基于DCT域纹理特征的多聚焦图像融合

现有的基于离散余弦变换(discrete cosine transform, DCT)的多聚焦图像融合算法容易使融合图像出现块效应和伪影,为此提出一种基于DCT域纹理特征的图像融合算法.该算法以8×8 DCT块中反映能量方向性的纹理区域作为图像融合单位,根据纹理区域的频谱相似度,选择能量较大的区域或以区域加权叠加的方式获得融合区域.实验结果表明,与现有基于DCT域的多聚焦图像融合算法相比,该算法获得的融合图像主观质量较好,能有效避免明显的块效应与伪影.     

一种基于Contourlet变换的多聚焦图像融合方法

提出了一种基于Contourlet变换的多聚焦图像融合方法.首先采用Contourlet变换对不同聚焦的图像进行分解,然后在不同的子带中进行图像融合.低频子带采用基于区域能量改进的融合算法;高频子带采用基于D-S证据理论的融合算法.实验结果表明,该算法能够有效地融合源图像信息,保持源图像特征.     

基于人体关键部位的不良图像过滤

肤色过滤不良图像的方法对于皮肤裸露较多但不含关键部位或类肤色区域较多的图像容易产生误检,为此设计了一种基于人体关键部位的不良图像过滤系统. 首先提取人体关键部位灰度分布的Haar-like特征,采用Adaboost学习算法训练得到人体关键部位分类器;然后通过此分类器得到人体关键部位候选区域,提取其梯度
直方图特征、基于灰度共生矩阵的纹理特征和基于颜色矩的颜色特征,使用支持向量机(support vector machine,SVM)进行训练;最后将训练得到的SVM分类器二次过滤人体关键部位,以提高系统整体的精度. 实验结果表明,该系统能准确地检测出人体关键部位,有效地降低不良图像的误检率.     

基于超像素的行人检测算法研究

行人检测一直都是计算机视觉领域极具挑战性的研究热点和难点,广泛用于视频监控、机器人学、智能驾驶等领域.提出了一种基于SLIC超像素聚类和HOG特征算法的融合的行人图像的分割和识别方法.首先,用超像素聚类算法将彩色目标图像分割成几个紧凑的超像素;然后,分别提取超像素的HOG特征;最后,应用SVM算法作为分类器进行训练和检测.实验结果表明,算法对测试数据库具有较低的漏检率和误报率,且在测试样本发生变化时,依旧保有的检测精确度,所提出的实验方法是有效的.     

多层记忆增强生成对抗网络二次预测的视频异常检测方法

为了提高视频异常检测的准确率,提出了一种基于多层记忆增强生成对抗网络二次预测的视频异常检测方法。首先利用目标检测提取时空立方体,并将其输入自编码器中得到预测帧;其次将预测帧的表观特征和对应真实帧的光流特征进行融合,形成融合特征;最后利用多层记忆增强生成对抗网络二次预测未来帧,以便学习不同层次特征的正常模式并捕获上下文的语义信息。在UCSD Ped2和CUHK Avenue数据集上进行的实验结果表明：所提出的方法与其他视频异常检测方法相比,可有效提高视频异常检测的性能,使帧级别AUC分别达到99.57%和91.59%。     

基于小波变换和小波神经网络的3D遮挡人脸识别方法

提出一种基于小波变换和小波神经网络的3D遮挡人脸识别方法.首先,对待检测人脸的深度图像进行小波变换,计算各层小波变换系数与数据库中平均人脸深度图像的小波变换系数之间的距离,通过阈值分割得到遮挡区域的二值掩膜,进而得到人脸的遮挡区域;然后,对非遮挡区域提取小波变换系数,构建小波神经网络分类器,依据小波网络的人脸空间距离进行3D遮挡人脸识别.仿真实验表明,该文方法对3D人脸的有意遮挡和无意遮挡的鲁棒性强、识别性能好.     

