一种基于图像投影特征的射线图像拼接方法

在应用射线进行构件检测的过程中,图像拼接具有重要的作用。首先减小搜索区域和运用图像的投影特征求出相关系数,然后根据相关系数确定两幅图像的匹配位置。这种方法能够对所要拼接的图像进行准确的配准和无缝拼接。在射线图像的拼接和应用中获得了满意的效果。     

纸币图像Gabor特征提取与识别

研究了基于Gabor滤波器组的人民币图像识别方法。针对纸币图像特点,设计了适合于其特征提取的Gabor滤波器组参数,得到了纸币图像多尺度多方向上的纹理特征,然后对纹理图像进行网格划分,并计算网格中像素灰度均值行列投影和,最后采用网格投影特征模板匹配法进行纸币识别。实验表明该法抗干扰能力较强,能够较大提高旧币和污染纸币识别率,并且耗时不长。     

一种基于特征不变描述的图像无缝拼接算法

针对尺度变化不明显场景的拼接,提出一种基于特征不变描述的图像无缝拼接算法.利用Harris特征检测算子进行特征点提取,在此基础上对提取出的特征点采用SIFT描述子进行处理,使其具备旋转不变性,然后利用k-d树算法进行遍历搜索定位,并用RANSAC算法进行图像间单应性变换矩阵计算,最后利用加权平均的融合方法进行图像无缝平滑,得到无缝拼接图像.实验结果表明:该算法在图像任意角度旋转的情况下,能有效地实现图像无缝拼接,并具有较强的鲁棒性.     

一种图像稳定程度的描述方法

提出一种数学模型描述成像系统的稳定程度，通过分析证明：当目标物体为黑白分辨率标板(只有两种亮度且为周期性结构)时，成像系统的不稳定对成像结果的影响是使图像的像素灰度值按照二项分布的规律分布，因此可以用统计参量来反映成像系统的运动速率，进而表征图像的不稳定度。为了研究在不同时刻图像稳定性的变化规律，引入了统计学中表征数据离散程度的参量“标准偏差”作为描述因子。通过实验，直观地描述了一个佩肯棱镜系统的稳像过程，得出了变化曲线。曲线的波动与所观察到的图像稳定度的变化相符，证明了本描述方法是合理且有效的。     

基于注意力和强化学习的遥感图像描述方法

针对当前遥感目标检测方法只能识别出遥感目标的类别及位置,无法生成与遥感图像内容相关文本描述的问题,提出了一种基于注意力和强化学习的遥感图像描述方法.首先,采用卷积神经网络构建编码器,提取遥感图像的特征.其次,利用长短期记忆网络搭建解码器,学习图像特征与文本语义特征间的映射关系.然后,引入注意力机制,增强模型对显著性特征的关注,减少无关背景特征的干扰.最后,采用强化学习策略,根据离散且不可微的评价指标直接对模型进行优化,消除暴露偏差及优化方向不一致的缺陷.在公开遥感图像描述数据集中的实验结果表明,本方法的检测精度较高,对密集小目标、雾气积聚、背景特征与目标特征相似等复杂环境下的遥感图像具有良好的描述性能.     

基于灰度校正的子孔径图像拼接算法

在多探测器子孔径组合图像拼接过程中。由于子图像边缘质量差、重叠区域少,而造成拼接图像拼缝明显。为此提出了先对子图像进行灰度校正,再进行图像拼接的新算法。该算法结构简单．易于硬件实现。便于移植到实时多探测器组合图像拼接系统中。仿真结果表明．拼接后图像重叠区平滑过渡,效果良好。     

用雅可比-傅里叶矩进行图像描述

提出了雅可比—傅里叶矩,它是用雅可比多项式作为径向函数,用傅里叶因子作为角向函数构造而成的,是广义正交傅里叶—梅林矩。经过归一化处理后的雅克比—傅立叶矩具有平移、尺度、旋转、灰度多畸不变性。从归一化图像重建误差、噪声灵敏度等方面对雅可比—傅里叶矩的图像描述能力进行了研究,结果显示雅可比—傅里叶矩在各种参量选择的情况下,具有良好的图像描述和抗噪声能力,是一个优良的图像特征。以前的研究多为单纯构建某一个函数,而现在将其扩展为构建一个函数族,开阔了矩描述量的研究视野。     

基于改进的FAST-SURF快速图像拼接算法

针对SURF(speeded-up robust features)算法计算量大、图像拼接效率低的不足,以FAST(features from accelerated segment test)角点取代SURF斑点在图像重合区域提取特征点,使用SURF描述子进行特征点描述,通过描述子降维、自适应最近邻与次近邻比值法、几...     

结合残差学习和双模态CAE的图像描述方法

针对传统图像描述方法存在提取图像关键信息精度不高、描述不准确等问题,提出了一种结合残差学习和双模态CAE的图像描述方法。提出一种新型双模态卷积自动编码器(CAE)结构,包括图像和文本两个输入,以及编码、隐藏层交互、解码等处理环节,完成对输入图像的文本描述;在经典CAE中加入残差学习,与CAE的卷积层构成深度残差网络(DRN),增加了学习深度,以提高方法的准确率;将文本和图像的隐藏层进行交叉重构,以最小化损失函数为目的,训练得到图像-文本的关系,从而实现图像的描述。利用COCO和Flickr30k数据集对所提方法进行定性和定量的仿真实验,其结果论证了所提方法的有效性,与其他方法相比,评价指标Med r最低,且R@K(K=1,5,10)最高,运算时间仅为0.183s,能够更为精准地描述图像。     

