一种基于速度强度熵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.     

基于色彩衰减补偿和Retinex的水下图像增强

针对水下图像存在的色偏、雾状模糊、低曝光和非均匀光照问题, 提出一种基于色彩衰减补偿和Retinex的水下图像增强算法. 首先, 为校正水下图像的色偏, 利用水体对不同波长光线衰减不一致的特性自适应地补偿其R、G、B通道. 然后, 使用基于多尺度导向滤波的Retinex去除雾状模糊, 增强对比度. 最后, 根据水下图像和自然图像的直方图分布特征对其进行归一化处理, 从而在保存图像主要信息的前提下增强其纹理和曝光. 实验结果表明, 该算法不但具有较优的视觉感知效果, 而且具有较高的图像质量评价分数. 该算法具有较强的适应性, 有助于计算机视觉算法在水下的应用.     

超声图像的LBP纹理特征提取

采用改进的均匀化LBP（局部二值模式）算子,将散点及小斑点的均匀化LBP码设置为其邻域均值,并通过各向异性扩散滤波抑制超声图像噪声,消除超声图像中斑点噪声和散点对纹理提取的影响,以实现对超声图像的LBP纹理特征的有效提取.实验结果表明,本文算法与传统均匀化LBP的算法相比,获得的纹理特征图像LBP码的占有比例有所提高,消除了LBP纹理图像中散点的影响,能较好地描述超声图像的纹理信息.     

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。 滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段：采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。 通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。 噪声去除阶段：信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。 实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。     

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。 滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段：采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。 通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。 噪声去除阶段：信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。 实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。     

一种融合纹理和颜色信息的背景建模方法

鉴于目前视频序列的运动目标检测常使用背景差分法,但其受光照变化以及阴影影响,不能准确区分出运动物体的特点,因此提出一种新的背景建模算法.该算法融合纹理信息和颜色信息建立背景模型,其中的纹理信息采用LBP算子进行描述.为更好地描述纹理信息,进一步改进了基本的LBP算子,并同时引入抗噪因子增强抗噪声影响.实验证明,提出的算法在大多数情况下都取得良好的效果.     

基于小波-双马尔可夫随机场的纹理分割

传统高斯金字塔马尔可夫随机场模型仅仅捕捉图像低频信息,纹理分割效果不太理想.根据纹理图像小波分解后各频带的统计性质和层次关系,优化频带选取,提出了一种变形小波结构,建立了融合这种结构上尺度内部和尺度之间关系的双马尔可夫随机场模型,引入了一种近似最大联合概率分割算法,并从理论上分析了该算法的合理性.实验表明,与基于高斯金字塔马尔可夫随机场模型的分割方法相比,该算法分割质量明显提高;并且,对模型中自由参数的选取进行比较,证实它们在给定区间上的选择具有鲁棒性.     

基于递归高阶统计和改进分水岭算法的运动对象分割

提出了基于递归高阶统计和改进分水岭算法的视频图像序列中的运动目标分割算法．该算法首先利用递归高阶统计及多帧运动信息估计出图像序列中的运动区域，而后用一种改进的分水岭算法对提取出的区域进行空域分割，进而提取出视频图像序列中运动目标．实验结果表明所提出的算法能有效地提取出运动目标．     

基于梯度域的多对比度磁共振成像重建

多对比度磁共振成像由于能够提供丰富且不同的对比度信息,因此在临床应用中是一种强大的成像工具。本文提出了一种高效的基于梯度域的无监督深度学习方法(UDLGD)用于多对比度磁共振成像重建,该方法的目的在于从部分采样的K空间数据中重建相同解剖截面的多对比度图像。UDLGD算法主要包含两个迭代关系阶段：其中在先验学习阶段,利用分数匹配生成网络模型从单对比度图像数据集中获取梯度域先验信息;先验信息可以应用于不同对比度图像数量、不同采样轨迹等多场景的磁共振成像重建。随后在迭代重建阶段通过迭代更新数据一致性、梯度域先验信息和组合稀疏性,以获得满意的重建结果。大量采用活体磁共振图像数据的实验结果表明,UDLGD方法与其他方法相比可以获得更低的重建误差和更好的图像纹理结构。     

合成孔径雷达图像统计滤波降噪方法

基于统计滤波方法需要在尽可能大的同质区域内进行滤波处理的要求，根据MHR和EPOS算法采用的可变窗口思想，提出了从八个不同方向上逐步扩大窗口，直到出现边界的搜索算法，在保持图像边界信息的同时滤除了斑点噪声的影响。对于噪声统计量，提出了利用了比例图来估计其大小的方法，并由此求出搜索的域值，实验结果表明，该方法处理的SAR图像质量在噪声滤除和边缘保持方面比传统算法有了明显改进。     

基于图像纹理分布的算法在子弹自动比对中的应用

基于笔者所在研究组自行研发的三维激光彩色扫描仪系统（3DLCS）的功能特性以及公安子弹痕迹检测实际应用的需求,提出了基于图像纹理分布的统计算法.该算法利用边缘检测、去除噪声、阈值分割,找到描述图像纹理分布的数组特征,再利用此特征进行弹头的最小绝对差（MAD）自动比对.与直接利用MAD算法进行子弹检测比较起来,SABGD标注了图像的纹理特征,更符合人眼匹配图像的机制.实验表明,SABGD在弹头检测过程中,可以减少比对的数据量,提高比对准确率,减轻比对人员工作量.     

