基于图像时频域局部特征的快速模糊分割方法

对于景物 -背景对比度差且信噪比较低的灰度图像的分割问题 ,提出了一种基于时频域局部特征的快速模糊分割方法。鉴于多分辨小波分析具有良好的揭示图像信号的时频域局部信息的能力 ,在图像的多尺度小波分析的基础上 ,基于高斯 -马尔可夫随机场理论 ,应用统计的方法抽取一组参量 ,这组参量反映了图像的局部特征信息 ,从而构造出图像的特征集。最后利用快速模糊C -均值 (QFCM)聚类方法对特征集进行模糊划分 ,从而完成图像的分割。实验证明 ,该方法具有良好的分割效果 ,且有较强的稳健性。     

相干斑噪声背景下的SAR图像分类方法研究

研究了相干斑噪声抑制对合成孔径雷达 (SAR)图像分类的影响。分别采用Kuan自适应滤波和小波变换软门限滤波两种方法进行了相干斑噪声抑制 ;对于SAR图像的分类则采用了图像的灰度以及基于灰度级共生矩阵的 4种纹理特征 ,并利用最大似然分类器进行了监督分类。处理结果表明 ,相干斑噪声的抑制尽管可以提高SAR图像的质量 ,但是由于在相干斑噪声得到抑制的同时 ,地物的固有结构信息也受到损失 ,因此分类精度提高甚微 ,在某些情况下甚至有所下降。针对这种情况 ,提出了一种改进的特征提取方法 ,将基于原图像的灰度级共生矩阵提取的纹理特征与滤波后图像的灰度特征进行组合用于分类。实验结果表明 ,改进的特征提取方法提高了SAR图像的分类精度。     

小波变换用于CT图像重建及处理研究

研究了小波变换多分辨率图像重建和局部区域重建算法。在算法中 ,小波滤波器直接修正重建滤波器 ,重建得到各种细节图像 ,并能快速地得到重建图像的轮廓。由于小波变换的局部性 ,使用局部数据能重建局部图像。通过小波多尺度分析和重构系数控制 ,提出一种简单算法 ,在重建中进行图像增强和噪声消除 ,该算法将图像重建与图像处理结合在一起。与通用的算法相比 ,能提高重建速度和图像质量     

图像场景语义分类研究进展综述

场景语义分类是图像理解领域中一个重要的研究方向,涉及到信号处理、模式识别、计算机视觉和认知科学等多学科交叉。场景分类任务中,图像内容描述和分类判决是两大关键问题。图像内容描述力图得到关于场景图像最具判别意义的表示,而分类判决则对训练样本集的图像内容描述学习、训练,并建模得到某类场景图像区别于其他场景类图像的计算模型。目前,很多场景分类方法针对图像内容描述和图像分类进行了深入的研究,对室外人造场景、室外自然场景和室内场景图像进行分类,取得了较好的分类效果。然而,场景图像自身内容上的变化和差异,既会造成同一场景类内对象的差异性,同时也造成不同场景类之间图像的视觉相似性,特别是对于不同的室内场景类。因此,场景语义分类任务十分困难,是计算机视觉和认知心理学领域中一个颇具挑战性的难题。室外图像场景分类研究相对成熟,而室内图像场景分类研究却进展缓慢。本文综述了图像场景语义分类的研究进展,并分析了场景分类算法的性能,指出场景语义分类研究中存在的问题。     

基于小波变换的分形图像压缩编码方法

为了弥补分形编码在高压缩比时重建图像质量较差及匹配搜索量大的不足 ,基于小波图像的分形特征及系数的统计分布特性 ,定义了灰度变换和能量阈值系数 ,提出了基于小波变换的分形图像压缩编码方法 (FICC-WT)。对小波分解后的低频子图像进行灰度变换 ,然后进行自适应四叉树分割的分形编码 ;对差值图像及其它子图基于定义的能量系数进行自适应阈值取样的熵编码 ,并讨论了灰度变换参数对重建图像的影响。实验证明 ,所提方法减小了匹配探索量 ,而压缩比和峰值信噪比 (PSNR)有明显改善。     

图像处理算法在金相分析中的应用

为了提高(金属)图像面积和周长的计算精度,对传统的计算一块图像像素的方法加以改进,分别从图像的左上角、右下角、右上角和左下角开始对图像进行处理;利用改进的链码方法计算图像的周长和面积时考虑了图像边界的拐点和小的锯齿边.图像面积和周长的计算误差最大不超过3%,其精度较传统算法有显著提高,可满足实际工程需要.     

