带尖锐特征的自适应Loop细分算法

文章提出了一种带尖锐特征的自适应Loop细分算法,自适应过程由二面角的阈值来控制。该算法除能保持模型的尖锐特征外,还可以根据用户需求进行自适应细分,大幅度抑制细分过程中网格数量的快速增长,并能获得与原始算法光,顿程度基本一致的曲面。     

阈值自适应的SIFT全景图像拼接算法

针对SIFT(Scale Invariant Feature Transform)算法中阈值影响着图像匹配的成功率,提出了一种阈值自适应的匹配算法.该方法首先对SIFT算法中的阈值系统地研究,发现检测局部特征点的阈值α和图像匹配时最近距离与次近距离的比值的阈值 β对图像是否能够成功匹配起着决定性的作用,然后利用控制α的大小来检测特征点,生成特征描述符.再利用广义紧互对原型的基础上,自动调整 β的大小来控制匹配的对数,最后结合RANSAC和最小二乘法求出图像间的映射关系得到拼接后的图像.实验结果表明,该算法通过自动调整阈值和利用RANSAC剔除误匹配点,加快了图像的匹配速率,开发了全景图像拼接软件.     

一种滤除椒盐噪声的改进的中值滤波算法

根据数字图像中椒盐噪声像素的特点,提出了一种非常有效的椒盐噪声检测算法：两极门限检测法,并通过实验验证了该算法的有效性。在两极门限检测法基础上,本文进一步提出了一种改进的中值滤波算法,该算法能够有效地滤除数字图像中的高密度椒盐噪声,同时尽可能地保留图像细节。     

改进的基于网格的图像morphing技术

图像Morphing技术是指把一组数字图像以一种自然流畅的、戏剧性的、超现实主义的方法变换到另一幅数字图像,是一种达到特殊效果的有效方法。Morphing是指将一给定的源数字图像或几何对象s光滑连续地变换到目标数字图像或几何对象T。在这种光滑过渡中,中间帧既具有s的特征,又具有T的特征。基于网格的图像morphing是图像morphing中使用较早的方法。该文在网格的图像morphing技术的基础上。提出一种改进的算法,通过特征点匹配和网格变形进行图像渐变。该算法极大地提高图像的平滑过渡,产生更加逼真的效果。     

一种针对不同噪声强度的图像边缘检测算法

通过对图像边缘检测算法原理分析的基础上,提出一种新的噪声图像边缘检测算法.算法结合分区均值滤波算法和改进的Canny算法的特点,首先将5×5窗口内的噪声点进行剔除,计算图像平均梯度值,进而运用改进的Canny算法,提取目标图像的边缘特征.实验结果表明,本文算法检测的边缘特征优于传统的边缘检测算法,具有一定的应用价值.     

基于IBCC优化算法的多阈值图像分割

图像阈值分割算法中,如何确定最优阈值是关键.使用传统多阈值法对较复杂图像进行分割,存在计算复杂度高、分割速度慢等问题.文章将细菌群体趋药性优化算法和阈值分割算法相结合,并且对细菌群体趋药性算法进行改进,提出了基于改进细菌群体趋药性优化算法的多阈值图像分割算法.实验结果证明,文章提出的算法具有很好的收敛性和稳定性,得到了较好的图像分割效果和图像分割速度.     

图像去噪算法设计的三种形态

为了获取高质量的数字图像,研究人员一直在探求各种有效的图像去噪方法。根据阈值函数利用像素(变换域系数)信息的情况,当前的图像去噪方法大体可分为三种类型:第一种类型主要利用像素(变换域系数)的点态信息设计去噪算法。如早期的小波硬阈值和软阈值去噪方法以及基于偏微分方程(PDE)的非线性扩散方法等。在这些方法中,用于分离噪声和真实图像的阈值(扩散)函数依据当前位置的变换域系数     

基于SSD及剪枝神经网络的复杂环境下混凝土裂缝识别（英文）

为解决裂缝识别算法在复杂环境下性能不佳的问题,提出了一种基于单激发多框检测器(SSD)算法的改进方法.该方法通过调整原始SSD算法中不同分辨率先验框数量的组合,实现对存在噪声的裂缝图像的高精度裂缝识别.在真实场景和实验室中采集足够数量的裂缝图像并进行预处理,利用椒盐算法对裂缝数据集添加噪声模拟复杂环境中的裂缝图像.在识别裂缝数据集时,对改进方法与原始SSD算法进行对比分析.结果表明,原始SSD算法和改进方法识别裂缝的准确性均随噪声水平的增加而降低.在高密度下添加20%等级的椒盐噪声时,原始SSD算法识别裂缝的准确率仅为31.7%,而改进方法的准确率则高达93.0%.因此,改进方法具有较强的抗噪能力,可用于复杂环境下的裂缝识别.     

