一种有效的运动目标辨别方法

提出了一种利用图像序列中两帧相邻图像从分割所得二值图像的各个候选目标块中确定真实目标的有效算法．背景配准后，可获得背景噪声分布的直方图，同时获得具有对应关系的候选目标块间的噪声分布直方图，通过比较它们与背景噪声分布直方图之间的差异性，即可准确地辨别出真实目标．通过对实际图像序列进行实验，证实了本方法的有效性．     

基于核密度估计尺度空间的目标跟踪算法

为能够准确表示目标颜色分布、适应目标尺寸连续变化,提出了一种新的序列图像目标跟踪算法。该算法首先计算目标区域颜色概率分布的核密度估计函数,然后通过规整化每一帧输入图像像素在此函数上的取值生成目标概率分布图。最后通过检测多尺度规范化Laplacian滤波的极值,实现目标的定位和尺寸描述。与基于直方图的算法比较并结合大量真实序列图像上的实验验证表明,该算法更好地描述了目标颜色特征,提高了跟踪算法的精度。     

基于核密度估计尺度空间的目标跟踪算法

针对Mean Shift跟踪算法使用直方图描述目标颜色特征存在误差以及用试探的方式不能准确描述目标大小变化这2个问题,提出了一种能够准确表示目标颜色分布、适应目标尺寸连续变化的新的序列图像目标跟踪算法。该算法首先计算目标区域颜色概率分布的核密度估计函数,然后通过规整化每一帧输入图像像素在此函数上的取值生成目标概率分布图。最后通过检测多尺度规范化Laplacian滤波的极值,实现目标的定位和尺寸描述。与基于直方图的算法比较并结合大量真实序列图像上的实验验证表明,该算法更好地描述了目标颜色特征,提高了跟踪算法的精度。     

基于直方图匹配的图像抖动消除算法

基于图像差分算法的运动目标检测中,固定好的摄像头在受到重型车辆驶过、强风等因素影响下,所拍摄到的图像仍会出现抖动,而图像抖动对提取图像中的运动目标干扰非常大。本文设计了一种基于预先划定一个或多个目标匹配区域的颜色直方图匹配算法,通过分析和比较抖动前后两幅图像目标区域和候选区域颜色直方图的相似度,找到最优匹配块并得到对应块运动位移,从而求出两幅图像的绝对运动位移,最后消除干扰位移。实验结果表明,该算法鲁棒性好,能够准确消除抖动位移给运动目标检测带来的干扰。     

一种复合的多源序列图像融合方法

提出了一种复合的多源序列图像融合方法。对从序列图像中提取的两帧配准的源图像进行小波多尺度积分解,首先采用改进的小波多尺度积方法定位其模极大值点。然后采用基于区域的方法获得融合的小波系数,对于低频分量,通过比较两幅子图像块的空间频率和对比度来确定其质量,以此得到融合图像的低频分量。对于高频分量中的模极大值点,通过绝对值选大来获得该点的融合小波系数;对于高频分量中的非极大值点,通过比较两幅子图像对应块的均匀度测度,而后获得融合图像的高频细节分量。通过反变换重建可以获得最佳的融合图像,同时增强了图像中目标的边缘信息。结合多聚焦图像序列、缸外图像序列．缸外和可见光图像序列的融合实验,表明所提算法的优越性和实用性。     

基于DCT系数和颜色直方图的图像检索

为有效描述图像的形状、纹理和颜色特征,提出一种基于DCT系数统计特征和颜色直方图的图像检索.首先,将图像中像素点颜色值在RGB颜色空间中量化到64色颜色空间,构建彩色图像的颜色直方图用于描述图像的颜色特征.然后,将图像划分为8×8子块,分别对各子块进行DCT变换.最后,根据各子块的DCT系数获得其两个统计特征,其一是计算各子块DCT系数的均值和方差,构建均值-方差直方图用于描述图像的纹理特征,另一个是根据各子块的前9个AC系数构建AC系数差值直方图用于描述图像的局部形状特征.结合颜色直方图、均值-方差直方图和AC系数差值直方图构成图像检索的特征向量.实验结果表明,算法有效描述了图像的形状、纹理和颜色特征,查全率和查准率均有提高,检索性能较优.     

