生物芯片微阵列图像倾斜校正算法研究

针对现有生物芯片图像倾斜校正算法校正精度和运算速度的矛盾问题,提出对矩形样点和圆形样点图像分别采用改进的Hough变换和改进的Radon变换方法进行倾斜校正。改进的Hough变换首先对图像进行二值化,并仅统计矩形样点的上下边缘像素的Hough参数和累计值,然后根据所得的Hough参数空间提取占主导的直线组,最终计算出直线组的平均倾斜角度;改进的Radon变换在提取圆形样点边缘后,对边缘图像进行二级Radon变换,从而得到最佳校正角度。实验证明本文的方法能准确、快速地实现芯片图像的倾斜校正,为生物芯片样点识别奠定基础。     

一种处理边缘不连续图像的雷达算法

提出了一种处理边缘不连续图像的雷达算法.该算法的主要思想是,用统计学的方法判断一个像素属于一个区域的概率,从而把感兴趣的图像区域分割出来,即先记录像素点,包括点的颜色、坐标,再按一定的角度递增扫描图像边缘点以寻找边缘像素,其次把这些边缘点距扫描中心点的长度进行低通滤波以形成一个完整的边界,最后求出边缘线的质心,记录质心位置,并将这些数据作为自组织特征映射的输入且进行分类,由此完成区域的分割.该算法的时间复杂度为90×O(n3),较Hough变换的复杂度及鲁棒性更好.实验结果表明,所提算法在非规则区域分割上优于Hough变换,其运算效率高于视觉模型算法.     

视觉测量中基元特征亚像素提取方法的研究

建立了基于空间矩的三级灰度图像边缘模型,首先由传统LOG(Laplacian of Gaussian)算子确定图像的像素级边缘,再由灰度空间矩对像素级边缘进行亚像素定位,并用Hough变换提取基元的亚像素边缘像素点,最后通过最小二乘法曲线拟合得到亚像素级的基元特征。实验结果表明,基于空间矩亚像素边缘定位算法,以及像面直线和椭圆亚像素提取算法具有较高的精度和稳定性。     

基于关键角点引导约束的广义Hough变换两层目标定位算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量大且同时保证速度和精度存在困难。为解决该问题,本文在定位与验证两级框架下提出由关键特征点引导约束的广义Hough变换两层目标定位快速算法。粗定位过程首先利用模板图像的特征点——角点建立R表,将待检测图像中的角点依据局部R表对平移、缩放系数和旋转角度进行全局搜索,得到其参考点位置以及和的参数值;在验证过程中,建立模板图像边缘像素的全局R表,在约束的参数范围内依据全局R表进行验证,求出精确检测结果。实验表明,本文算法也适用于局部遮挡,局部变形等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义。     

运动模糊图像方向角的估计方法研究

研究了运动模糊图像方向角的估计方法,通过数学原理分析,以及编写matlab程序进行数值实验,对Hough变换、Radon变换和Cepstral变换三种方法进行了对比研究,综合比较了三种方法的估计精度,指出了每种方法的适用范围。结果表明,Hough变换依赖于特征点的选取,选取不好则估计失效;Radon变换最为实用,噪声干扰对其估计精度影响不大,而且运动距离大时估计更准确;Cepstral变换在噪声水平低的时候估计较好,但噪声较大时估计精度差。     

利用空间矩和改进的Hough变换进行亚象素直线特征提取

直线特征是一种重要的图像特征,目前常用的抽取方法是Hough变换,但是它的实时性和准确性较差,因此,文章提出利用空间矩进行亚象素直线特征提取,该方法首先利用空间矩进行亚象素边缘提取,然后利用改进的Hough变换公式进行亚象素直线特征提取。试验表明,该方法具有更好的稳定性和准确性。     

基于GPU的Hough变换多圆加速检测实现

针对多圆检测问题,本文提出一种边缘点连续性特征按曲线段进行归类,同时丢弃非圆特征点,利用图形处理器(GPU)的高度优化的并行计算能力在每个曲线段点集中按照一定的取点规则取3点并行计算圆参数的改进Hough变换算法。该实现有效地降低Hough变换的无效累积,同时保留了传统Hough变换抗噪性强、对不完整边缘具有鲁棒性等优点。经测试,该改进算法在GPU的检测的速度优于CPU三十多倍,性能具有明显优势。     

