基于改进TV-L1模型的虾苗计数方法

为实现渔业生产中对虾苗的计数需求,针对虾苗图像光照不均、图像粘连等问题,对图像复原的TV-L1模型进行了改进,提出了一种新的对数商图像连通区域标记面积计数法。利用改进TV-L1模型作为低通滤波算子对图像进行平滑滤波和图像光照分量估计,将在对数域定义的原图像与光照分量估计的商作为光照归一化图像,对该图像进行形态学处理,采用最大类间方差法获取虾苗分割的最佳阈值并进行二值化处理,最后利用连通区域标记面积法来确定虾苗数量。实验结果表明,该方法的计数平均准确率较高。     

光照条件变化下的图像生成方法

提出了两种图像生成的方法：(1)由图像分割、三维重建和投影生成构成。该方法考虑了图像中各部分表面发射模型的差异，通过将图像各区域向1分成朗伯表面和镜面反射，分别进行三维重建，然后融合两结果，改变光照方向和强度，投影生成新的图像；(2)将Shape from shading和Shape from texture技术融合起来。采用Gabor滤波器将图像中的纹理成分和阴影成分区分开来，再用两种方法各自生成三维立体图像，依据它们的特性在频域融合两个三维图像，然后再改变视角和光照的强度、方向，生成仿真的二维图像。实验表明，由该两种方法恢复出的形状优于传统的估计方法，生成的图像真实感强。     

基于光照方向不一致性的图像盲鉴别方法

图像篡改破坏了自然图像的光照一致性,为了保证图像内容的安全性,提出一种基于光照方向一致性的图像盲鉴别方法鉴别图像真伪。该方法根据图像的实际强度与计算强度间的误差函数以及适合不同光源模式的约束条件,估计不同光源模式下图像的光照方向。通过分析图像中不同对象或对象与背景之间的光照方向是否一致,判断图像是否被篡改。实验结果表明,无限光源模式的数字图像盲鉴别方法的正确检测率可达到81.8%,从而证明了局部光源和复合光源模式的数字图像盲鉴别方法的有效性。     

最优区域与离散小波变换结合的颜色恒常性计算算法

颜色恒常性计算就是通过消除光照对颜色的影响,得到与光照无关的稳定的颜色描述因子。目前基于底层特征驱动的颜色恒常性算法,大多数利用整幅图像的像素信息来估计场景的光照。然而,并不是所有的像素点都包含颜色恒常性计算的有效信息,而且没有考虑像素点周围的空间信息的影响。本文针对这两个问题提出一种基于最优区域选择和离散小波变换结合的颜色恒常性算法,在分割区域上进行不同尺度的离散小波变换,利用得到的小波系数估计出不同区域不同尺度上的误差,选择出误差最小的分割区域用于整幅图像的光照估计。该算法简单易行,实验结果证明可以取得比较好的光照估计效果。     

基于颜色纹理联合特征直方图的自适应Meanshift跟踪算法

传统的meanshift跟踪算法利用图像中的颜色直方图作为目标的代表,其鲁棒性不高,容易受光照,目标缩放等因素的影响,造成定位精度不高,跟踪算法的稳定性不好.鉴于此,文中提出一种基于改进LBP特征描述子的方法,并将其与颜色直方图进行巧妙的融合,构建了一种新颖有效的联合直方图目标外观模型,并将其嵌入到meanshift跟踪框架中;另外,通过有效利用目标候选区域的矩信息,估计跟踪过程中目标的尺度和方向的变化.不同场景的跟踪实验结果表明,与传统的meanshift跟踪相比,文中提出的跟踪算法可以有效克服场景中相似目标的干扰,光照及目标尺度的变化,取得了更好的跟踪结果,具有更高的鲁棒性、稳定性、有效性.     

一种改进的基于方向场的指纹图像增强算法

本文分析了指纹图像方向场估计的方法,针对Gabor滤波器在指纹图像增强的应用中对于图像方向变化剧烈的中心区域和三角区域纹线结构保持性差的缺点,提出利用方向信息进行改进的增强算法,并在Matlab7.0环境下进行算法测试,结果表明本文算法相对于原算法能够获得良好的纹线结构保持性。     

基于SIFT算子的图像匹配算法研究

针对目前基于SIFT(scale invariant feature transform)的图像匹配算法在匹配相似区域较多的可见光图像时,匹配约束条件单一,没有有效剔除误匹配点,误匹配率高的问题,提出一种匹配改进算法,针对128维SIFT特征向量,采用距离匹配和余弦相似度匹配相结合的测度方法,利用特征点方向一致性进一步降低误匹配率. 实验结果表明:改进算法对图像的缩放、旋转、光照、噪声和小尺度的视角变换均有较好的匹配效果. 与原算法相比,在保证匹配点数和匹配时间的基础上,改进算法对旋转、缩放、噪声模糊和光照变换的误匹配率平均降低10%~20%,对于小尺度的视角变换,误匹配率平均降低5%.      

多光源非均匀光照场景的颜色恒常性

针对多光源非均匀光照场景,提出了一种新的颜色恒常性解决方法.首先将场景图像划分成若干较小区域,分别对各区域光源颜色进行估计,然后根据各区域对场景光源颜色的贡献合并为一种复合光源颜色作为场景光源颜色的近似估计,最后通过对角模型重构图像.实验结果表明,扩展的方法能够更好地解决多光源非均匀光照等场景的颜色恒常性问题.     