混合神经网络在颗粒图像边缘检测中应用

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法·边缘候选图像是通过采用基于灰度极小值算法提取边缘候选像素获得,神经网络以边缘候选图像中的边缘候选像素及其邻域像素的二值模式作为训练样本·对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实,适用于颗粒图像的边缘检测·     

对有背景的图像实现运动目标的边界检测

提出了一种对有背景的图像实现运动目标边界检测的方法，用零交叉方法获取宽度为一个像素的边界，应用腐蚀和膨胀算子获得边界强度信息，通过生成目标模板屏蔽了背景噪声，最后生成了便于边界跟踪的边界图像。     

基于局部稀疏表示模型的海上红外目标跟踪方法

提出了一种基于局部稀疏表示模型的跟踪方法来有效解决跟踪过程中的目标遮挡问题.首先对目标进行分块,然后对每个块分别构造其稀疏字典,并通过衡量候选区域中每个块与目标模板对应块的相似度,获得每个块在目标图像中可能位置的置信图;再结合每个块置信图从而获得目标位置的最佳估计.实验结果表明,该方法与各种流行跟踪算法相比稳定可靠且具有良好的抗遮挡性,并对海上红外目标跟踪取得良好效果.实验结果验证了将稀疏表示应用在海上红外目标跟踪中的有效性及其良好的应用前景.     

具有视觉特性的局部直方图均衡增强算法

直方图均衡能有效地对数字图像进行增强处理，其主要缺点是处理后的数字图像大量损失灰度层次，且增强力度不够．提出了在子块部分重叠直方图均衡的基础上，引入保留灰度级直方图均衡处理的方法，使得处理后的图像对比度得到较大的增强，又不损失灰度级，且相邻像素间灰度过渡平缓，图像柔和、真实．针对处理后方块效应严重的图像，依据人眼的视觉特性和数字图像数据的特点，提出了自适应行列分比例方法来有效消除块效应．模拟结果显示，效果显著．针对子块过增强带来麻点噪声的缺点，提出了根据子块方差来判断对比度拉伸强度的方法，一定程度上削弱了麻点噪声对视觉效果的影响．     

基于非参数聚类和多尺度图像的目标跟踪

提出了一种基于非参数聚类和多尺度图像的目标跟踪算法.在利用改进的非参数颜色聚类进行自适应划分目标颜色空间的基础上,定义了目标模型和候选目标模型,该模型利用高斯函数建模颜色直方图中的每一个颜色特征位的空域分布; 根据Bhattacharyya系数的定义得到了目标模型和候选目标模型之间的相似性函数.跟踪算法利用高斯金字塔得到的多尺度图像进行从粗到细的目标空间定位;同时通过利用推导的核函数自动带宽选择公式,实现了目标尺度定位.实验结果表明该方法优于典型的均值漂移跟踪方法,从而验证了该方法的有效性.     

自然图像中建筑目标提取算法

提出了一种从复杂场景图像中提取建筑目标的算法.首先采用对手惩罚竞争学习方法改进基于图论超像素算法的分割粒度,得到分割效果较好的图像块;然后选择基于空间包络模式的支持向量机对图像块进行分类,区分出图像中的建筑图像块与非建筑图像块;最后通过建筑目标的结构特征验证图像中的候选建筑,提取出图像中建筑目标.在标准图像库进行的实验表明:本算法提取建筑目标的能力优于同类算法,并且满足一般应用的实时性要求.     

利用图像块数据库和纹理特征点的图像彩色化方法

针对颜色转移彩色化算法存在速度慢、效果不佳及人工干预性强等问题,提出一种新型的彩色化算法.首先从聚类分割后的各类区域彩色图像中提取矩形块,并计算图像块的颜色直方图和纹理特征;利用颜色直方图比较图像块的相似性,实现数据库的选择性录入;利用目标图像块与彩色图像块纹理特征点之间的欧氏距离比较,查找最佳匹配的图像块,进而实现目标图像的彩色化.通过建立树木、天空、沙滩和草地4类图像块数据库,实现基于数据库技术的免除人工干扰的图像彩色化.     

基于支持矢量机和信任域的目标跟踪算法

从模式分类的角度看待跟踪问题,将SVM(支持矢量机)方法、信任域算法和尺度空间理论相结合,提出了一种能精确描述目标尺寸连续变化的新的序列图像目标跟踪算法。首先使用SVM算法对像素分类,将每一帧输入图像转换成目标概率分布图,目标区域在概率分布图中呈现为灰度块。然后通过检测该图在尺度空间中微分滤波器输出的极值,来决定这些灰度块的尺度。最后使用QP-TR信任域算法在尺度空间里和图像平面内快速搜索概率分布图多尺度规范化Laplacian滤波函数的极值,实现了目标定位并同时决定了其尺度,从而完成了跟踪任务。通过和现有算法的比较以及在大量真实序列图像上的实验表明,该算法不但能够更准确地描述目标的大小,而且显著提高了跟踪算法的精度。     