基于粒子群算法的图像相关反馈研究

在浩如烟海的图像库中按用户的需求去搜索图像,传统的做法是基于图像的视觉低层特征进行检索。但是由于视觉低层特征与高层语义之间存在语义鸿沟,因此检索结果往往不尽如人意。研究者发现,将相关反馈技术引入图像检索中则能提高系统的检索性能。提出将粒子群优化算法(Particle Swarm Optimization)[1]引入基于内容的图像检索之中,通过用户对检索结果进行评价,系统通过学习来动态修改各特征的权值,从而达到模拟人类的思维,提高图像检索系统的检索性能,并通过实验证明该算法的可行性和有效性。     

Image completion algorithm based on texture synthesis

A new algorithm is proposed for completing the missing parts caused by the removal of foreground or background elements from an image of natural scenery in a visually plausible way. The major contributions of the proposed algorithm are: (1) for most natural images, there is a strong orientation of texture or color distribution. So a method is introduced to compute the main direction of the texture and complete the image by limiting the search to one direction to carry out image completion quite fast; (2) there exists a synthesis ordering for image completion. The searching order of the patches is defined to ensure the regions with more known information and the structures should be completed before filling in other regions; (3) to improve the visual effect of texture synthesis, an adaptive scheme is presented to determine the size of the template window for capturing the features of various scales. A number of examples are given to demonstrate the effectiveness of the proposed algorithm.     

基于神经认知计算模型的高分辨率遥感图像场景分类

通过大脑对外界环境感知的神经结构与认知功能的相关研究,构建仿脑的媒体神经认知计算(multimedia neural cognitive computing, MNCC)模型。该模型模拟了感官的信息感知、新皮层功能柱的认知功能、丘脑的注意控制结构、海马体的记忆存储和边缘系统的情绪控制环路等大脑基本的神经结构和认知功能。在此基础上,构建基于MNCC的高分辨率遥感图像场景分类算法。首先,图像经仿射变换后切分为若干图块,通过深度神经网络提取图块的稀疏激活特征,采用概率主题模型获取图块初始场景类别,并利用图块分类错误信息反馈控制场景显著区特征的提取;其次,根据图块的上下文获取场景语义的时空特征,并在此基础上进行图块分类和场景预分类;最后,用场景预分类误差构造奖惩函数,控制和选择深度神经网络中场景区分度较大的稀疏激活特征,并通过增量式强化集成学习,获得最后的场景分类。在两个标准的高分辨率遥感图像数据集上的实验结果表明,MNCC算法具备较好场景分类结果。     

基于椭圆-双曲线马氏度量的图像分类算法

为了进一步拓宽度量学习在图像分类中的适用范围,同时提高分类的性能,本文提出一种基于椭圆双曲线马氏度量的图像分类算法。该算法首先将颜色特征和局部二值模式描述的纹理特征相结合来表示图像特征;然后引入对样本数据具有更好的适应性的椭圆双曲线度量,根据数据统计特性定义椭圆双曲线马氏度量,给出椭圆双曲线马氏度量学习算法,从而获取最优的度量矩阵;最后利用椭圆双曲线马氏度量矩阵将样本变换到新的特征空间,从而降低特征各维度间的相关性,同时计算图像特征间的距离从而完成分类。实验表明该算法提高了图像分类的有效性。     

改进TLBO的相关反馈图像检索方法

针对当前基于进化算法的相关反馈图像检索方法无法很好地结合用户偏好信息和设置参数过多的问题,提出一种基于改进教与学优化的相关反馈图像检索方法。根据图像检索问题的特定环境,对教与学优化算法进行了一系列改进:首先,结合最近邻分类法构造适应度函数的约束条件,使之更好地反映用户偏好信息;其次,通过在教阶段将相关图像集的中心图像作为教师以及在学阶段将相关图像作为学员学习的对象,使算法快速收敛到相关图像区域;最后,结合约束处理技术Deb准则进行学员的选择操作。将该算法与目前效果优异的3种基于进化算法的相关反馈技术在两套标准图像测试集上进行对比。结果表明,所提算法相较于另外3种算法具有明显的优势,能更好地结合用户偏好信息提高图像检索性能。     

图像目标的可视识别与智能跟踪

本文研究图像目标的可视识别与跟踪,给出了图像目标识别印章模型和系统总体设计方案。在此基础上,采用智能跟踪算法,实现了正常跟踪、判断、预测和记忆跟踪的功能,而且跟踪方式随着环境条件的变化而变化。正常跟踪算法的图像代数描述是简明的,与算法是内在一致的。通过给出两个实时可视跟踪的实例说明在实时ＤＳＰ可视跟踪系统上算法的性能及其可行性。     

