一种去光照干扰的运动目标图像分割算法

对模糊图像的多尺度分割,是解决许多计算机视觉处理问题的基础。传统的图像分割算法采用基于小波变换的局部特征匹配方法,无法有效去除光照的干扰,对运动目标图像的分割效果不好。提出一种基于模糊图像边缘能量特征提取的运动目标图像的去光照干扰分割方法。计算去光照干扰后的运动目标图像振幅分量和频率分量,采用混合函数控制曲线方法生成运动目标图像时间序列,计算每个尺度下计算运动目标图像的边缘能量特征,进行图像区域特征的非同态块匹配分割,最终生成灰度直方图二进制均衡系数,实现了运动目标图像的准确分割,去除了光照干扰。仿真结果表明,该算法具有分割结果准确,抗干扰能力较好,图像分割质量较优。     

基于改进优先权的Criminisi图像修复算法的研究

图像的获取与应用已深入融入到人们的生活中,对破损图像的修复也显示出其重要的地位。基于Criminisi方法的图像修复方法是一种常用的图像修复算法,其既能够对划痕等小幅破损图像进行良好的修复,又能对大块破损的图像进行完好的修复。基于Criminisi方法的图像修复算法利用置信度与数据项来衡量待修复块的优先权,用于选取优先修复块。利用SSD函数从已知区域搜索优先修复块对应的最佳匹配块,对修复块进行修复。虽然Criminisi方法能够较好的完成大、小破损面积图像的修复。但其优先权函数存在不稳定的因素,随着修复的不断深入,容易出现优先权衡量出错的情况,使得算法的鲁棒性能不佳,修复图像质量下降。对此,本文提出了基于改进优先权的criminisi图像修复算法的研究,在Criminisi方法的基础上,对其优先权函数进行改进,使得算法的鲁棒性能以及修复图像的质量得以提高。实验结果表明,改进后的Criminisi图像修复算法具有更好的图像修复效果。     

一种加权子空间分流拟合的图像全息修复算法

传统的子空间非纹理图像修复算法只考虑结构信息特征子空间,对小区域破损部分需要通过多维搜索,图像修复效果不好。提出一种基于加权子空间分流拟合的图像全息修复算法,采用阵列流型全息向量对两子空间进行相异性加权,同时考虑结构信息特征和纹理信息特征,并采用最大似然算法对图像区域像素元素实现分流拟合修复,拟合修复过程中避免了对小区域元素多维搜索,实现全息修复。仿真结果表明,采用该算法进行严重受损图像修复,修复效果较好,PSNR值和GPU加速效果都有明显提高,在处理处理破损图像中具有一定的优越性。     

一种冶金腐蚀区域图像分割算法研究

研究图像冶金腐蚀区域准确分割的方法。在冶金腐蚀区域分割的过程中,利用传统方法进行分割处理,由于腐蚀区域边缘不规则,造成无法准确获取腐蚀区域的缺陷,影响了冶金腐蚀区域分割的准确性。为此,提出了一种基于图像的冶金腐蚀区域分割算法。采集冶金图像,并对其进行初始化处理,去除图像中的噪声,提高图像质量。对图像像素进行增强处理,提高图像的对比度。利用线性分析方法,对图像中的冶金腐蚀区域进行分割处理。实验结果表明,利用这种算法进行冶金腐蚀区域分割,能够有效提高分割的准确率,取得了令人满意的效果。     

引入Hessian矩阵尺度极值检测的图像角度特征匹配

传统的SURF方法对动画图像角度特征匹配准确度较低,计算开销大,稳健性不好。引入Hes.sian矩阵尺度极值检测技术,提出一种改进的基于加速鲁棒特征匹配算法,实现对动画图像的角度特征优化匹配。首先基于摄像机的成像原理利用灰度直方图二进制均衡算法对图像进行增强处理,采用Hessian矩阵检测出图像每个尺度中的极值点,把图像角度极值点聚焦在图像的仿射闭合区域。提取仿射闭合区域的图像角度特征,使用SURF双向匹配算法实现角度特征优化匹配。仿真实验表明,改进方法能使图像的角度特征匹配准确度大幅提升,特征匹配准确率提高显著,有较好的鲁棒性和实时性。     

过度曝光图像缺失信息修复算法

图像在过度曝光采集的情况下会因为光圈的进光量过大导致图像的细节关键信息缺失,研究过度曝光图像的缺失信息修复算法,为图像的细节特征分析奠定基础。传统方法采用图像小波尺度分解方法进行图像缺失信息修复,随着光圈的增大,对细节信息的修复效果不好,提出一种基于改进的小波包分解的过度曝光图像缺失信息修复算法。构建了过度曝光图像的纹理信息特征传导模型,采用Harris角点检测算法实现对过度曝光图像的灰度特征匹配,采用小波包分解方法对图像缺失信息进行位置和尺度信息的重构,实现缺失信息修复。仿真结果表明,采用该算法进行过度曝光图像修复,图像的细节特征得到准确有效复原,提高图像的识别能力。     

