一种新的基于灰度冗余的红外图像均衡技术

针对红外图像的特点,文章提出一种新的基于灰度冗余的红外图像均衡技术.通过设定合适的阈值,将图像灰度直方图中像素分布为零的灰度级进行完全压缩,将小于阈值的灰度级映射到最近的大于阈值的灰度级,然后将有效灰度级做基于幂函数的拉伸变换后进行直方图均衡,最后将均衡后的图像灰度级等间距排列.该算法在压缩灰度冗余的同时进行直方图的无损均衡,保留了图像细节部分,避免了常规直方图均衡所带来的图像细节丢失和灰度断层现象,提高了图像质量.     

改进局部灰度特征的工件亚像素级边缘检测

针对局部灰度特征方法在高噪声图像中定位精度低的问题,提出改进局部灰度特征方法并用于工件亚像素边缘检测。首先,使用改进的Canny算子代替基于一阶导数的梯度算子,以便更精确地提取粗边缘;然后在采集到的像素窗口两侧建立子图像,代替单个窗口特征以修改边缘上下两侧强度值,再将新构造的子图像中间列像素进行加权,加速图像迭代复原速度;最后,通过所有新生成的子图像局部灰度特征重新计算亚像素位置,进一步提高检测精度。实验结果表明,在无外加噪声和加入1.00%、5.00%的噪声标准偏差图像中,RMS误差明显降低,亚像素坐标数与定位精度明显提高。     

基于多尺度超像素融合网络的脑CT图像分类方法

为识别病灶形态位置多变的脑CT图像特征,提出了一种基于多尺度超像素融合网络(multi-scale superpixel fusion network, MSFN)的脑CT图像分类方法。该方法基于多尺度超像素图,从图像融合和特征融合2个层面辅助卷积神经网络(convolutional neural networks, CNN)提取更具有表达性的分类特征。首先,通过多尺度超像素对脑CT图像进行病灶区域增强,获得优化的融合图像;然后,将融合图像的高层次特征和多尺度超像素低层次特征进行多层融合,从而为脑CT图像分类提供更有判别性的融合特征。实验结果表明,所提方法有效提升了脑CT图像分类性能。     

基于多尺度小波的城市遥感图像纹理特征提取

遥感技术为人们提供了大量的图像数据,如何从中提取所需信息,是遥感图像处理技术研究的热点。基于多尺度小波变换,可提取城市图像的纹理特征。根据城市影像中地物特征和小波技术的特点,确定合适的窗口大小,采用逐一滑动窗口的方法,对每一窗口提取相应的小波统计特征;应用小波变换的多尺度特性,在不同尺度上提取出子图像特征,构造出纹理特征矢量,为遥感图像的分类提供纹理特征。     

应用数学形态学梯度理论提取图像轮廓

本文介绍了灰度图像数学形态学梯度理论，并提出与实现了运用该理论提取图像轮廓的算法为进一步作图像分割，模式识别打下了一定的基础。     

基于Matlab的灰度级线性变换图像增强

通过对退化图像的灰度值分布进行分析,采用灰度级线性变换处理方法为主对退化图像进行增强处理,并结合其他方法如对比度调节、高帽低帽等处理手段增强图像,使之达到理想效果。该方法对灰度级退化图像进行增强处理具有一定的实用性。     

自适应Contourlet变换的多传感器图像融合

Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能.因此将Contourlet变换用于图像融合,能更好的提取图像边缘特征,为融合提取更多的特征信息.利用Contourlett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种自适应Contourlet变换的多传感图像融合新算法.算法是将全色图像和多光谱图像进行Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像.将其他的融合算法和本文所提算法进行了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法.     

一种彩色图像的边缘检测算法

通过对灰度图像的边缘检测的研究,构造了一种新的基于色度差的边缘检测算法,并充分利用彩色图像的颜色信息,将此算法从灰度图像转化到RGB的颜色空间中。这种新方法旨在区别于传统意义上对图像的边缘检测要求的精准性,而把提取出彩色图像中直观形象的轮廓信息作为研究目的。实验仿真表明,该算法提取出的边缘能够较好地反映目标图像中具有代表性的信息。     

基于小波变换的二值模式检索

提出了一种基于小波变换后的二值模式图像检索.把图像库里的图像通过小渡变换压缩预处理,方便图像快速入库提取图像特征.选取二值模式技术处理,以便有效提取图像的特征进行检索.实验数据库采用Brodatz纹理图像库,对比了边缘拟合算法,共生矩阵和灰度纹理矩检索图像的检索效率,得出小波变换后的二值模式检索效率较高.     

