基于特征点群相似度计算模型的图像表示方法

针对空间金字塔匹配模型缺乏对图像中视觉物体旋转、平移和缩放的考虑问题,提出了一种基于特征点群相似度计算模型的图像表示方法.基于词汇树模型的粗匹配结果,通过特征点群拓扑、方向、距离等计算其相似度,并以此作为评价指标对匹配结果进行过滤;根据由特征点群计算所得的标准差椭圆的圆心、旋转角度对金字塔匹配的图像划分子区域并进行调整,从而得到图像抗旋转、平移和缩放的表示.分别在自建校园建筑物数据集和自建物体图像数据集上对方法进行了验证和比较,结果表明,该方法提高了分类识别的准确率和检索的查全率,特别是对于包含明显旋转、平移和缩放变化的图像数据效果更好.     

一种遥感数字图像匹配的合成算法

分析了传统的基于灰度和基于特征的匹配算法,提出了一种基于边缘特征和相关系数的新匹配算法.该算法首先对潜在匹配图像和模板图像利用高斯拉普拉斯(LOG)算子和梯度算子提取影像的边缘,然后提取二值化图像,最后再利用相关系数法对二值化后的边缘影像进行匹配运算,得到正确的匹配结果.该算法融合了传统算法的优点.利用该算法对上海的SPOT 5 m分辨率不同波段的卫星影像进行了匹配试验,获取了比较好的匹配效果.     

一种高分辨率遥感影像水体提取技术

针对高分辨率影像水体信息提取,利用小波技术对图像进行膨胀和去噪处理,并提出了一种多窗口线性保持技术对线性水体进行保持,最后利用水体信息的地学特征,对图像进行联合特征去噪,获取最终的水体影像信息.利用以上技术,成功提取了浙江省嵊州市甘霖镇IKONOS全色影像中的水体信息,提取精度达到94.92%,错误率为9.01%,与传统密度分割、监督分类等方法相比较,此算法具有高精度、低噪声、高信噪比的优点.     

基于双目融合与竞争的无参考立体图像质量评价方法

根据人眼对立体图像的感知过程,提出了一种基于双目融合和竞争特性的无参考立体图像质量评价方法.首先将左右视点图像进行融合,对得到的独眼图进行Gabor特征提取;然后对左右视点图像的绝对差值图提取特征;最后将独眼图特征和绝对差值图特征融合得到立体图像特征集,通过支持向量回归预测得到客观值.采用该方法对LIVE立体图像数据库进行评价,Pearson线性相关系数(PLCC)和Spearman等级相关系数(SROCC)均在0.94左右,优于其他参与对比的质量评价方法.表明该方法符合人眼视觉特性,能够很好地描述人眼感知特性.     

一种基于小波模极大值的图像特征匹配算法

针对移动机器人视觉图像间的连续特性,提出了一种基于小波模极大值的图像特征匹配算法,该算法利用小波模极大值提取图像轮廓及模方位矩阵,并在轮廓图像中寻找极大区域,以该区域中心点作为图像特征点,且将区域小波模方位、特征点区域图像重心坐标和区域轮廓重心方向组合生成这些特征点的特征向量,利用这些特征向量实现图像间的特征点匹配．并通过相应的实验证明提出的新算法高效可靠．     

基于轻量型高分辨率网络的被遮挡人体姿态估计

针对人体姿态被遮挡导致图像部分目标信息丢失使得估计结果不精确的问题,以高分辨率网络HRNet-32为基本网络架构,构建了一种轻量型高分辨率级联金字塔网络模型对被遮挡人体姿态进行估计。将对GhostNet进行改进的Gaff模块引入HRNet-32第一阶段,对网络进行轻量化,对特征进行初提取并进行多尺度特征融合训练。在HRNet-32中加入级联金字塔网络(cascaded pyramid network,CPN)进行二次特征提取,获取人体被遮挡部分的关键点,采用回归热图进行人体姿态估计。在公开数据集MPII和3DOH50K上进行测试,实验结果表明本文提出的网络对人体姿态估计的精确度比HRNet-32有所提升。     

轮廓匹配方法改进及其在转子中的应用

汽车发动机转子装配误差容易造成零件磨损和效率降低. 针对转子零件装配精度要求, 提出一种基于轮廓与特征点结合的轮廓匹配方法. 首先对转子图像进行滤波、二值化预处理; 其次提取轮廓并利用轮廓Hu矩方法进行轮廓粗匹配; 然后提取特征点, 并在以特征点为中心、半径为16像素的圆形区域内生成4个特征描述子作为匹配特征, 利用欧氏距离进行特征点匹配; 最后通过找到的匹配对计算仿射变换矩阵, 得到精匹配结果. 实验结果表明, 该方法在背景复杂、光照变化的条件下能够较精确地匹配轮廓, 保证匹配精度在1像素内, 且生成的特征描述子对数越多, 匹配结果越精确.     

一种基于特征分解的图像融合方法

一幅图像可以分解成几何特征不同的纹理部分和卡通部分,基于这两大特征提出了一种图像融合方法.利用卡通和纹理特征的差异,通过学习分别得到卡通字典和纹理字典.在融合过程中,分别利用特定的卡通和纹理字典对源图像的卡通和纹理部分进行融合,融合后的卡通和纹理部分经简单相加得到融合图像.实验结果表明,所提方法是有效的.     