面向查询点的遥感影像哈希检索方法

由于存储成本低,查询速度快,哈希检索算法已被广泛应用于大规模影像检索。针对大规模遥感影像数据集训练低效问题,提出了面向查询点进行特征学习的遥感影像检索方法。首先,利用深度卷积网络对具有多语义标签的遥感影像数据训练集提取遥感影像特征;然后,面向查询点学习得到哈希函数并生成查询点的二进制哈希码;最后,通过迭代学习得到整个数据库的二进制哈希码来实现影像检索,有利于提高检索精度;同时,该方法避免了对整个数据库进行特征提取,从而可以更有效地利用大规模数据库中的监督信息。在3个不同数据集上的实验结果表明,该方法检索性能优于其他多种先进方法。     

一种利用快速2D熵阈值算法的目标图像分割方法研究

目标图像分割是自动目标识别(ATR)的重要环节,其性能对ATR系统具有显著影响。本文利用二维(2D)熵阈值进行目标图像分割,提出一种快速2D熵阈值算法,大大缩短了处理时间,减少了所需存储空间。另外,为了进一步改善分割效果,采用中值—平滑滤波进行图像预处理。实验结果表明,本方法具有很好的分割效果。     

基于分形特征的图像分割

本文主要研究分数维理论在图像特征提取上的应用,在分析了盒子维数的基本思想和算法的基础上,提取能够较好反映灰度图像纹理细节和结构信息的新的分形特征参量用于图像的分割。在图像分割中,采用基于图像模块的分形特征提取方法,利用特征点在特征空间中的分布对图像进行分割,通过上机实验得出的图像分割的结果表明该种方法是让人满意的。     

An Adaptive Method of Image CompressionBased on Wavelet Analysis

1. INTroDUCTIONIn recellt years, the research on image compression and coding using wavelet transform has become a very hottOPic. It is because wavelet analysis has freedom retractility in the field of frequency. When the band of signal' is narrowl we can zoom in the resolution in order to express the signal exactly. If the band is wide, we can zoomOat the resolutinn to create the need of signal processing. Therefore.the method of wavelet analysis has a strongadaptability, and it isn't l…     

结合模糊C均值聚类和曲线演化的心脏MRI图像分割

提出了结合模糊C均值聚类和曲线演化的MRI图像分割算法。由于心脏的变形和血液的流动，MRI图像中出现了弱边界、局部梯度极大值区域、伪影等现象。分析了使用水平集方法分割此类图像时出现的问题，提出了两阶段分割算法：结合先验知识和直方图，对心脏MRI图像进行模糊C均值聚类，再根据聚类的结果定义窄带中像素点的速度函数，通过曲线演化获取左心室的粗边界；然后使用梯度向量流构造另一速度函数对边界进行细化。心脏MRI图像的分割实验证明了算法的有效性。     

基于多小波域对比度的图像融合算法

针对多小渡理论在图像处理领域的应用,给出了多小波域中图像的方向对比度的定义,并提出了基于多小波变换的、使用方向对比度进行自适应加权平均融合和选择性融合的算法.该算法利用多小渡变换对原图像进行分解,根据得到的分解系数计算相应的对比度,然后建立基于对比度的融合规则.使用这些算法对多谱图像进行了融合实验,并给出了评价融合质量的对比结果.结果表明,基于多小波变换的方向对比度的图像融舍算法在保留图像细节信息、增加信息量方面都有明显的提高.     

一种自适应的图象位移估计算法

本文从最优化方法的观点出发,提出了一种新的图象位移估计算法。它对一定时间间隔内两次采样得到的图象进行运算,用最陡梯度下降法直接迭代出图象位移的估计值。本文还对算法的性能进行了详细的分析,得出估计方差与信噪比、图象相关函数等参数之间的定量关系式,以及由于坐标量化引起的算法对图象特性的限制条件。理论分析和实验表明,该算法具有较强的抗干扰能力和计算量少等优点,可应用于成象跟踪和图象编码等领域。     

基于子图融合技术的图像增强算法

自由参数的选取以及全局性的灰度映射函数限制了空域图像增强方法的性能。针对这一问题,从图像融合的角度出发,提出了一种基于子图融合技术的图像增强方法。首先,将自适应空域图像增强看作是一个图像融合过程,将通过枚举自由参数得到的子图序列作为待融合的图像;其次,根据图像细节、饱和度、亮度信息来计算待融合图像的权重;最后,根据估算的权重进行图像融合得到增强图像。另外,将这一方法应用于改进一些较为常用的空域图像增强算法，如:分段线性变换、Gamma校正、对比度拉伸变换等算法。根据实验结果可知,所提方法能够有效地提高空域图像增强的视觉效果。