改进ORB-SLAM算法在户外离线即时导航的研究

提出了一种基于自适应阈值选取和局部搜索算法的改进室外场景特征点提取算法。首先进行所划定判断点的局部阈值计算,利用对比度和局部阈值计算出适合该点的阈值,进行特征点的判断;然后,筛选特征点并进行非极大值抑制去除局部较密集特征点;最后,利用处理后的图像进行角点响应值和拉普拉斯响应值计算得到该尺度下的特征点,再进行局部搜索算法比较得到角点。特征点提取实验结果表明,与SIFT提取的特征点个数及OFAST匹配正确率相比较,特征点提取时特征点个数下降了43. 6%左右,精准度提高了14. 4%,所提基于自适应阈值选取和局部搜索算法的改进室外场景特征点提取算法具有较好的效果。     

基于自适应开关中值滤波算法的工程图像处理

工程施工图像在获取、传输等过程中存在一定程度的噪声干扰。通过对标准中值滤波算法进行分析,得到了一种基于自适应开关中值的图像滤波算法,能够在去除椒盐噪声的同时保持图像细节。该算法用迭代实现了开关中值滤波算法中阈值的自动选取,可有效提高噪声点检测的准确率。通过MATLAB仿真实验,证实了该算法相较于传统滤波算法能够更好地保护图像细节和改进图像清晰度。     

基于DCT-SVD的盲数字水印鲁棒提取算法

提出了一种新的基于DCT-SVD的数字水印算法．该算法将图像分块后,先进行离散余弦变换,再进行奇异值分解,根据数字图像进行奇异值分解后得到的奇异值序列是递减的序列这一特性来嵌入水印．提取水印时不需要原始图像,所以本水印方案是盲的．实验结果表明,该算法不仅对几何失真具有很强的抵抗能力,而且对添加噪声、滤波及JPEG压缩也具有良好的鲁棒性．     

基于非下采样轮廓波变换与数学形态学方法的图像边缘检测(英文)

提出了一种新的图像边缘检测算法,该算法融合了非下采样轮廓波变换与数学形态学方法来实现图像的边缘检测.首先,源图像被非下采样轮廓波变换分解成多尺度、多方向子带;然后,分别采用双阈值模极大值算法和数学形态学方法提取高频与低频子带的边缘信息;最后,综合高频、低频子带边缘信息,得到源图像全部的边缘信息,并进行细化,剔除孤立点,获得源图像的边缘.仿真实验结果表明:新算法能够有效抑制噪声,去除伪边缘,一定程度上克服了光照不均引起的不良影响;与传统经典算法LoG,Sobel和Canny及模极大值方法相比,该算法能保持足够的定位精度和边缘细节,且边缘轮廓的完整性、光滑度、清晰度等得到明显提升.     

结合Delaunay三角网的自适应多尺度图像重叠域配准方法

为改进随机采样一致性算法模型参数估计可能不是最优导致图像特征点配准率不高的问题,缩短特征点提取时间,提出一种结合Delaunay三角网格约束的自适应多尺度图像重叠域配准方法。采用自适应通用加速分割检测算法,快速检测出均匀稳定的特征点,并且用二进制特征描述子解决尺度不变性和旋转不变性问题。因传统随机采样一致性算法阈值选取和迭代次数的局限性,会掺杂部分难筛的误配点,在此前提下借助Delaunay算法剖分粗匹配点集,遍历计算网格间对应三角形相似度并储存在相似性度量矩阵中。依据Delaunay三角网特性,剔除相似度差异大的三角形,重构网格保存余下的匹配点集。实验结果表明,该方法特征点提取速率比FAST快15%~20%,特征点正确配准率比随机采样一致性算法提高约4.9%,不仅可自适应多尺度快速提取特征点,而且在保证特征点正确配准率基础上尽量多地保留有效特征点数量。     