航拍图像逐步细化的云检测方法

在现有航拍图像云检测算法研究的基础上,对航拍图像所获云层数据进行大量统计和分析,提出了一种改进的云检测新方法,即逐步细化的云检测方法.首先基于航拍图像的HSI模型构造云区显著图;再根据亮度和色调,设置最优阈值获得初步云检测结果;之后将另外通过滤波获得的细节图像与初步云检测结果相融合;再通过引导滤波获得最终检测结果.对包含薄云、水域、雪域、半透明云的典型图像进行处理,实验结果表明,与传统算法相比,该算法错误率更低,且检测结果更接近人眼实际观测结果.     

基于协同注意力的RGB-D图像显著性检测

在RGB-D显著性检测视觉任务中,RGB彩色模态和深度模态的信息均被视为十分重要的特征线索。但现有的RGB-D显著性检测模型无法高效执行多尺度特征的交互和多模态特征的融合,因此在真实的开放场景下表现欠佳。针对上述问题,提出了一种基于协同注意力（synergistic attention）机制的RGB-D显著性检测算法模型（SANet）,并引入多模态学习中通用的引导与教导策略（guidance and teaching strategy）。在编码器进行多尺度特征提取的阶段中进行隐式引导（implicit guidance）,在解码器进行特征融合时进行显式的教导（explicit teaching）,实现了编码、解码的分阶段学习。在4个显著性检测评测数据集上进行的综合实验表明,该算法在4个评测指标上均优于已有的18个前沿RGB-D显著性检测模型。     

基于对称性的单幅图像花朵建模

基于自然界各类花朵普遍具有的对称特性,提出了一种利用单幅图像的三维花朵建模方法.根据输入的单幅花朵图像,用户通过交互方式描绘花朵每个花瓣的2条边缘曲线,对花朵边缘曲线的顶部顶点和底部顶点进行最小二乘圆锥拟合,利用拟合得到的圆锥计算花朵各花瓣的对称面;根据不同种类花朵所固有的对称特性和各个花瓣的对称面信息,计算花瓣2条边缘曲线上所有采样点的深度,得到其三维构造曲线;利用恢复了深度信息的三维构造曲线作离散化网格处理,构建各个花瓣的三维模型,进而重建整个花朵的三维模型;最后根据输入的单幅图像纹理信息合成花朵的表面纹理,得到了真实感较强的花朵模型.实验结果表明：该建模方法充分利用了花朵的对称特性,用户交互少、建模效率高,能够准确地从单幅花朵图像中恢复其深度信息和整体结构,方便快捷地实现花朵的三维重建.     

基于多通道Gabor纹理特征的遥感图像检索

遥感图像数据量的急剧增加,给研究者们提出了有效检索和管理图像的难题.为了快速准确地检索海量遥感图像,提出一种基于五叉树分解的多通道Gabor纹理特征图像检索新方法.该方法用五叉树分解法层层分解图像,在利用多通道Gabor滤波器与图像做卷积得到滤波能量值基础上,提取各子图像24个滤波能量均值和均方差作为纹理特征,并计算查询图像和与其大小相当的数据库子图像的纹理特征相似性距离,从而获得与查询图像相似的数据库子图像.将该方法用于高分辨率卫星和航空图像数据库的检索,实验结果证明了方法的有效性.     

小波变换在图像边缘检测中的应用

从空间剖分的角度,滤波的观点和几何尺度分析对正交离散小波变换做了较详尽说明．分析了小波的选择对边缘检测的影响．且以医学中各器官的图像检测这一实际问题为背景,选择了适当的小波,给出了边缘检测的算法流程及计算机仿真结果．从算法流程结果表明,该算法具有计算复杂度低、抗噪声能力强等特点．     

视觉自适应灰度级数字水印算法

提出了一种新的灰度级数字图像水印算法,首先对灰度级水印图像进行位平面分解得到水印序列,利用伪随机序列对水印进行调制,以增强水印的安全性,然后对载体图像进行小波分解,并利用视觉掩蔽特性对小波系数进行量化嵌入水印信息.新算法中视觉隐蔽阈值与宿主图像相关,具有自适应性;提取水印时不需要载体图像,具有盲检测性.实验结果表明,该算法在保证嵌入水印后图像较好感知质量的情况下,对压缩、加噪、滤波等失真测试仍然具有较好的鲁棒性.     

增强目标模型鲁棒性的Mean-shift算法

针对传统Mean-shift算法中颜色核函数直方图对目标特征描述较弱的缺点,提出了一种联合目标特征点的二维结构信息和颜色信息的Mean-shift改进算法.改进算法细化了Harris检测算子的角点响应阈值,提取出更多的目标特征点计算其方向分布,并以方向与部分颜色特征的直方图构建目标模型,该模型能显著区分目标与背景.实验对不同算法进行了仿真及性能比较,结果表明:提出的改进算法在一定的复杂场景中提高了跟踪精度,且具有较好的鲁棒性.     

一种非刚性医学图像点匹配方法

提出了一种非刚性点匹配的算法并把其运用于医学图像配准．该算法采用信号滤波的方法来获得点集间的匹配信息，并运用松弛标记法将各点邻域关系对模糊的匹配信息进行迭代获得明确的匹配关系．在此基础上，利用高斯径向基函数来描述点模式间的弹性形变，在基本的迭代框架下实现问题的求解．实验结果显示在形变程度为5％、出格点比率50％和噪声标准差为5％的情况下该算法的匹配误差能控制在0．13以下，表明了该算法的鲁棒性和有效性，较好地解决了医学非刚性形变的点匹配问题．