基于多尺度视觉特征组合的高分遥感影像目标检测

针对高空间分辨率(高分)遥感影像中目标空间结构明显、颜色丰富的特点,提出一种基于多尺度视觉特征组合的目标检测方法.首先采用两组特征描述子来表达目标的颜色与空间结构特征,其中,一组是彩色变换后的密集空间金字塔尺度不变特征变换(scale-invariant feature transform,SIFT)描述子,另一组是多尺度方向梯度直方图(histogram of oriented gradient,HOG)与色度、饱和度、明度(hue,saturation and value,HSV)颜色模型组合的特征描述子,然后用支持向量机(support vector machine,SVM)对两组特征分别进行模型训练与目标检测,对于彩色变换密集空间金字塔SIFT描述子,采用视觉词袋空间金字塔匹配核(spatial pyramid matching kernel,SPMK)构建SVM的输入,对于HOG与HSV特征,直接将特征向量按顺序合成作为SVM的输入,最后取两组检测结果的交集作为最终检测结果.为验证方法的有效性,分别以航空影像中的建筑物和鱼排,以及高分卫星影像中的游艇为目标进行检测.结果表明,该方法的目标检测精度可达到90%以上.     

基于非下采样Contourlet变换的自适应医学图像融合算法

提出一种多模态医学图像融合算法.用非下采样contourlet变换(non-subsampled contourlet transform,NSCT)将已配准的源图像进行分解,得到低频子带和多层高频子带,然后在各子带中将NSCT系数进行融合.对于低频子带,根据其特性制定规则融合区域能量、互信息、信息熵;对于高频子带,则依据改进的拉普拉斯能量和融合规则,用遗传算法自动优化其待定参数.将融合后的高、低频子带进行NSCT逆变换即可得到融合图像.对灰度和彩色医学图像进行的实验表明,与其他方法相比,用该算法得到的融合图像包含更丰富的纹理信息,视觉效果较好.     

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。     

基于图像翻译的载体选择式图像隐写方案

针对基于载体选择的隐写算法存在的安全问题,提出了一种基于图像翻译的载体选择式图像隐写方案.发送方按载体选择的方法从图像库中选取秘密信息并得到含密图像,然后输入到跨域变换模型中进行跨域变换,生成跨域图像并传递给接收方;接收方将跨域图像输入到发送方,由线下传递的跨域变换模型中得到含密图像,然后依据映射关系库将含密图像逆向转化为秘密信息.实验结果表明,所提出的方案在容量、抗检测性和安全性方面均有明显提升.     

融合全局和局部特征的稀疏表示人脸识别方法

针对人脸识别中如何提取到有效判别特征的问题,提出一种融合人脸图像全局和局部特征的稀疏表示人脸识别方法。首先将人脸图像用融合的特征提取算法进行特征降维,然后利用稀疏表示分类器对人脸图像进行分类判别。在ORL、Yale和FERET人脸数据库上的实验结果验证了融合算法在提高人脸识别精度方面是有效的。     

利用MLT和SRS的混合图像融合与去噪算法

针对图像融合中的去噪声问题,提出一种基于多尺度变换(MLT)和信号稀疏表示(SRS)的混合图像融合与去噪算法,构建混合模型进行剪切变换,阈值化处理MLT分解后的各个系数值,运用滑动窗口技术和平移不变性形成稀疏表示进行图像融合,运用SRS算法去除源图像中的噪声.实验结果表明该算法减少了融合图像的对比度和光谱信息失真情况,显示出高质量的视觉融合效果,在不同噪声水平下能保持较高的PSNR值.     

基于特征点的图像拼接技术在动漫中的应用

以制作全景图为例将图像拼接技术应用到制作动漫贴图上,简化动漫贴图的制作.使用手持相机采集一定重叠区域的图像,柱面投影后采用基于尺度空间的Harris算法检测图像特征点,双向归一化互相关算法匹配特征点,迭代提取阈值T的算法去除误匹配.通过改进的RANSAC算法快速估算出变换参数模型,对拼接图像进行投影变换.Szeliski灰度融合方法,直接计算匹配点灰度平均值融合图像,最后采用最佳缝合线的方法消除图像拼接处的重影.基于Matlab的数据实验表明,提出的图像拼接技术具有效率高,拼接图像清晰等优点,实现了较满意的全景图视觉效果.     