改进的邻域均值滤波去噪算法研究

邻域均值滤波算法作为图像去噪算法的经典方法,不仅可以有效地消除噪声对图像的干扰程度,并且能够快速平滑图像,但它的缺点是会使图像边缘模糊,窗口越大,模糊程度越明显。本文针对椒盐噪声,分析原邻域均值滤波算法,通过与能量最小化原理相结合,提出新的改进的邻域均值滤波算法,这个算法构造了两个不同能量最小化函数模型,即E1模型和E2模型。两个模型均从图像像素点局部邻域出发,通过求解局部邻域能量最小判断是否利用邻域均值替换原像素灰度值。这个新的去噪算法不仅改变了原邻域均值滤波算法单一的替换灰度值的做法,降低了将非噪声点误判为噪声点的可能性,并且可以根据图像的大小自适应调节阈值,最后达到去除噪声的效果。通过与邻域均值滤波算法进行实验对比,取得较好的去除噪声效果。     

改进黑猩猩优化算法在阈值图像分割中的应用研究

黑猩猩优化算法(Chimp Optimization Algorithm, ChOA)是根据猩猩群体狩猎行为构建的一种群智优化算法.针对该算法在寻优能力和收敛效率等方面的困扰，提出一种改进的黑猩猩优化算法(Modified ChOA, MChOA).在MChOA算法中，利用特殊混沌模型对种群进行初始化，在提高种群针对性的同时，提高算法的收敛效率，并在位置更新过程中引入单纯形法策略来对种群中较差个体进行优化，进一步提高了算法的全面搜索能力，避免过早陷入局部最优.为了验证算法改进后的效果，将模糊Kapur熵作为目标函数，将MChOA算法应用于阈值图像分割中，与改进的模糊灰狼优化算法(MDGWO)的图像分割效果对比，MChOA算法的图像分割效果更佳.     

基于分形的快速最大熵红外图像特征检测

文章针对红外图像目标检测问题,提出一种基于分形的快速最大熵的红外图像特征检测算法.该算法利用DBC方法计算分维数,根据人造物和自然背景分形维差异,确定目标区域;最后,通过二维最大熵原则确定最佳阈值,实现对单目标或者多目标图像分割.该算法能够较好实现红外图像特征检测,有效抑制背景和噪声.     

数字图像的小波去噪方法研究

由于外来信号的干扰,大多图像都含有不同程度的噪声。为了更好地对图像进行分析,就必须在图像预处理中减小这些噪声。图像去噪正是在保留图像原有重要信息（边缘等）的前提下降低或消除噪声。该文介绍了小波变换的基本理论,对以小波为工具的数字图像去噪方法进行了探索,同时选取不同小波基函数对多幅标准图像开展了大量仿真实验,并对小波基函数的选取以及软硬阈值去噪等相关问题进行了研究,得到了最优基的选择应根据图像自身的特征来确定等有意义的结论。     

基于改进的SIFT图像匹配方法研究

对SIFT(Scale Invariant Feature Transform)算法进行了研究。针对高斯差分金字塔阶数与特征点数关系问题,对算法进行了改进,通过控制金字塔的阶数来控制特征点数。实验数据分析表明：在图像存在不同程度的旋转变形和噪声影响时,改进后的算法鲁棒性更好,实时性更强。     

基于相关检测的空间域盲数字水印算法

在数字图像水印的通信模型的基础上,对水印图像置乱以提高水印图像的抗干扰能力.再使用m序列扩频码调制水印,将水印嵌入到数字图像相应的空间域.水印的检测通过wiener滤波对原图像进行估计,求得估计图像与水印图像的差值,再与原扩频码进行相关检测,从而不需要原始图像.实验结果表明,新的算法在保证水印的不可见性的同时,实现了盲检测,同时对亮度N对比度等图像增强及噪声干扰等攻击也具有较好的稳健性.     

一种基于小波变换的改进 Normalshrink 自适应阈值边缘检测算法

针对含噪声图像边缘提取问题提出一种改进 Normalshrink 自适应阈值去噪算法,通过 3 次 B 样条小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数。考虑边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进 Normalshrink 自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的 Candy 算子和传统的 Normalshrink 自适应阈值相比,该方法提取出的图像边缘较为完整清晰,峰值信噪比提升约 5db。