有更高的查全率和准确率。     

改进的卷积神经网络单幅图像超分辨率重建

针对经典的基于卷积神经网络的单幅图像超分辨率重建方法网络较浅、提取的特征少、重建图像模糊等问题，提出了一种改进的卷积神经网络的单幅图像超分辨率重建方法，设计了由密集残差网络和反卷积网络组成的新型深度卷积神经网络结构。原始低分辨率图像输入网络，利用密集残差学习网络获取更丰富的有效特征并加快特征梯度流动，其次通过反卷积层将图像特征上采样到目标图像大小，再利用密集残差学习高维特征，最后融合不同卷积核提取的特征得到最终的重建图像。在Set5和Set14数据集上进行了实验，并和Bicubic、K-SVD、SelfEx、SRCNN等经典重建方法进行了对比，重建出的图像在整体清晰度和边缘锐度方面更好，另外峰值信噪比（PSNR）平均分别提高了2.69?dB、1.68?dB、0.74?dB和0.61?dB。实验结果表明，该方法能够获取更丰富的细节信息，得到更好的视觉效果，达到了图像超分辨率的增强任务。     

基于多特征融合的图像检索算法

为有效提取和描述图像特征,提高图像检索性能,提出一种基于纹理、颜色和形状多特征融合的图像检索算法。检测彩色图像的边缘,对其进行变换得到基元图像。遍历基元图像得到基元共生矩阵,对每个基元求梯度值得到基元梯度直方图。将彩色图像量化到64色颜色空间,得到对应的颜色直方图。利用上述3个特征量描述图像特征,并用于图像检索。实验结果表明,与BCTF和MCM算法相比,该算法的查全率和查准率较高,计算复杂度较低。