基于图像几何特征的预检索技术研究

图像特征的有效提取及表征是基于内容图像检索中的关键问题,将图像的几何特征引入图像的抽象描述中,利用四叉树结构进行特征索引,实现了动态检索基于图像空间几何特征的检索方法,与传统单特征的检索方法相比,减少了特征数据量,缩短了检索时间.     

基于边缘增强和特征金字塔的视网膜血管分割网络

U-Net在许多医学图像分割问题中具有先进的性能，因此提出了一种基于边缘增强和特征金字塔的U型分割网络并应用于视网膜血管分割。通过基于梯度算子的边缘增强模块获取额外的边缘先验，以无监督的方式增强边界特征和提高网络对细小血管的辨识能力，利用特征金字塔级联模块帮助网络提取更丰富的语义特征，并将传统卷积替换为Octave卷积方式以更好地提取特征。在公开的2个眼底图像数据集上进行实验，结果证明改进的方法具有更好的性能，有效地提高了分割结果中血管的完整性和连续性。     

基于线性方向特征的高分辨率遥感图像道路提取研究

当前高分辨率遥感图像自动识别技术的关键就是图像的特征提取。针对传统道路提取自动化程度较低,提取精度不高等问题,提出一种基于线性方向特征的道路自动提取算法。首先,利用图像光谱特征进行图像预处理;其次,运用傅里叶变换在频率域上进行Gabor滤波,通过优化滤波器的尺度、频率和方向参数达到识别道路线性方向特征的目的;再次,通过图像二值化并采用形态学的图像后处理方法提纯道路。以南京主城区QuickBird遥感影像为实验数据,选取3块具有典型特征的区域完成道路提取。研究结果表明3块区域道路提取的平均精度达到95.67%,合理地验证了该算法对于高分辨率遥感图像复杂的城市道路提取具有一定的可靠性。     

一种鉴别数字图像真伪的方法

复制图像部分区域粘贴在同幅图像的另外一个地方是图像伪造的常用形式,针对这种伪造目前常用检测方法是块匹配方法。这类方法存在检测速度慢、鲁棒性低等缺陷。为此本文提出了一种新方法,不对图像进行分块,直接从图像中提取SIFT特征,然后通过特征匹配来检测、定位伪造区域。特征数量少,检测效率高,而且鲁棒性强,不仅可以对付噪声、压缩等图像处理,而且可以对付旋转、缩放等几何形变,最后通过实验验证了该方法的有效性。     

面向对象的机载LiDAR数据建筑物提取

基于LiDAR数据,提出一种由粗到细的面向对象的建筑物自动提取方法.首先通过机载LiDAR数据构建出归一化数字表面模型(normalized digital surface model, nDSM),利用首尾两次回波高程计算出归一化差值(normalized difference, ND),并采用形态学运算消除边缘特殊回波点.基于nDSM和ND数据,依据建筑物的高程及穿透性信息,用阈值分割法进行建筑物粗提取.结合nDSM和ND数据以及强度信息,对粗提取得到的备选建筑物采取多尺度分割,合并亮度值相差较小的邻近分割结果对象,达到对分割结果的优化处理.最后利用目标对象的亮度、形状、面积和空间关系等特征,完成建筑物的精提取.实验结果表明,该方法可得到较高精度的建筑物信息,是基于机载LiDAR数据提取建筑物的新思路.     

基于Shearlet变换和Krawtchouk矩不变量的河流SAR图像分割

合成孔径雷达(synthetic aperture radar,SAR)图像分割是河流检测与识别的关键步骤,为了进一步提高河流SAR图像分割的准确性,提出一种基于Shearlet变换、Krawtchouk矩不变量及模糊局部信息C均值聚类的河流SAR图像分割方法.首先,对河流SAR图像进行Shearlet分解,提取其纹理特征,构成特征向量的前半部分;然后,计算河流SAR图像的Krawtchouk矩不变量,作为其形状特征,构成特征向量的后半部分;最后,利用模糊局部信息C均值算法依照上述特征向量进行聚类,由此得到河流SAR图像分割结果.大量实验结果表明,与近年来提出的脉冲耦合神经网络结合最大方差比准则分割法、Gabor小波变换结合模糊C均值聚类分割法、FLICM聚类分割法相比,所提出的方法在主观视觉效果以及客观定量评价指标误分割率上均有明显优势,且分割河流SAR图像更加准确.     

基于URQ模型的I帧码率控制

当目标码率较低时,在编码视频序列中周期性地插入I帧,会导致重建视频播放时出现“闪烁”现象. 为提高I帧重建质量,抑制“闪烁”,提出了一种基于URQ模型的I帧码率控制算法. 首先根据图像的运动趋势和复杂度将I帧划分为运动区域、图像复杂区域和平坦区域;然后依据人眼视觉系统对不同区域“闪烁”的敏感性,为视觉敏感区域分配更多的码率,其他区域分配较少码率;最后,利用URQ模型计算编码所需的量化参数值,实现对I帧的码率控制. 实验结果表明,所提算法能够在保证码率控制精度的前提下,有效抑制由于周期性插入I帧导致的视频“闪烁”现象,提高重建视频的整体主客观质量.     