一种基于辐角的加性模型隐写分析算法

图像隐写分析理论研究越来越受到重视,分析特征的有效性的理论证明已成了隐写分析不可缺少的部分.本文根据图像在加性隐写模型下,隐写图像差分直方图傅里叶变换辐角等于载体图像差分直方图傅里叶变换辐角与秘密信息差分概率质量函数PMF(probability mass function)傅里叶变换辐角之和这一理论基础,提出一种新的隐写分析算法.根据隐写前后图像差分直方图傅里叶变换辐角的差异构造极大辐角矩最低有效位MSA(max sum of arguments)作为特征,从理论上对该特征的有效性进行证明,然后对典型的加性隐写算法LSB(least significant bit)替换算法和扩频图像隐写SSIS(spread spectrum image steganography)算法进行分析,在非压缩彩色图像库UCID(uncompressed colour image database)V2标准图库下进行仿真实验.实验结果表明,本算法对加性隐写模型具有很好的检测效果.     

一种基于速度强度熵VMME与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容, 文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法. 该算法采用LBPCM算法提取图像纹理特征, 在视频帧计算光流基础上, 获得特征点速度强度图, 并以其熵VMME作为场景运动特征, 将场景纹理特征和运动特征送入支持向量机训练分类. 实验表明, 新算法可实现对人群异常行为的检测, 且有较高准确率.     

一种基于颜色信息的图像查询方法

把图像颜色信息用聚类表示，聚类过程中考虑象素的空间相关性．实验结果表明方法是有效的．     

结合美学特征的无参考色调映射图像质量评价

如何对色调映射图像(Tone-mapped Image, TMI)质量进行有效评价是图像处理领域亟待解决的问题. 现有方法仅是低动态范围图像质量评价方法的改进, 并未考虑TM图像本身独有的特点. 基于此, 本文提出了一种结合美学特征的TMI质量评价方法. 从颜色保真度、色温分布、对比度、黑暗度、自然度5个方面出发提取图像的美学特征, 并在梯度域、张量域、高斯差分域和拉普拉斯域提取变换域特征, 利用支持向量回归训练得到质量评价模型. 在ESPL-LIVE HDR库上的实验表明, 现有代表性方法的Spearman秩相关系数最高为0.752, 而所提出模型可达0.766, 与人眼感知结果具有更强的一致性.     

基于线矩特征的破损目标识别

论述了用曲线的矩特征作为局部不变量来识别二维破损目标的方法．该方法对目标的轮廓进行分割后，利用阶次规正后的轮廓线矩特征，通过粗、细两级的基于Ｈｏｕｇｈ变换的投票匹配法来识别目标．分类实验表明，该方法有利于提高目标局部特征的抗噪性，并简化了破损目标的匹配和识别算法．     

一种基于感兴趣区域提取的医学图像检索技术

针对胸部CT扫描图像库，提出了一种基于感兴趣区域提取的图像检索方法．首先为了提取感兴趣区域，提出一种基于灰度层共现矩阵的区域增长算法，分割出病灶区域，再通过闽值算法进行边界的磨合，然后针对感兴趣区域提取形状和分布特性作为图像匹配准则的客观依据．最后，将该算法与其他底层特征算法进行比较和分析．实验结果表明，该算法能够比较有效地应用于基于内容的医学图像检索系统中．     

低对比度图像目标分割的研究

利用图像分割技术 ,采用矩不变自动门限方法 ,对低对比度的精子显微图像进行了自动分割 ,实验表明 ,该方法能够在较短的时间内分割出目标和背景 ,同时能克服二值化过程中出现的断线和粘连等问题 ,且方法简单 ,容易实现 ,具有较好的实用价值 .     

基于方向梯度直方图的螺纹连接件端面缺陷检测方法

针对螺纹连接件端面表面的反光性、阈值选取的不确定性, 提出了一套图像处理方法. 使用中值滤波和图像锐化增强等方法处理图片, 解决背景与前景差距较小的问题; 选取利用方向梯度直方图确定图像上的边缘方向, 实现对目标的直线轮廓提取, 与已知目标的轮廓模型结合实现对非直线目标轮廓的提取. 该处理方法可以自动提取目标的轮廓, 而不需要设定阈值, 且对亮度、对比度和噪声变化的适应性较好. 对2500个报警器底盘做的检测实验结果表明, 采用该方法能去除噪声, 与Canny轮廓提取法相比, 能更准确且稳定地提取出螺纹连接件端面的边缘特征; 对螺纹连接件端面磨损和歪斜的检测准确率分别达到了99.4%和98.6%, 满足工业的准确率和实时性的需求; 同时可减少人工成本, 提高检测速度.     

基于多尺度特征提取网络的图像美学量化评分方法

提出了一种基于多尺度特征提取网络的图像美学客观量化评分方法，该模型主要由多个多尺度特征提取单元级联组成，每个单元包含由3个不同卷积核组成的特征提取层、融合层和映射层。特征提取层通过联合图像的全局视图和局部视图组成网络输入端，在输出端以EMD函数为损失函数，输出分布为1~10分的概率密度质量函数，并以分布均值作为图像美学量化值。实验证明，本文方法具有可行性和有效性，解决了传统方法只进行美感二进制等级分类的问题，给出了（模拟人类思维对）图像的客观量化评分；同时在AVA数据集上获得了优于几种主流算法的分类准确度。