基于极坐标变换去除计算机层析图像环形伪影

探测器像元响应的不一致、光源能不稳定等因素使得计算机层析(CT)图像中含有较多的环形伪影,严重降低了图像质量,影响了图像的三维重建和量化分析,为此提出了基于极坐标变换与傅里叶变换后低通滤波的算法去除环形伪影。通过极坐标变换将直角坐标下的环形伪影转化为极坐标下的线性伪影,然后对线性伪影图像进行傅里叶变换获得频谱图像,进而设计二维低通滤波器进行滤波处理,最后通过傅里叶逆变换与坐标逆变换获得校正后的图像。利用Matlab软件,编写程序对算法进行验证,结果表明,该算法能够有效地去除环形伪影,使图像内部细节清晰可见,并且保护了图像边缘信息,提高了图像的信噪比;另外,使用该方法处理100张切片图像只需3.5min,可满足批量处理的需求。     

组合傅里叶变换与曲波变换的图像复原

针对图像复原的病态反问题进行研究,分析了图像复原的数学模型及其病态性,提出了组合傅里叶变换与曲波变换的图像复原(ForCurIR)算法.算法利用傅里叶变换对色噪声和曲波变换对分片光滑图像的稀疏表示特性,将图像复原问题转换成傅里叶变换域约束去卷积和曲波变换域约束去噪问题,最后通过组合傅里叶变换域和曲波变换域收缩法实现去卷积和抑制噪声.实验结果表明:ForCurIR算法很好地再现了图像的边缘等细节信息,复原出的图像在信噪比和视觉质量两方面部有显著的提高.     

分数傅里叶域数字水印算法

基于离散分数傅里叶变换(DFRFT)快速算法发展了一种分数傅里叶谱域图像水印算法.该算法根据分数傅里叶变换谱具有空域和频域双域信息表达能力,分别对原始图像和所加水印信息进行不同级次的分数傅里叶变换,提取水印分数傅里叶谱的低频成分并直接将其叠加到原始图像的分数傅里叶谱中的对角像元上,然后再进行逆变换得到水印图像.在JPEG压缩、图像旋转及剪切等攻击方式下,对该水印算法进行了鲁棒性分析,数值实验表明该水印算法具有良好的抗攻击性和安全性.     

基于光学相关的多目标检测

运用傅里叶变换相关识别技术实现了无畸变、有平移多目标的检测。在此基础上讨论了图像边缘信息和非边缘信息对相关性能的影响。运用分数傅里叶变换相关识别技术实现了目标图像存在尺度、旋转畸变而无平移变化时的目标检测。结果表明,分数傅里叶变换的级次选择对目标图像的旋转和尺度畸变有一定的补偿作用。在分数傅里叶变换相关中,通过简单的级次调节可实现一定范围内的旋转、尺度畸变不变识别。     

基于小波多尺度积的目标识别

光学相关探测就是利用光学相关的方法,从混乱的图像中找出需要的目标,达到识别的目的.把小波变换应用于光电混含联合变换相关器,突破了传统的傅里叶变换的局限性,实现了对探测目标不同区域、不同尺度的分析.为了充分利用小波不同尺度的特性,采用小波多尺度积的方法提取出目标图像的边缘,兼顾了图像的细节与轮廓特征,将目标图像不同层次的轮廓信息和细节信息相结合,解决了复杂背景下目标图像的识别问题.光学实验结果表明,该方法有效增强了复杂背景目标的相关点强度,成功实现了目标的探测,具有良好的应用前景.     

基于相位相关性的傅里叶变换光谱数据的相位误差修正方法

 相位误差的校正是傅里叶变换成像光谱仪数据处理的重要环节之一。针对干涉曲线的对称性特征,利用相位相关性计算方法,提出一种新的傅里叶变换光谱数据的相位校正的方法。将相位相关性拟合为Sinc函数,计算亚像素的偏移量,采用离散余弦变换转换到光谱域。使用标准光谱库中的源光谱数据作为原始数据,将通过离散余弦变换仿真的干涉数据与该方法得到的结果进行比较和验证,并与Mertz方法进行了对比。结果表明：该方法精度优于Mertz方法,并且计算简单。     