基于提升小波和双树复小波的图像检索新算法

由于提升小波的高效性,双树复小波的多方向选择性等特点,所以本文提出了一种新的检索算法:基于提升小波和双树复小波变换的图像检索算法。此算法首先对图像分别进行提升小波和双树复小波变换,得到每层各个方向上的高频子图像;然后将各层上各方向的高频子图像组合,提取它们的纹理特征;最后通过计算特征向量之间的canberra距离,检索出相似度高的图像。实验结果说明,此算法的检索效率高于提升小波和双树复小波的算法。     

基于小波变换的图像融合算法研究

针对可见光和红外热像仪各自的成像特性,提出了一种新的基于小波变换的图像融合算法,将配准完成的电视图像和红外图像分别进行小波分解,得到低频图像和高频图像。采用不同的规则分别对低频图像和高频图像进行融合,并进行小波逆变换,得到最终的融合图像。最后采用实验验证了算法的有效性,结果表明,该算法明显优于传统小波变换算法。     

网球视频中基于OPF聚类的球体检测方法

针对网球视频中网球的检测和跟踪问题,提出了一种基于最优路径森林(OPF)聚类的球体跟踪方案.首先,对输入的不稳定视频进行稳定化处理,以消除视频中的抖动和噪声.然后,将黄色平面强度特征和相位四元数傅里叶变换特征作为球体特征,从视频帧中分离出候选目标.最后,利用OPF聚类从球体候选目标中分类出真实目标,获得球体实际位置,从而绘制出球体运动轨迹.实验结果表明,该方法能够从视频帧中准确检测出网球,具有较高的精度和鲁棒性.     

基于卷积神经网络的面部图像修饰检测

为避免人为因素对人脸面部图像皮肤纹理特征提取产生的影响,用卷积神经网络算法对人脸图像修饰进行检测.传统的图像分类方法需要进行复杂的人工特征提取,而卷积神经网络可以自动学习并直接从图像中获取特征,解决了传统模式识别方法特征提取难的问题,具有更高的识别率和更广泛的实用性.在传统卷积神经网络模型中,调整卷积核大小、减少参数、改变卷积层滤波器数量、调整卷积层和池化层的交替方式、使用dropout来提高模型泛化能力以形成适用于人脸修饰检测的新的网络模型.实验结果表明,在引入的数据集上,新的网络模型对人脸图像的修饰检测有较强的鲁棒性,达到了较高的识别率.     

基于特征的弹性图匹配人脸识别算法

提出一种基于特征的弹性图匹配人脸识别算法(FEGM).它包括两个步骤,首先利用Gabor进行人脸特征(如眼、鼻子、嘴等)的检测、定位,提取一组Gabor小波系数矢量;然后在代价函数的约束下,对各个特征都执行弹性图匹配,并使总体代价函数尽可能的小,从而得到联合识别结果.在Yale人脸库上的实验表明,识别率确实得到提高.     

基于深度卷积神经网络的遥感图像超分辨率重建

针对基于卷积神经网络(Convolutional Neural Network,CNN)的遥感图像超分辨率重建算法训练时间较长问题,提出了一种超深的卷积神经网络来重建遥感低分辨率图像的方法。卷积神经网络共有20层,每层包含卷积层和非线性层,层与层之间采用级联的网络结构。其过程为从插值的低分辨率图像(Interpolated Low Resolution Image,ILR)中提取特征,将提取出来的特征通过残差学习预测到高频信息,ILR结合预测的高频信息重建出高分辨率图像(High-resolution Images,HR)。在训练过程中,通过梯度裁剪来防止梯度爆破,使训练保持平稳。实验表明,本文算法与其他算法相比较,主观视觉明显改善,客观评价指标显著提升。     

基于Snake模型和协作表示分类的鲁棒人脸识别方法

人脸图像的姿态和偏转角度变化严重影响人脸识别的性能,为此提出一种基于Snake模型姿态矫正和协作表示分类(CRC)的鲁棒人脸识别方法.首先,利用Snake模型提取人脸图像边缘和特征点,对偏转人脸图像进行矫正.然后,提取Gabor特征,构建特征向量.最后,采用CRC算法,对图像特征进行协作表示,根据样本图像与测试图像的残差来判断图像类别.实验结果表明,提出的方法对偏转角度、姿态、光照变化具有很强的鲁棒性.