基于相位的图像特征检测算法

比较了灰度和相位的两种不同的图像边缘提取方法及其提取结果。相位的边缘检测方法是以Hilbert变换为出发点建立的相位一致性模型，并且它有一种计算量比较小的近似算法——局部能量模型。最后通过log Gabor函数构造的小渡，对图像边缘进行提取并比较了结果，说明了相位边缘的通用性；通过对马赫带现象的检测，说明相位一致性模型更符合人类视觉系统的特性。     

Log Gabor小波性能分析及其在相位一致性中应用

对Gabor函数与log Gabor函数进行比较，构造了log Gabor小波，从人类视觉系统认知特性的角度分析了该小波的性能，并与Gabor小波进行了比较，最后将log Gabor小波应用在相位一致性的图像特征检测中，实验证明，使用log Gabor小波不但可以提高特征的定位精度，而且在检测效果相似的情况下，log Gabor小波比Gabor小波可以节约一半的计算量。     

基于相位一致性的人脸特征匹配研究

为避免立体匹配算法特征点定位易受噪声影响的问题, 提出一种基于相位一致性的人脸特征点匹配算法。首先对获取的平行双目图像进行人脸的精确定位, 降低立体匹配的搜索范围; 然后采用相位一致性模型对人脸纹理特征进行检测, 检测结果不受亮度、 对比度等因素影响, 在不同光照环境下的图像可以使用固定阈值, 避免了特征检测中阈值选取的困难; 最后结合利用梯度旋转直方图算法对特征点描述, 减小视角变化对结果的影响。实验结果表明, 该算法鲁棒性较好、 正确匹配率较高, 达到80%以上。     

综合特征一致性模型及其在图像特征检测中的应用

针对传统的空域特征检测算子得到的特征对图像的亮度和对比度敏感的缺陷,本研究综合特征一致性模型进行噪声补偿,得到了改进的综合特征一致性模型,并将其应用在图像特征检测中.实验结果表明：该算法对图像亮度和对比度具有不变性,并且具有较好的抗噪性能和通用性,符合人类视觉系统特性.     

相位一致性加权的引导图像滤波去噪算法

针对传统引导图像滤波算法采用固定的正则化参数规整化因子造成光晕伪影现象的问题,提出一种相位一致性加权自适应规整化因子的改进引导图像滤波算法.因图像不同区域的纹理特性不同,利用相位一致性能够获取图像丰富的特征信息和精确的特征定位,对原有的规整化因子在不同区域通过惩罚自适应调整规整化因子,保证了图像降噪效果同时进一步保持边缘清晰.实验采用结构相似性因子(SSIM)与PSNR作为算法的定量评估指标.结果表明,采用相位一致性作为加权值规整化因子,有效地避免了传统引导图像滤波的光晕伪影现象,相对于传统引导图像滤波算法,降噪性能有一定提高,还能够很好地保持边缘细节信息.     

基于相位一致性的输电线监控视频图像线特征提取

线特征是图像分析中视觉感知的重要线索,是复杂背景下从输电线监控视频图像中提取电力线的重要特征,其为后续输电线状态分析提供依据。文章应用相位一致性原理提取输电线监控视频图像的线特征,通过仿真同其他传统方法进行了对比。实验结果表明,该方法能有效地实现复杂背景下线特征的提取。     

基于相位一致性和字符纹理特征的车牌定位算法

针对在光照变化和光线不足环境下车牌定位困难的问题, 将相位一致性应用于车牌定位, 提出了基于相位一致性和字符纹理特征的车牌检测算法。利用相位一致性不受亮度和对比度变化影响的特点, 提取图像边缘信息; 在获得的图像相位一致性边缘上, 扫描车牌图像。将扫描区域垂直投影为一维信号, 并利用小波多分辨率的特性滤除噪声的干扰, 再根据车牌中的字符纹理的统计量特征进行车牌提取。实验表明, 该算法在光照变化和光线不足的环境下, 能获得96%的车牌识别准确率。     

基于人类视觉系统的图像信息隐藏技术研究

Internet上的保密通信和数字产品版权保护方面的强烈需求,已成为信息隐藏技术研究的强大推动力.主要针对数字图像,探讨了人类视觉系统（HVS）在信息隐藏方面的应用.首先介绍了信息隐藏技术的基本模型与特性,接着述说了HVS的构成、特性以及图像质量评价方法.在此基础上,对空域法中的最不重要位（LSB）算法提出了改进并加以实现.     