基于矩孔光学傅里叶变换的匹配滤波器缩放比例标定方法研究

为了使待识别目标的傅里叶变换频谱与匹配滤波器频谱分布严格重合,提出了一种基于矩孔图像光学傅里叶变换的匹配滤波器缩放比例标定方法。针对范德卢格特型光学相关器,在分析场景空间光调制器傅里叶变换频谱分布的基础上,以矩孔图像的频谱间距作为基准标定匹配滤波器的缩放比例;并利用焦距为400mm的傅里叶透镜作为一个实例,计算出其匹配滤波器缩放比例为1.068,对标定结果进行了实验验证。结果表明,此方法适用于范德卢格特型光学相关器中匹配滤波器的缩放比例标定,能够有效提高相关峰的能量和信噪比。     

基于PHLST的红外与可见光图像融合算法

针对图像融合过程中边缘处理和区域一致性的问题,提出一种基于多重调和局部正弦变换的红外与可见光图像融合新算法.多重调和局部正弦变换的多重调和分量μ代表了图像缓慢变化的"趋势",在空域进行加权融合;残差分量υ体现了源图像的"波动",在傅里叶正弦变换域进行融合,以充分提取可见光图像的细节信息.由于不存在边缘效应,同时残差分量...     

基于傅里叶-极坐标变换的相关结果后处理技术

在光学相关识别中,对相关输出结果进行后处理是保证图像识别准确性的关键之一。研究者通常采用神经网络技术对相关输出结果进行处理,并取得了较好的效果,但它需要预先准备大量的相关峰和噪声峰训练样本。根据极坐标变换能将笛卡尔坐标系下的旋转转变成平移的性质以及傅里叶变换的平移不变性,提出一种基于傅里叶-极坐标变换的相关结果后处理方法。验证结果表明:目标的旋转图像与目标自身的傅里叶-极坐标变换的相似度较大,而干扰图像与目标的傅里叶-极坐标变换的相似度较小。本文的方法在后处理阶段可对目标和干扰进行有效的分类识别,而且还能避免对相关峰和噪声峰训练样本的收集,从而使得光学相关识别系统的应用更加便利。     

傅里叶-梅林变换(FMT)在畸变-不变图像识别中的应用

针对尺度缩放和角度旋转变化目标相关识别率低的问题,在联合相关识别中加入傅里叶-梅林变换方法.采用傅里叶-梅林变换(FMT)中的对数极坐标变换、梅林变换、傅里叶变换具有的旋转、尺度、平移(RST)不变性,可以提高JTC图像识别的性能,实现畸变-不变图像的识别.利用联合变换相关器对角度旋转0°～40°、尺度变化0～20%的目标进行计算机仿真实验.实验结果表明:在JTC中采用FMT可以实现畸变-不变图像的识别.     

Active polarization imaging method for latent fingerprint detection

Fingerprint identification is one of the reliable methods for personal identification, and is becoming more and more widely used in society. In this paper, the polarization characteristic of latent fingerprint is studied, and the experimental platform for polarization imaging detection of latent fingerprint based on active light source is built. Through quality evaluation and comprehensive analysis of the fingerprint images, we obtain the best analytical method and the best angle for the detection of latent fingerprint polarization imaging. Using the difference and complementarity between different type of polarization images, a fusion algorithm of polarization image and intensity image is proposed. The results show that compared with the general intensity imaging, the latent fingerprint image obtained by polarization imaging method is clearer and the details are more abundant.     

基于结构张量的变分多源图像融合

提出了可以保持源图像特征和细节信息的基于结构张量的变分多源图像融合算法. 首先叙述基于结构张量的融合梯度场, 然后测量每幅源图像的特征图, 根据特征图为源图像的每个梯度构造一个权值, 将携带明显特征的梯度在融合的梯度场中凸显出来, 从而使源图像的特征和细节得到保持, 最后应用变分偏微分方程理论从目标梯度场重建出融合的图像. 实验结果表明, 本文算法融合图像的灰度平均梯度和信息熵均高于小波变换算法、塔分解法和直接梯度融合算法, 视觉效果上,融合图像很好的保留了源图像的特征和细节, 为图像目标检测和识别提供了高质量的图像信息. 关键词： 图像融合 梯度场 结构张量 变分法     

多局部残差连接注意网络的图像去模糊

针对现有的基于卷积神经网络的图像去模糊算法存在图像纹理细节恢复不清晰的问题,提出了一种基于多局部残差连接注意网络的图像去模糊算法。首先,采用一个卷积层进行浅层特征提取;其次,设计了一种新的基于残差连接和并行注意机制的多局部残差连接注意模块,用于消除图像模糊并提取上下文信息;再次,采用一个基于扩张卷积的成对连接模块进行细节恢复;最后,利用一个卷积层重建清晰图像。实验结果表明：在GoPro数据集上的PSNR (peak signal to noise ratio)和SSIM (structure similarity)分别为31.83 dB、0.927 5,在定性和定量两方面都表明所提方法能够有效地恢复模糊图像的纹理细节,网络性能优于对比方法。     