基于Hough变换的焊接接头自动识别技术研究

以作者所研制的焊接机械手为对象,针对其在焊接大型模具时,焊缝数量多的特点,采用提供信息量大、抗干扰能力强的视觉传感器CCD来获得焊接接头平面位置信息．在对CCD摄取的模架图像进行校正、灰度拉伸、灰度阈值变换后,采用Canny边缘检测算子检测出模架筋板上侧的边缘点,并针对传统的Hough变换方法不能检测出直线端点,容易重复检测直线以及提取直线精度不高的缺点加以改进,采用改进的Hough变换方法提取了筋板边缘线,求取这些边缘线交点即可获得焊接接头平面位置信息．实验结果表明,该方法可以有效解决Hough变换存在的上述问题,并能准确稳定地提取出模架筋板边缘线,达到识别焊接接头平面位置的目的．     

基于改进 Hough 变换与双点去除 R-最小二乘法的车道线检测优化算法

针对传统Hough变换和最小二乘法的不足分别提出改进算法,并应用到车道线检测中,对道路图像进行预处理得到车道线的边缘点,对拟合车道线的两种方法进行改进,提高车道线检测的准确率和实时性。在实际检测中,设计一种结合改进Hough变换和双点去除R-最小二乘(R-least squares with dual removal,R-LSDR)法的检测算法,并运用Kalman滤波器跟踪车道线,在实车采集的道路图像序列上进行初步测试。实验结果表明,优化的车道线检测算法提高了检测准确率和运行效率。     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制小波变换的图像边缘检测算法．该算法首先按水平、垂直和对角方向对图像进行改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

基于边缘的小波变换编码

基于原图像经低通滤波器且向下２ 减抽样后,变成了分辨率低、缩小至原图像的四分之一,经高通滤波后,过滤出垂直、水平、对角边缘信息这一观点,提出了基于边缘的小波变换编码．当对３ 个高频带量化和编码时,充分利用低频带的边缘与３ 个高通滤波器过滤出的边缘之间对应关系,仅对边缘点的小波变换系数进行编码,无需记下边缘点的位置．从而更有效地对图像进行高倍压缩．     

基于UV线的几何旋转变形回弹补偿算法

针对汽车高强钢板结构件的特点和回弹变形规律,提出了一种基于UV(等参)线的几何旋转变形回弹补偿算法.该算法利用UV线对曲面进行离散,通过截面线的旋转变形原理获得离散点的变形量,并以曲面原有UV方向对变形后的离散点进行曲面重构.该算法考虑了冲压方向的回弹补偿修正量,以满足冲压工艺性.介绍了几何旋转变形算法的实现流程,并利用CAA(组件应用架构)技术将算法与CATIA(计算机辅助三维交互应用)平台无缝集成,以获得较高质量的模具几何补偿型面,可以直接用于数控加工.最后以一个典型的高强钢板汽车结构件的几何旋转变形回弹补偿来验证该算法的有效性和可行性.     

一种基于小波变换的医学断层图像插值方法

图像插值技术是图像三维重建的关键技术。为了满足灰度和形状同时插值的要求,提出了一种断层图像插值方法,其技术特点是通过小波变换得到图像边缘小波系数强度插值,然后采用一种寻找匹配点的方法对由小波变换得到的低频子图进行灰度插值,最后将所得到的新的高频小波子图和低频子图形成新的插值序列,并利用小波逆变换得到新的插值图像。实验结果表明,所得到的插值图像不仅在形状上更接近于自然状态,在灰度也满足了医学图像插值的要求。     

像素级多模式医学图像融合研究

采用小波变换算法,对颅脑计算机断层成像(CT)与核磁共振成像(MRI)的图像进行融合.将两幅源图像分别进行小波分解,然后取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵,进而重构融合图像.结果表明,融合生成的图像中软组织和骨骼均十分清晰,能提供反映原始图像中更为全面的、互为补充的多重信息,对颅脑病变的定性、定位研究有实用意义,从而具有重要的临床应用价值.     