VTC-KSVD:一种融合视觉特征与标签一致性的多标签图像标注方法

提出一种融合视觉特征及标签一致性的多标签图像标注方法VTC-KSVD.首先通过K均值奇异值分解（KSVD）法建立图像的标签一致性模型TC-KSVD,然后将多视图特征融合在该模型中.该方法既利用了训练样本的类标与编码系数的判别式模型,又利用了训练样本的标签与编码系数的关系,增加了字典的判别性,提高了标注性能.在Corel5K数据集上的实验结果表明,融合了多视图视觉特征与标签一致性的VTC-KSVD方法可以较为准确地找到视觉特征与语义特征均相似的图像近邻,能明显提升多标签图像的标注性能,并能有效缓解训练数据有限而引起的稀疏性问题.      

基于边缘扩展相位相关的图像拼接算法

针对图像拼接算法中计算量大的问题,提出了一种基于边缘扩展相位相关的图像拼接算法。该算法采用迭代阈值分割法对图像进行边缘检测,并对检测出的边缘进行扩展相位相关计算,得出图像间的平移、旋转和尺度变化。利用这些参数拼接图像,用渐进渐出的方法实现拼接图像的融合。实验证明,该算法能够简化计算,并有效地实现图像的拼接。     

基于相位角点检测的特征匹配研究

基于特征的匹配是立体匹配中最常用的方法,但是匹配结果受特征检测精度的影响较大.针对这一问题,提出一种基于相位一致性角点检测的匹配算法,该算法采用相位一致性模型对图像中的角点特征进行检测,检测结果不受亮度、对比度等因素影响,因此在不同光照环境下的多幅图像可以使用相同的固定阈值,避免了特征检测中阈值选取的困难.在此基础上,结合场景的深度信息采用图像的灰度局部区域相关系数进行特征匹配.实验结果表明,该算法获得的匹配结果具有很高的正确匹配率.     

图像检索中的对称性分析

信息产业的迅猛发展 ,使得图像信息急剧增加。图像视觉特征描述是其中的重要内容。该论文简介了目前图像对称性分析的发展情况 ,定义了计算机视觉中的对称性模型 ,综合了目前国际上比较流行的对称性检测的方法 ,并且论述了利用相位一致进行对称性检测的方法 ,从而进一步提高基于内容图像检索方法的有效性和实用性。     

基于特征点检测的重叠图像拼接算法

为提高铁道车辆工程应用中自动监测与故障诊断的准确性,对5种常用的特征点检测方法进行了对比研究,采用 SIFT (Scale Invariant Feature Transform)特征点检测实现重叠图像的拼接算法。在较宽松的条件下准确地匹配两幅图像。实验证明,该算法能有效地拼接普通相机拍摄的照片,消除图像扭曲、交叠和旋转对图像拼接的影响,并获得高分辨率的场景照片。     

基于边缘特征学习的自然图像对称轴检测

主要研究计算机视觉中一个非常具有挑战性的问题--自然图像中对称轴的检测. 由于图像中杂乱的场景和物体形态的变化, 使得在自然图像中判断像素是否处于对称轴上是非常困难的. 为了解决这个难题, 考虑到边缘与对称轴的互补关系, 提出了2种边缘特征用于帮助对称轴的检测. 2种特征都定义在成对的边缘上, 分别是为了找到边缘强度高和到对称轴距离相等的成对的边缘. 在多尺度和多角度上提取这2种边缘特征, 把它们与底层描述子(颜色、亮度、纹理等)差分特征结合在一起, 在多示例学习的框架下检测自然图像中的对称轴.在SYMMAX300数据集上的实验结果证明了2种边缘特征能够提升对称轴检测的性能.     

基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪; 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

面向自适应计算的局部四面体网格重划分

为有效满足h自适应的网格重划分要求, 提出通过前沿推进法和Delaunay算法对四面体网格进行局部重划分. 首先, 在重划分过程中, 采用由线到面、 由面到体的顺序保证整体网格的协调性; 其次, 通过局部尺寸函数保证网格尺寸平滑过渡; 最后, 用投影法使网格满足几何保形. 仿真实验结果表明, 该算法适用于包含多部件的复杂计算机辅助设计(CAD)模型, 在h自适应加密过程中网格更贴近真实几何形态, 且重划分后可保证网格单元的质量.