最大灰度值轮廓点标记的模糊图像分频方法

图像分频技术是采用多尺度频谱分离方法实现对图像的特征分类,提高图像的识别和特征提取能力。传统的图像分频方法采用多窗谱估计方法,对具有复杂轮廓特征的模糊图像分频识别效果不好。提出一种基于最大灰度值轮廓点标记的模糊图像分频方法。采用多尺度Retinex算法对图像进行特征分类预处理,对模糊图像的灰度暗原色特征进行分解,基于最大灰度轮廓点标记实现对图像的分频算法改进。仿真结果表明,采用该方法进行图像分频处理后,能有效实现对模糊图像的降噪和增强,图像峰值信噪比提高了12.45d B,均方误差MSE降低了0.34,提高了图像的分辨力和对模糊图像的识别性能。     

基于云计算的生物DNA指纹图谱大范围比对方法

针对DNA特征比对过程中,产生的生物DNA特征图谱特征较为复杂,生物特征极为琐碎,海量生物DNA特征的对比,依然是一项十分复杂的工作。传统算法多是基于单个DAN特征进行车轮式对比。一旦生物特征过于繁琐,造成比对匹配耗时,效率较低。本文提出了一种基于云计算的生物DNA特征海量数据对比技术。建立云计算网络模型,计算生物DNA泳道特征系数,将DNA限制性片断形成的谱带从背景中分离出来,完成海量DNA数据对比。实验证明,这种算法能够避免由于DNA图谱数量过大造成的匹配耗时缺点,提高了生物DNA指纹图谱大范围比对的效率。     

基于重构样本区域的数字图像修复算法研究

基于样本块的纹理合成修复算法（Criminisi算法）在匹配样本块时,因为使用全局搜索策略而降低了有效匹配效率。针对这一问题,重点研究了一种改进的基于样本块的数字图像修复算法。改进算法考虑到相邻像素块的相似性,对图像样本区域进行了重构,减少了样本块搜索范围,提高了图像修复效率。     

肥胖人群运动特征不合理性的视觉图像分割

对肥胖人群运动特征不合理性进行视觉图像分割,排除不合理的运动要素成分,算法的设计是实现人体运动健康监测仪的核心软件。传统方法中对人体运动特征的视觉图像分割采用全局同态分割方法,不适合对肥胖人群运动特征不合理性的提取。提出一种基于局部特征匹配的肥胖人群运动特征不合理性的视觉图像分割算法。对肥胖人群的运动特征图像区域特征进行边缘结构层分析,采用局部特征匹配方法实现对不合理的运动特征部分的分割处理。仿真表明,采用该方法能实现对肥胖人群运动特征不合理性信息要素有效滤除,提高视觉图像分割的准确性,实现运动状态的监测和视觉评估。     

基于子图分割与多类支持向量机的人脸识别方法

由于姿态、光照、表情、遮挡等变化引起的面部特征变化仅出现在整个图像的局部区域中,使用整体图像进行特征提取和识别的传统人脸识别方法效果不佳。为解决上述问题,提出了一种融合子图分割和多类支持向量机的人脸识别方法。首先,将人脸图像分割成多个不重叠的子图像;然后采用广义二维Fisher线性判别分析对每个子图像和整体图像进行局部和全局特征提取,并使用SVM做为图像分类器;最后,通过融合各个SVM分类器的决策给出人脸识别结果。在ORL人脸数据库上对所提出的SD-MSVM方法进行了灵敏度、特异度和K折交叉验证测试,实验结果表明,新的SD-MSVM方法各项指标均优于传统的全局特征提取方法。     

雾霾天气下多尺度劣质图像质量增强方法研究

提出一种基于Retinex算法的多尺度劣质图像增强方法。该方法首先利用图像保持的映射算法进行多尺度劣质图像的特征提取,结合特征提取的图像利用Retinex增强算法对多尺度劣质图像进行图像增强,引入变换实现多尺度劣质图像动态范围的压缩,采用非线性的变换对多尺度劣质图像的高光区域进行抑制,利用反锐化滤波代替高斯函数的滤波和原始的多尺度劣质图像进行卷积,以图像增强的结果完成对雾霾天气下多尺度劣质图像质量增强方法研究。实验结果表明,该方法能有效地提高雾天图像的对比度与饱和度,并保持图像色度不变。     

一种医疗图像的交互式分割算法

医疗图像的分析与解读对疾病的诊断和治疗有着重要的作用,医疗图像的自动化解析已成为了重要的发展方向。针对医疗图像特性差异大的特点,文中着重研究了交互式分割算法。即由使用者对图像中的目标区域进行简单标注,然后算法根据标注信息推导出图像特性,从而进行区域分割。实验表明交互式方法提供了一种适合医疗图像特性的算法框架。     

基于图像处理的车牌识别与字符分割及MATLAB实现

实现车牌识别与字符分割,需要进行图像预处理、车牌区域分割、车牌字符分割和数据库字符匹配等操作。基于MATLAB软件,在图像预处理方面,调整图像大小后获取其B分量图;在车牌区域分割方面,利用Ostu法获取阀值后转化为二值图,然后形态学处理去除小面积的区域,再利用Regionprops函数获取二值图上值为1的区域左上坐标,可得到车牌区域;在车牌字符分割方面,将车牌区域图像转化为二值图,闭运算连接字符间的间隙,再利用Regionprops函数实现字符分割。     