图像阈值分割的逼近算法

对小目标图像来说,由于目标在图像中所占的面积比较小,目标的灰度信息对整幅图像的贡献很小,因此,利用整幅图像的灰度直方图得到的阈值难以将目标和背景分开。为了获得正确的分割阈值,必须提高目标灰度信息在待分割直方图中所占的比例。最简单的方法是将图像划分为均等的子块,先对各子图像用阈值法进行分割,再将分割后的小区域合并在一起,得到整幅图像的完整的分割结果。这种方法存在如下缺点:     

一种星图中星的提取方法

在分析星图中的星像和小目标图像中的小目标像的共性的基础上，提出了一种将高通滤波和动态阈值相结合的星图中星的提取方法，来完成星图处理过程中较为耗时的星图提取工作．即滤波后先确定阈值，再通过高通滤波提取图像的候选点，由于虚假目标太多，需要通过动态阈值对候选点进行二次提取．仿真结果表明：这种方法与矢量法相比，当不给星图加背景噪声时，两种方法提取精度相当．一旦给星图加上噪声，矢量法的提取精度迅速下降，提出的方法的提取精度远远高于矢量法，而提取时间却与矢量法相差无几．因此提出的方法表现出较强的抗噪能力。     

红外图像序列运动小目标的图像流检测法

提出了一种利用图像流分析法对红外序列图像中的运动小目标进行检测的算法，首先利用两步分离法对图像进行预处理，筛选出少量的候选运动目标，然后利用图像流模型建立目标的运动约束方程，在多帧连续图像中检测出真正的目标运动轨迹，实验结果表明，该算法能够对小目标甚至是点目标的运动进行可靠检测。     

椒盐噪声下图像原始直方图估计的收敛性实验

获得噪声干扰图像的原始直方图有助于判断像素的原始灰度值.分析了脉冲噪声下图像的原始直方图估计出现局部偏差的原因,并以噪声率给定而噪声散布逐步趋于均匀的图像序列作仿真,实验结果表明随着脉冲噪声趋于均匀成为椒盐噪声,图像的估计直方图将重合于原始直方图.     

基于几何不变量和规格化直方图的层次图像检索模式

提出层次图像分割方法,将检索图像在不同的层次上分割为不同大小的子块,计算这些子块与查询图像间的相似度进而实现检索,同时可以获得检索图像中查询目标对象的尺度和位置信息。根据图像的几何不变量和规格化直方图特征提出了一种层次块图像检索模式,并且用500幅各类图像进行了试验。在最理想的相似度阈值下,仅以几何不变量为特征的检索精度可达到78%。此外,该检索模式也可很好地处理大小不同的图像。     

基于多方向互交叉模式算子与极坐标变换的鲁棒图像哈希算法

为了提高哈希序列对几何攻击的鲁棒性与正确识别率,设计了基于多方向互交叉模式算子与极坐标变换的鲁棒哈希算法。引入插值运算与Gaussian滤波器,完成图像的尺寸规范化与去噪处理,使其对于任意的可疑目标均可输出一个固定长度的哈希序列。基于极坐标变换(log-polar transform,LPT),对滤波规范图像实施处理,输出抗旋转攻击的二次图像。随后,利用多方向互交叉模式算子,从8个方向将二次图像变换为两个编码映射。将两个编码映射分割为非重叠子块,通过提取这些子块的直方图,将其视为纹理特征,作为第一个哈希序列。利用强度概率密度梯度代替强度梯度,对SURF (speeded up robust features)方法予以改进,充分提取图像中的稳定角点,形成角点图像;将角点图像分割为一系列的非重叠子块,通过计算每个子块所含的角点数量,将含有结构信息最丰富的子块予以标记,输出其在图像中对应的位置信息;并借助离散小波变换(discrete wave transform,DWT)来分解这些标记子块,获取每个子块对应的低频系数。联合位置信息与低频系数,形成结构特征,作为第二个哈希序列。设计加密机制,分别对两个哈希序列完成扩散,从而形成最终的哈希序列。通过计算源图像与可疑图像之间的l_2范数距离,将其与用户识别阈值的大小对比,对目标的真实性完成判别。试验数据显示:较已有的哈希生成机制而言,所提方法拥有更高的鲁棒性,对各类几何攻击均有更高的识别准确率。