基于小波的遥感影像特征信息融合模式研究

在数字图像小波多分辨率分析的理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合.在融合过程中,首先对多光谱图像中的R、G、B 3个波段的图像进行小波分解,得到相应的低频图像,并对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,然后经RGB合成为彩色图像.该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息.最后通过融合实验验证了上述结论.     

基于级联可分离空洞残差U-Net的肝脏肿瘤分割

计算机辅助肝脏肿瘤分割可减少医生工作量,提高手术成功率,因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果,该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net（cascaded separable and dilated residualU-Net,CSDResU-Net）的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作,解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题;通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积,能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征,从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明,CSDResU-Net比基线方法的Dice系数指标提升了1.3%,同时发现空洞率对分割网络的性能表现影响较大。     

抗几何攻击的RGB图像鲁棒水印

为了提高RGB彩色图像水印抗几何攻击的性能,通过对RGB图像的3个通道进行优化处理,提出了一种基于RGB图像的鲁棒水印算法.首先,提取RGB图像中的G通道和B通道的像素值并分别将其扩大2倍和3倍,通过高斯低通滤波后利用图像的均值和直方图嵌入水印.与G通道和B通道像素值未经扩大的RGB图像水印进行对比,测试表明G通道和B通道的像素值经扩大后的鲁棒性较好.其次,分别在RGB图像的3个通道R、G、B中嵌入相同数量比特的水印信息,结果表明水印图像中的3个通道R、G、B均能抵抗几何攻击,但每个通道的鲁棒性并不相同.基于100幅RGB图像的实验结果表明了所提出算法在抗几何攻击上的有效性.     

高分遥感影像不同形状建筑物半自动提取与规则化

现有的高空间分辨率遥感影像交互式建筑物提取方法需要用户在建筑物上勾画出与建筑物大小和形状相近的线，且大多方法只能提取直角建筑物。为降低交互要求并实现不同形状建筑物的精确提取，该文首先在用户少量交互的基础上采用区域生长、高斯混合模型、CannyLines线段检测算法以及基于多星形约束的最大流/最小割分割模型获得建筑物图斑，然后分别针对直角建筑物和非直角建筑物图斑进行规则化，得到与实际建筑物形状一致的提取结果。实验表明，该方法交互简单且建筑物提取精度F₁值可达到0.9，具有较强的鲁棒性。     

基于图像内容和特征融合的隐写盲检测

随着特征选择和分类技术研究的不断深入,盲检测的精度越来越高,但现有方法大多不考虑图像自身的内容特性对检测的影响. 该文提出一种基于图像内容和特征融合的盲检测方法,根据图像复杂度将待检测图像划分为不同的子图像库,以巴氏距离度量各局部特征的分类能力并确定权值,在特征融合基础上对各子库提取不同特征,用支持向量机进行分类. 在混合图像库上进行的实验表明,该方法具有更好的检测性能,并降低了运算复杂度.     

迷彩设计中背景图像聚类方法的比较分析

迷彩设计中,通过对目标背景的图像信息进行归类处理,利用图像分割技术获取背景斑点,然后设计出与背景亮度和纹理相协调的迷彩图案. 目前,最常用的图像分割方法是均值聚类法,由于它直接利用灰度信息以致分割的细节不明显,容易导致模拟背景纹理失真. 针对它的不足,提出了采用基于自组织特征映射(self organizing feature map, SOFM)神经网络的分割方法对背景进行聚类分割. 该方法将整幅图像作为神经网络的输入,聚类分割后的颜色作为输 出,按照自组织特征映射网络的学习过程,使用其函数进行迭代运算直至学习停止. 比较实验结果表明,SOFM方法能更好地保留图像的细节纹理,得到较为理想的设计效果.     

一种改进的K means聚类彩色图像分割方法

图像分割是从图像处理到图像分析的关键步骤.图像分割的目的是将图像分割为多个互不重叠且又各具特性的区域,主要应用于图像压缩、目标提取、模式识别等.以往的图像分割技术主要应用于灰度图像,随着计算机技术的进步,彩色图像分割逐渐受到关注.该文在前人对彩色图像分割问题的大量研究成果基础上,提出了一种将K-means聚类、蚁群算法以及分水岭算法相结合的分割方法.本方法有效的克服了聚类数目必须依据先验知识提前设定、最初的聚类中心是随机选取的、聚类的效果好坏依赖于距离判定公式的缺陷.     

多粒度颜色特征在图像检索中的应用

将商空间粒度计算理论引入到了图像检索领域,提出了一种新的图像检索方法.首先针对彩色图像在不同粒度下的表现得到不同粒度下的颜色特征,获得不同的商空间,然后根据商空间粒度合成原理对已得到的商空间进行合成,进而以合成后的属性函数来完成图像检索.与采用单一颜色特征的图像检索方法相比,采用多粒度颜色特征的图像检索方法能够在更大程度上利用图像自身所提供的信息,实验结果验证了该方法的可行性和有效性.     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

两阶段纹理图像分割

谱聚类是一种以图和相似性为基础的聚类新算法.当图像很大时,计算相似性矩阵及其特征值和特征向量十分耗时.为了将谱聚类算法应用于大规模聚类问题,该文提出一种两阶段纹理图像分割算法,采用改进的分水岭算法进行预分割,然后用特征值尺度化特征multiway谱聚类算法进行最终分割.为了检验算法性能,将其应用于纹理图像分割,分割结果令人满意.