用于MR图像非局域均值去噪的边缘增强策略

非局域均值(NLM)滤波有很好的去噪效果并已成功地应用于磁共振图像的去噪中,但与所有去噪方法相同,总是会在一定程度上模糊图像细节. 该文提出将从原始图像中提取出来的高频信息与NLM去噪图像相融合,来还原在去噪过程中丢失的细节. 首先利用一种基于拉普拉斯金字塔的多分辨率方法,从原始图像中提取出包含丰富的边缘信息的高频组分. 然后利用作者提出的一种新的基于SUSAN算子的边缘检测算子产生一幅连续的边缘图,并利用该边缘图将高频组分与NLM方法去噪的图像相融合. 该方法在图像的平滑区域取得了良好的去噪效果,同时可以保留甚至增强图像的细节. 同时,该方法对图像的增强不会导致增强图像中常见的伪影.     

STM simulation of molecules on ultrathin insulating overlayers using tight-binding: Au-pentacene on NaCl bilayer on Cu

We present fast and efficient tight-binding (TB) methods for simulating scanning tunneling microscopy (STM) imaging of adsorbate molecules on ultrathin insulating films. Due to the electronic decoupling of the molecule from the metal surface caused by the presence of the insulating overlayer, STM can be used to image the frontier molecular orbitals of the adsorbate. These images can be simulated with a very efficient scheme based on hopping integrals which also enables the analysis of phase shifts in the STM current. Au-pentacene complex adsorbed on a NaCl bilayer on Cu substrate provides an intricate model system which has been previously studied both experimentally and theoretically. Our calculations indicate that the complicated shape of the molecular orbitals may cause multivalued constant current surfaces - leading to ambiguity of the STM image. The results obtained using the TB methods are found to be consistent with both DFT calculations and experimental data.     

基于高光谱图像技术的玉米杂交种纯度鉴定方法探索

对玉米种子高光谱图像的光谱维信息进行分析,探索利用高光谱图像技术鉴定玉米杂交种纯度的可行性。实验中利用高光谱成像系统采集玉米品种农华101的母本和杂交种的高光谱图像, 波长范围871～1699 nm;在每个玉米样本上提取感兴趣区域的平均光谱信息,利用处理后的数据建立农华101母本和杂交种的鉴定模型。讨论了样品的摆放方式(种子胚正对光源和背对光源,种子在样品台上的位置)和实验环境对鉴定模型性能的影响。鉴定模型对不同摆放方式和实验环境下获得的同种样品的光谱的正确识别率和正确拒识率均达到90%以上,模型稳健性良好。利用Qs方法选择特征波段[1],发现在1 230 nm附近(1 195～1 246 nm)农华101的母本和杂交种差异最大。实验中利用特征波段内的数据进行建模和测试,正确识别率和正确拒识率达到90%以上,与利用全波段(925～1597 nm)获得的识别效果相当。分析结果表明,利用高光谱图像技术鉴定玉米杂交种纯度是可行的。     

Infrared image enhancement using Cellular Automata

Image enhancement is a crucial technique for infrared images. The clear image details are important for improving the quality of infrared images in computer vision. In this paper, we propose a new enhancement method based on two priors via Cellular Automata. First, we directly learn the gradient distribution prior from the images via Cellular Automata. Second, considering the importance of image details, we propose a new gradient distribution error to encode the structure information via Cellular Automata. Finally, an iterative method is applied to remap the original image based on two priors, further improving the quality of enhanced image. Our method is simple in implementation, easy to understand, extensible to accommodate other vision tasks, and produces more accurate results. Experiments show that the proposed method performs better than other methods using qualitative and quantitative measures.     