采用非线性尺度空间滤波和SIFT的遥感影像配准方法

针对传统点特征匹配算法存在运算时间长和配准精度低的问题,提出一种基于非线性尺度空间滤波和尺度不变特征转换(SIFT)点特征配准算法.首先,通过非线性尺度空间滤波对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声.其次,采用SIFT算法对预处理后的两幅影像进行特征点提取,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点.最后,对待配准影像进行仿射变换.结果表明:该方法的总体运行时间比传统SIFT点特征配准算法降低63.2%,且配准精度大幅提高.     

基于图像梯度信息强化的SIFT特征匹配算法改进

针对传统特征匹配算法匹配率低的问题, 提出一种基于图像梯度信息强化的尺度不变特征转换（SIFT）特征匹配算法的改进算法. 首先通过适当的梯度算子求出梯度图; 然后以特定权值将梯度图与原图融合, 归一化后对融合图像进行高斯模糊; 最后利用传统算法进行特征提取. 实验结果表明, 改进算法的视角、 旋转不变性明显优于原算法, 对亮度变化较大或有噪声的图像匹配率也略有提升, 有效提高了SIFT特征匹配算法的准确性.     

基于非下采样contourlet变换的压缩感知图像重建

受传统采样定理限制,直接从信号采集系统得到高分辨率图像较困难,且信号获取过程会导致大量的采样数据.压缩感知理论指出可用特定测量矩阵将高维信号投影到低维空间上,求解数值优化问题准确重构原始信号,突破了传统采样定理的限制.传统压缩感知图像重建算法对所有系数测量,需进行多层小波变换保证图像质量,且小波捕捉方向信息有限,重建图像质量较差.故此提出采用非下采样contourlet变换(NSCT)做信号稀疏变换,并针对变换系数的特点,选择性的对系数测量,利用正交匹配追踪算法进行重构.实验结果表明,仅用单层NSCT变换可重建出高质量图像,克服传统算法需进行多层小波变换的缺点,降低采样和存储的数据量且重建的图像质量得到极大提升.     

视频会议系统中基于图像拼合的中间视合成

中间视合成是实现立体交互式显示的关键技术,即在观察者改变观看位置时,可以通过系统合成的虚拟视点获得环视的效果.该文提出一种基于图像拼合的中间视合成算法,利用图像插值和变形技术,生成虚拟视点图像.首先对立体图像对进行亮度均匀化处理,以消除左右图像间的平均亮度差异;然后根据左右视所含信息的不对称性,利用视差信息判断可靠区域,生成过渡中间视;最后采用图像拼合变形的方法进行中间视插值合成.实验表明,生成的虚拟中间视图像效果良好,基于对象的处理方式使得本算法具有速度上的优势,可用于头肩型视频会议场景的立体交互显示.     

基于真实感三维头重建的人脸替换

传统的人脸替换技术需要输入的源图像中的人脸与待替换的目标图像中的人脸姿态相似,这限制了人脸替换技术的应用。该文提出一种基于特定三维头模型重建的人脸替换技术。首先,利用替换者的2张正交图像(1张正面图像和1张侧面图像)进行三维头重建。整个三维头重建过程分为人脸图像配准、特征点匹配、标准三维头形变和纹理贴图4个部分。形变部分利用了径向基函数对标准三维头进行形变以获得最终的特定三维头模型。通过建立替换者的真实感三维头模型,渲染出与任意目标图像姿态相一致的人脸图像。为了让渲染后的人脸图像与目标图像进行无缝纹理融合,还进行了色彩传递和基于多分辨率技术的边界融合。用此方法可将故事书中的任意角色替换成用户,以此提供个性化的图书。     

平面多边形变形的向量方法

研究平面多边形的变形问题,提出了一种通过插值边向量间旋转角度及旋转矩阵的变形方法,较好地克服了顶点线性插值法引起的多边形边长变化不均匀的萎缩现象.该变形方法的计算量较小,变形过程较为自然,变形效果令人满意.