基于红外图像的绝缘子高温区域特征研究

绝缘子故障会引起表面温度的上升,造成局部区域高温。因此,准确识别绝缘子的高温区域是故障检测的有效途径。本文提出了基于灰度共生矩阵的绝缘子高温特征提取方法。红外图像经过图像分割后,提取纹理特征,选取能量、熵、惯性矩和相关性作为特征值。试验结果验证该方法准确性高,可为绝缘子高温区域的识别提供参考。     

纹理特征提取

本文阐述了纹理的基本概念,结合纹理图像自身的特点,对图像纹理特征的描述算法进行了分析与研究,确定使用灰度共生矩阵法来提取图像的纹理特征.虽然在纹理分析过程中还存在一些问题有待完善,但是实验证明这种纹理提取具有一定的有效性.     

灰度共生矩阵算法研究

从灰度共生矩阵的算法定义、数据获取和纹理特征参数提取方面对该算法进行研究,并将算法应用到医学图像检索中,获得了良好的检索效果。     

基于正交矩的纹理分割

在识别一幅图像中的界面或物体时，一般先要进行纹理分割．本提出了基于勒让得矩的纹理分割方法．首先在图像的小窗口中计算矩值，然后用一个非线性转换器把它转化成纹理特征．再用这些特征组成特征向量作为输入数据．接着采用RBF人工神经网络对提取的特征进行分割．用k均值算法训练RBF人工神经网络的隐层．输出层的训练是采用基于LMS的监督式数学模型．该算法成功地分割了许多灰度级图像．和基于几何矩的纹理分割相比，用正交矩可以降低分割错误率．     

灰度共生矩阵算法研究

从灰度共生矩阵的算法定义、数据获取和纹理特征参数提取方面对该算法进行研究,并将算法应用到医学图像检索中,获得了良好的检索效果.     

基于MATLAB的动态前景目标特征提取与运动跟踪

动态前景目标识别和提取是计算机视觉领域的重要内容。对动态图像进行前景目标提取与运动跟踪,通过改进高斯混合背景模型,提出一种基于自适应特征加权的前景目标提取算法,目的是对动态画面中的图像特征进行识别并精确提取所需要的画面。根据高斯模型组合多个图像特征,针对组合特征空间的各个子空间构建似然图像,通过似然图像特征分析与加权,提取最具有差异性的特征。根据图像前景特征在图像帧与帧之间的不同,提高前景目标跟踪的鲁棒性。试验结果表明,改进算法在提取前景目标上比传统算法提高了精度,目标跟踪效果好。     

改进的灰度图像的骨架提取与重建算法

数学形态学是一种非线性的处理信息的工具,它是一种建立在集合论和形态学上的对图像进行分析理解的工具,数学形态学主要有四个算子:扩张、腐蚀、开启和闭合。该文把灰度图像函数映射成二值图像以后,基于数学形态学理论,提出一种灰度图像的骨架提取和重建算法,并取得非常好的效果。     

基于阈值的图像风格元素人工智能识别方法

受到图像破损区域的影响,对风格元素的识别效率和提取精度较低,由此,提出了基于阈值的图像风格元素智能识别方法.去噪原始图像,获得较优的风格元素表象,利用灰度直方图对图像阈值分割,用统一的灰度来划分成便于计算的二值图像;利用闭运算法模糊消除区域破损地方,获得完整清晰图像,以灰度图像形成的谷形区域实现图像风格元素提取.仿真实验结果表明,本方法在提取精度、误差率和时间效率方面均较优,能够为实际应用提供理论指导.     

基于数学形态学和FCM的彩色图像去噪处理方法

目前图像去噪处理的方法多是为处理二值图像或灰度图像而设计的,对彩色图像进行去噪处理的方法并不多.作者采用了一种基于数学形态学和FCM的彩色图像去嗓处理的新方法,首先将彩色图像灰度化,然后用数学形态学的方法对其进行去噪处理,最后对去噪后的图像进行聚类并按类着色还原为彩色图像.实验结果表明这种对彩色图像进行去噪处理的方法是可行的.     

粒子图像测速中的散斑提取方法

研究示踪粒子的成像特点,提出一种适用于粒子图像的散斑提取方法:根据目标连通域的统计特征进行自适应二值化处理;从多个径向判断目标区域是否存在混叠并辩识粒子;提取粒子的中心位置。该方法有效地将粒子图像特征融入到二值化阈值提取与粒子辨识中,从而正确提取粒子的中心。使用粒子图像进行了算法验证。结果表明,所提算法可以有效地对粒子图像中的散斑进行提取,拓展了粒子示踪法在应用时的空间深度。     

利用非线性单调点运算增强图像的研究

利用非线性点运算处理具有双峰灰度值直方图的图像，通过调节较亮或较暗物体的对比度和调节中间灰度级处的对比度而达到增强图像的目的。