基于多模板匹配的车辆安全带识别技术

汽车作为人类使用最为广泛的交通工具之一,它给人类带来便利的同时也带来了伤害。为了进一步提高安全带佩戴率,针对目前安全带佩戴存在的问题,本文提出了一种基于多模板匹配的驾驶车辆安全带识别技术。该技术在对采集到的图像进行预处理得到灰度分配较为均匀图像的基础上,采用全局阈值分割法对图像进行阈值分割得到二值化图像,区域分割,捕捉图像中挡风玻璃的区域,结合安全带几何特征的先验知识,得到安全带特征点的位置坐标,从而达到安全带佩戴识别的目的。反复实验研究结果表明,该方法能有效识别驾驶员安全带佩戴状况,具有较高的适用性和准确性。整个技术流程大致分为图像的采集和处理,安全带特征提取与识别。     

基于Gabor特征分解的高斯混合非线性图像滤波

通过图像滤波提高图像的分辨和识别能力,传统的图像滤波算法采用小波降噪方法,由于受到背景色噪声的干扰,小波分解中对低频图像参量的滤波性能不好。提出一种基于Gabor特征分解的高斯混合非线性图像滤波算法。首先进行图像平滑和小波分解预处理,沿梯度方向求得图像边缘信息,在尺度平移平面上进行小波特征分解,得到图像滤波过程中的Gabor小波变换系数,采用高斯混合非线性滤波算法实现图像滤波方法改进。仿真结果表明,采用该方法进行图像滤波,能有效抑制图像斑点噪声,提高图像的分辨性能,对边缘特征和细节的保持能力方面性能有优越,特别适用于对合成孔径雷达成像的滤波处理。     

基于灰度窗口相关匹配的图像边缘融合技术

通过图像边缘融合提高图像的成像质量和识别能力。传统的图像边缘融合方法采用小波包加权滤波方法,当图像出现丰富结构信息或者干扰较强时,融合效果不好。提出一种基于灰度窗口相关系数匹配的图像边缘融合算法。实现图像的边缘融合的基础是进行图像归一化分割,设计边缘特征提取方法,得到的图像边缘进行Hough变换直线检测,提取出直线段,通过超像素网格的形成的方法绘制图像的边缘融合边界寻优路径,得到超像素网格,实现了基于灰度窗口相关系数匹配的图像边缘融合处理。仿真结果表明,该算法的对图像的边缘融合效果较好,度量了区域间的差异和区域内的相似性,提高图像的分割和边缘融合质量。     

基于乌鸦搜索算法和自适应BM3D的NSST域电气设备红外图像增强

为了解决红外图像对比度低、模糊、含噪声等问题,本文提出基于信息熵准则乌鸦搜索算法和三维块匹配(block matching 3D,BM3D)自适应去噪的电气设备非下采样剪切波变换(non-subsampled shearlet transform, NSST)红外图像增强方法。通过NSST变换将图像分解为不同频率的2个部分。低频图像主要为设备特征,高频子带主要为噪声。针对低频图像中的背景干扰问题,提出乌鸦搜索算法进行分割得到设备前景和环境后景,前者经灰度扩增得到前景增强图,后者经直方图均衡得到后景增强图。针对高频子带中的噪声干扰问题,提出BM3D自适应去噪算法用于去噪。通过实验可知,基于乌鸦搜索算法和自适应BM3D的图像增强算法针对图像分割细节处理、多余杂音的过滤以及对比度的提高均有显著效果。     

基于Matlab和YCrCb颜色分割方法的人脸检测与匹配算法的实现

比较RGB、HSV、YCrCb三种颜色分割方法的优缺点,选择效果最好的YCrCb颜色分割方法对图像进行处理,利用YCrCb颜色分割方法实现人脸图像的粗定位和细定位,可以获得较高的成功率。采用特征脸算法构建样本图像的特征脸,计算其与训练图像特征向量的距离,进而实现人脸图像的识别匹配,用ORL人脸数据库对算法的准确率进行检验,发现算法有较高的鲁棒性。     

一种基于活动围道的纹理图像分割方法

本文将Gabor滤波器和各向异性扩散方程相结合，提出了一种基于活动围道的无监督纹理图像分割算法。采用基于总变分流的扩散函数，各向异性扩散方程可以有效地在保留纹理图像大尺度边界信息的同时对图像纹理区域进行平滑，获得比原始图像更易分割的简化图像。但是平滑过程中纹理信息的丧失，限制了该方法的通用性和有效性。为了在利用各向异性扩散方法的同时有效地提取和利用纹理信息，我们利用Gabor滤波器提取一组表征纹理方向性和尺度性的特征图像，同时将原始图像作为表征纹理灰度信息的一个特征通道考虑。再利用矢量形式的各向异性扩散方程对特征图像进行边界保持的各向异性平滑。我们将基于区域灰度统计参数估计的活动围道分割方法扩展到矢量空间，来对平滑后的纹理特征量进行分割。实验证明利用该纹理分割算法可以获得较好的效果。