光强倒数色度空间的彩色人脸光照预处理

为了解决彩色人脸识别中色彩信息易受光照影响的问题,提出一种基于光强倒数色度空间（IICS）的彩色人脸图像预处理方法。本方法首先将图像均匀地分割成子块;将每个图像块变换为 IICS 空间中的一个二维数据集,并根据数据集的线性分布特性估计图像块的光照颜色;然后对全部图像块的光照估计进行颜色直方图统计,根据直方图对分块估计的结果进行合并;最后,利用估计得到的光照和对角模型将图像光照校正到标准白光下,用于人脸识别。在 AR 和 FERET 人脸库上的实验表明,通过引入本光照预处理,有效增强了彩色人脸识别方法对光照变化的鲁棒性,提高了识别精度。     

基于区域空间与词汇加权的图像自动标注

图像自动标注是图像检索与图像理解中重要而又极具挑战性的问题.针对现有模型忽略了图像不同区域对图像整体贡献程度的差异性,提出了基于区域空间加权的标注方法,改善了图像的区域特征生成概率估计.此外,针对现有模型未考虑词汇本身重要性以及词汇分布对标注性能的影响,提出了基于词汇固定权值的标注方法、基于平滑词汇频率的标注方法以及基于词汇TF-IDF加权的标注方法,对词汇的生成概率估计部分进行了改进.综合以上区域空间改进与词汇改进,提出了WDVRM图像标注模型.通过在Corel数据库进行的实验,验证了WDVRM模型的有效性.     

基于Gabor小波模型图象配准的计算视觉新方法

文章提出由两幅部分重叠图象估计物体平移、旋转和缩放新的计算视觉方法。该方法有以下特点：利用照明方向估计算子以获得摄象机旋转的起始估计;为检测局部表面曲率间断,利用Ｇａｂｏｒ小波模型定位特征点;平移及旋转的估计可公式化为线性问题;利用由粗到细的层级匹配能获得很好的结果。最后给出该算法的某些应用     

新的低码率视频编码快速半像素搜索算法

运动搜索一直是混合视频编码方案中最占编码时间的模块。典型的运动搜索由整像素搜索和半像素搜索组成。随着整像素搜索算法的不断改进 ,被普遍使用的半像素全搜索方法在整个运动搜索中所占运算量已经不容忽视。为了加速半像素搜索 ,提出了一种基于抛物面预测的半像素快速搜索算法。实验结果表明该算法能显著地提高半像素搜索速度 ,并且不会对编码效率和图像质量产生明显的影响。在QCIF格式下采用 H.2 6 3编码器时实际节省运算量约为5 7%。该算法的预测过程简单 ,易于实现 ,能够方便地集成到现有的编码系统中     

改进主动形状模型的遥感图像飞机目标识别方法

提出一种基于梯度方向直方图（H OG ）的飞机目标方向估计方法,通过改进主动形状模型（ASM）对不同类型目标之间的形变进行建模,利用核密度估计方法（KDE）得到目标的全局统计形状约束以实现目标识别,并设计了一种针对飞机目标的半自动图像特征点标定策略,提高了对训练样本特征点的标定效率。对遥感图像中飞机目标的识别实验表明,与现有方法相比,研究提出的方法对飞机目标具有更好的识别性能。     

基于信道编码直接判决解调算法的OFDM信道估计

针对Mignone V．和Morello A．提出的正交频分复用OFDM(orthogonal frequency division multiplex)系统编码直接判决解调CD3(coded decided directed demodulation)信道估计算法在频率选择性信道下估计性能稍差,且对多普勒频移敏感的缺点,提出了两种改进算法。通过引入了LMMSE信道估计器和鲁棒滤波器进行去噪滤波,改进CD3-OFDM系统的信道估计性能。仿真表明,两种改进算法在不增加计算复杂度的情况下,提高了CD3信道估计算法的性能,而且采用鲁棒滤波器后还能增强系统抗多普勒频移影响的能力。     

基于预测运动矢量的菱形搜索方法

针对H.264/AVC编码器中运动搜索计算量大、搜索时间长,提出一种基于运动矢量的改进小菱形搜索算法。在运动估计的过程中,根据预测运动矢量的方向,采用不同搜索方向的菱形模型,可大大减少搜索点数,用较短的时间找到最佳匹配块,提高搜索速度。与典型运动搜索方法的菱形搜索算法相比较,该搜索方法在保证视频质量基本不变的条件下,编码速率平均提高5.73%。     

基于H.264标准的运动估计算法研究

目的 通过分析经典运动估计算法,并归纳其技术要点比较总结其优缺点,提出一种快速运动估计算法.方法 利用小菱形(SDSP)模板和六边形(HSP和VSP)组合模板自适应地进行模板匹配搜索.结果 充分利用序列图像的时间、空间相关性进行运动类型的划分,并进行了起点预测,实现了快速运动算法.结论 仿真卖验证明该改进算法在保证重构图像质量基本不变的情况下,减少了运动搜索点数,提高了运动搜索速度,缩短了运动搜索的时间.