近红外与可见光双通道传感器信息融合的去雾技术

为了对雾霾天气下的图像进行去雾处理,多幅图像去雾算法是常用的方法之一。多幅图像去雾算法也有多种形式,部分算法面临硬件实现困难、获取途径受限或者可实施性弱等问题,而且多幅图像比对处理时常常涉及图像配准,造成算法的实时性差、计算复杂度高等问题。针对以上问题,提出的算法为多幅图像去雾提供了新的思路,基于双目传感器硬件架构能够同时捕获近红外和可见光图像,将近红外传感器图像作为新的数据源,近红外传感器能够在一定程度上穿透雾霾,在雾天捕获可见光传感器无法捕获的图像细节,而且硬件实现简单。可见光图像的颜色信息较丰富,近红外传感器图像对近处场景细节的描述能力较好,捕获的图像稍加校正就能实现完全配准,将近红外图像与可见光图像进行融合,在去雾的同时,可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中,得到边缘、轮廓等细节信息更加丰富的去雾图像。基于上述思路,借助近红外传感器对边缘细节的描述能力和可见光传感器对颜色信息的反映能力,提出了一种基于近红外与可见光双通道传感器图像融合的去雾算法。首先,将彩色可见光图像转换到HIS彩色空间,分别得到亮度通道图像、色调通道图像和饱和度通道图像。先将其亮度通道图与近红外图像进行融合去雾处理。采用非下采样Shearlet变换（NSST）进行分解,对得到的高频系数进行双指数边缘平滑滤波器保边滤波处理,对低频系数进行反锐化掩蔽处理,通过融合规则和反向变换得到新的亮度通道图像。然后,在对可见光图像的色彩处理中,建立饱和度图的退化模型,采用暗原色原理对参数进行估计,得到估计的饱和度图。最后,将新的亮度通道图像,估计的饱和度图像和原色调图像反映射到RGB空间得到去雾图像。为了验证新算法的有效性,特选取四组雾天拍摄的真实近红外图像与可见光图像进行融合去雾处理,将融合结果与其他两种去雾方法对于彩色可见光图像的去雾效果进行比较。实验结果表明,该算法在提高图像的边缘对比度和视觉清晰度上有较好的效果。并提出将近红外传感器图像作为新的数据源,采用双通道图像融合方法进行去雾处理,为图像去雾提供的新的技术思路是可行的。该算法的优势在于：首先提出将图像融合方法与去雾算法相结合,得到了新的去雾算法的思路。将彩色可见光图像转换到HSI色彩空间,将其亮度通道图与近红外图像采用非下采样Shearlet变换方法进行融合处理,在去雾的同时,可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中,使得去雾图像中的边缘、轮廓等细节信息更加丰富。其次,提出了在图像去雾算法中采用新的数据源--近红外传感器图像,从图像处理的角度,近红外传感器能够在一定程度上穿透雾霾,对于近处场景细节的描述能力较好,而且硬件实现简单,捕获的图像稍加校正就能实现完全配准,为后续的融合去雾算法带来了便利,为图像去雾提供了新的技术途径和路线。再次,采用的是多幅图像去雾算法,该算法基于双目传感器获取图像,可见光图像的颜色信息较丰富,近红外图像对于近处场景细节的描述能力较好,相对于单幅图像去雾算法,有更好的效果。最后,将可见光传感器图像映射到其他色彩空间,对于每个通道的图像根据其特征有针对性地进行处理。可见光图像的亮度通道图和近红外图像的处理采用了图像融合和增强处理,对于可见光图像饱和度通道的处理采用了图像复原算法,可以从整体上提升去雾效果,对细节特征有了进一步增强。该算法为图像去雾提供了新的技术途径和路线。     

基于照射_反射模型和有界运算的多谱段图像增强

根据多尺度照射_反射模型, 结合广义有界运算模型和引导滤波, 能够有效地解决多谱段降质图像的增强问题. 算法采用自适应的引导滤波核函数作为环绕函数, 估计反映图像整体结构的不同尺度的低频照射分量; 利用有界广义对数比(general log-radio, GLR)模型加法代替Retinex理论中的对数变换运算; 再由GLR模型减法去除照射分量, 将不同尺度的反射分量从原始图像中分割出来; 对不同尺度反射分量的有效信息采用有界GLR模型乘法和加法进行融合, 有效地避免光晕伪影现象及越界现象的发生, 得到多尺度反射分量图像, 即最终的增强图像. 通过对可见光波段的低照度图像和雾霾图像、红外图像、X光医学图像四组多谱段降质图像实验分析, 以对比度和信息熵作为评价指标, 与同类算法进行了图像增强效果的定性和定量对比, 结果表明本文算法增强后的图像纹理和边缘细节更加丰富、对比度更高、视觉效果更佳, 可广泛地应用于多种图像增强领域.     

An algorithm for object identification based on hyperplane separation but tolerant to illumination and viewing angle variations

A new algorithm for object identification by their images is proposed. It combines tolerance against imaging conditions variations proper to morphological methods for image analysis by Pyt’yev with computational simplicity of methods based on separating classes of images with hyperplane. The algorithm was tested on images taken in different illuminations and views. It can be applied to analyse microscopic image in biophysics, acoustic signals in geophysics, Earth resources using satellite data, etc.