一种基于协方差描述子的场景分类算法

图像场景分类一直是计算机视觉领域的一个热点问题。提出了协方差描述子场景分类算法,它聚合了像素位置、颜色特征、方向特征和局部纹理特征等互补特征形成协方差描述子。为了避免计算黎曼空间内的协方差距离测度,把协方差描述子转换成欧式空间内的Sigma点特征,可以实现线性的场景描述和支持向量机训练。在SUN Database标准数据集上进行了算法分类测试,并与经典的场景分类算法进行了性能比较;通过构造包含噪声的场景数据集,验证了新算法和经典算法的鲁棒性。实验结果表明该算法在计算效率和分类性能方面具有很强优势,同时具有较好的噪声鲁棒性。     

一种基于局部投影熵的图像匹配新算法

将图像熵和投影特征的概念结合引入到图像匹配中,定义了图像局部投影熵,并提出一种基于局部投影熵的图像匹配方法.基于局部投影熵的图像匹配方法具有较好的抗几何失真能力,并且提高了抗噪能力和在强光照条件下的匹配能力.结合采用分块、序贯检测及分层搜索等技术,进一步减少了计算量,实验结果表明这是一种简单而行之有效的图像匹配方法.     

油管位置光电检测技术的研究

本文提出了一种测量汽车油管位置的方法。该方法采用平行光投影的光学系统，以高分辨率面阵CCD成像，通过数字信号处理(DSP)系统进行图像采集与处理，处理速度快，可以实现实时处理。在图像处理中，采用合适的边缘检测方法，提高了测量精度。数据处理中采用了最小二乘法拟合曲线，可以精确的拟合出油管像的曲线。与理论曲线相比较，就可以有效地测量油管的位置。     

基于显微投影图像的尾纤端面角度检测方法研究

为了提高回波损耗，尾纤端面从平端面发展到斜端面。因此，对尾纤端面角度进行检测具有重要的意义。面向尾纤自动检测的需要，本文提出了基于显微投影图像的端面角度检测方法。在建立尾纤端面投影模型的基础上，利用显微物镜、CCD图像传感器、图像采集卡和计算机构成的显微系统获取尾纤端面的显微投影图像。通过图像处理，得到尾纤的端面角度。     

基于灰度投影的数字近景摄影立体影像匹配

根据数字近景摄影测量的特点,针对建筑物三维建模的需要,提出了基于灰度投影的影像匹配算法。该算法将影像行、列两个方向上的一维灰度投影,拓展为行、列、主对角线和次对角线四个方向上的一维灰度投影,计算左右影像的四个一维投影向量间的相似性测度的加权平均值作为最后的匹配测度。利用相对定向线性变换（RLT）算法来确定同名核线,以改进的动态定界法来控制待匹配点序列中后续点沿核线匹配的搜索范围,以减少匹配的搜索空间并提高匹配的准确度。利用该算法对建筑物数字近景摄影影像进行了实验,结果表明该算法具有较高的匹配速度和匹配准确率。     

适合于生物图像的图像融合算法研究

图像融合作为一种有效的信息融合的技术,已广泛用于军事、遥感、机器视觉和医学图像等领域。本文讨论了三种基于像素级的图像融合算法：Ｐ加权平均,Ｔｏｅｔ算法和基于小波变换的算法;采用四种评价融合效果的量化判据：标准偏差,平均误差,峰值信噪比（ｓ／Ｎ）ｐ和熵差,将三种图像融合算法用于生物图像中细胞荧光图像和透射图像的融合,量化评价结果和视觉判断均说明,对于以细胞荧光图像和透射图像研究对象,需突出荧光图像的     

离焦模糊图像中汉字识别技术研究

提出了辐射投影变换(RPT),给出了数学模型和实现方法以及相应的投影函数(RPTF)。为了进一步提高其性能,对原始投影变换进行了优化改进,即累加原始函数的值并作旋转变换,从而得到了改进投影累加函数(IPAF),它可直接用于离焦模糊图像中汉字的识别。将傅里叶变换应用到IPAF上,使描述和识别用的特征量大为减少。采用基于IPAF的傅里叶子(前8个傅里叶系数)作为特征量,对离焦模糊的一级汉字进行识别,总识别率达到了97 4%。     

Nighttime Image Stitching Method Based on Guided Filtering Enhancement

Image stitching refers to stitching two or more images with overlapping areas through feature points matching to generate a panoramic image, which plays an important role in geological survey, military reconnaissance, and other fields. At present, the existing image stitching technologies mostly adopt images with good lighting conditions, but the lack of feature points in scenes with weak light such as morning or night will affect the image stitching effect, making it difficult to meet the needs of practical applications. When there exist concentrated areas of brightness such as lights and large dark areas in the nighttime image, it will further cause the loss of image details making the feature point matching unavailable. The obtained perspective transformation matrix cannot reflect the mapping relationship of the entire image, resulting in poor splicing effect, and it is difficult to meet the actual application requirements. Therefore, an adaptive image enhancement algorithm is proposed based on guided filtering to preprocess the nighttime image, and use the enhanced image for feature registration. The experimental results show that the image obtained by preprocessing the nighttime image with the proposed enhancement algorithm has better detail performance and color restoration, and greatly improves the image quality. By performing feature registration on the enhanced image, the number of matching logarithms of the image increases, so as to achieve high accuracy for images stitching.     

基于特征点自动匹配的图像拼接方法

提出了一种基于特征点自动匹配的图像拼接算法,采用改进的Harris算子提取特征点,保证了提取的效率和精度,根据互相关的双向匹配实现对应特征点的自动匹配,从而建立参考图像与当前图像的对应点对,最后采用最小二乘方法得到图像间的全局变换参数,实现图像的拼接。