H.264视频流自适应多纹理方向错误隐藏方案研究

H.264标准的错误隐藏算法对于纹理信息复杂的错误宏块,视频图像恢复后的平滑性较差。针对H.264标准算法存在的不足,提出了一种自适应的视频流多纹理方向错误隐藏方案,采用两个阈值设定策略自适应的设定Sobel边缘检测算法的阈值,通过改进的Sobel算法,检测出错误宏块的相邻块可能边缘方向,同时结合边缘像素差值成本函数自适应的确定错误数据块中每个像素点的插值方向,并根据其插值方向进行方向插值来恢复。JM8.6仿真结果表明,与标准算法相比,其隐藏效果在主观视觉判断和客观数值计算上都有一定的提高。     

两类阈值对图像小波边缘提取的影响研究

对Mallat的多尺度小波变换边缘提取算法中阈值的选取[1] 作了改进 ,提出了对整幅图像设置链平均幅度阈值 (Tm)的下限和链长度阈值 (Tn)后 ,再采用矩形自适应法选取链平均幅度阈值 (Tm)来对局部模极大值进行删取 ,在不同尺度上提取图像边缘 ,而后综合形成图像的真正的边缘。实验表明 ,这种对链平均幅度阈值 (Tm)先设定下限再采用矩形自适应法选取阈值的方法 ,是一种更加有效的边缘提取方法。     

形状自适应各向异性微分滤波器边缘检测算法

传统参数固定的微分滤波器难以精确检测图像中不同类型的边缘,并存在噪声敏感的不足,为此,提出了一种基于形状自适应各向异性微分滤波器的边缘检测算法。利用图像的微分自相关矩阵构建一种反映边缘像素类型的度量准则,并建立度量与各向异性高斯方向导数(anisotropic Gaussian directional derivative, ANDD)滤波器各向异性因子之间的映射,实现ANDD滤波器的形状自适应控制,从而能精确地提取不同类型边缘的强度映射。同时大尺度的ANDD滤波器增强了边缘强度映射的噪声鲁棒性。实验结果证明,在无噪声情况下,所提算法的边缘品质因子(pratt figure of merit, FOM)分别比Canny边缘检测算法、基于Gabor的边缘检测算法和基于测度融合的边缘检测算法高23.3%、14.5%和9.5%。在含噪声情况下,则分别高41.7%、29.7%和12.0%。     

基于二维直方图和粒子群优化的边缘检测

针对基于二维直方图的分割方法存在计算耗时的缺点,将群体智能中的粒子群优化算法应用到图像分割中,提出了一种新的边缘检测算法。新方法在定义的二维灰度空间中,利用粒子群优化算法自适应搜索最优解,并以此作为边缘检测算子的门限,阈值变换后便可得到表示原图像主要特征的分割结果。通过对水下图像处理的实验证明,该算法对简单背景的图像分割是有效的,和传统检测方法相比,具有更好的抗噪性能。     

基于非下采样contourlet变换的图像边缘检测新方法

非下采样contourlet变换(nonsubsampled contourlet transform, NSCT)由于其平移不变性使得检测出的边缘定位准确。但是传统的基于非下采样contourlet变换的边缘检测结果中仍存在伪边缘,这是固定阈值选取不当所致。采用双阈值对高频子带中的模极大值进行筛选,用得到的两个矩阵进行补偿链接可以减少伪边缘。由于NSCT系数的结构特点,低频子带中也存在丰富的边缘信息,再用Canny算子对低频子带进行检测。仿真结果表明,基于双阈值的模极大值方法检测的高频子带细节丰富、定位准确、纹理清晰,Canny算子检测的低频图像边缘,轮廓完整连续,融合后的图像有效地抑制了噪声,消除了伪边缘。     

复杂背景下运动目标分割算法研究

综合运动目标的边缘信息和运动信息,提出一种复杂背景下运动目标的分割算法。在计算光流场时采用各向异性的平滑约束,从而实现了对图像光流场的自适应计算。利用Canny算子检测出的不封闭边缘作为初始信息,根据光流场的连续特性进行边缘生长后可获得对目标的初始分割。对初始分割结果进行边界跟踪,通过保留具有最长边界长度的团块,去掉背景中的杂散噪声,就可获得清楚的分割图。实验证明,该方法能对复杂背景下的运动目标进行准确的分割。     

基于阈值判断的区域指导插值算法

针对传统图像放大算法对边缘区域划分不准确造成图像质量较低,而自适应插值放大方法模型复杂且计算量大的问题,提出一种基于阈值判断的区域指导(area directed threshold judgment, ADT)插值算法。该算法利用阈值判断的方法对插值点周围进行区域划分,结合近邻法和众数法确定插值点所属区域,根据插值点类型不同,利用不同权值大小的线性插值公式实现自适应插值,提高图像质量。仿真测试结果表明,与基于协方差的自适应插值算法相比,ADT算法在图像质量降低不显著的前提下,能显著提高插值速度;与双线性插值算法相比,图像峰值信噪比平均增加2.19 dB。     

基于FPGA的实时整数霍夫变换

为了解决霍夫变换计算量大、难以实时实现及峰值检测不准确的问题,提出一种适合在FPGA上实现的基于两阶段快速搜索算法的改进整数霍夫变换,并将其在FPGA中实现。首先,设计了一种基于该改进霍夫变换算法的流水线结构,能够在单个时钟周期内完成霍夫空间的参数计算和累加;接着,设定3个参数阈值,以寻找霍夫子空间中的局部极值;最后,确定全局极值,实现直线参数的提取。采用实际图像在FPGA中进行实验验证,结果表明提出的算法占用硬件资源较少,其准确率达到93%以上。     

改进的分形算法在弱小目标检测中的应用

针对单帧图像中的弱小目标检测问题,提出了一种改进的基于分形的快速检测方法。该方法首先利用图像的局部熵信息对目标进行粗定位,以得到一个包含目标的感兴趣区域,然后利用分形理论构造该区域的分维像,最后对分维像采用自适应阈值分割即可将弱小目标精确检测出来。与传统分形算法相比,提出的改进算法包含粗定位和细定位两部分,它将分形算法要处理的区域缩减到局部熵所估计的小范围内,从而克服了传统分形方法计算量大、抗噪性差的缺点。仿真实验结果表明,该方法能够稳健、快速、有效地检测弱小目标。     

改进的分形算法在弱小目标检测中的应用

针对单帧图像中的弱小目标检测问题,提出了一种改进的基于分形的快速检测方法。该方法首先利用图像的局部熵信息对目标进行粗定位,以得到一个包含目标的感兴趣区域,然后利用分形理论构造该区域的分维像,最后对分维像采用自适应阈值分割即可将弱小目标精确检测出来。与传统分形算法相比,提出的改进算法包含粗定位和细定位两部分,它将分形算法要处理的区域缩减到局部熵所估计的小范围内,从而克服了传统分形方法计算量大、抗噪性差的缺点。仿真实验结果表明,该方法能够稳健、快速、有效地检测弱小目标。     

一种复杂背景下模板检测与定位的新方法

在基于摄像机的场景测量中,图像采集的同时需要获得摄像机的参数,即进行摄像机定标。在利用参照物的自动标定过程中,首要任务就是实现测量场景中参照物(或模板)的自动检测与精确定位。为此提出了一种复杂背景下模板检测与定位的新方法。该方法包括模板检测与精确定位两个步骤。前者利用图像分割与形态学方法实现模板的粗定位;后者则结合边缘检测和Radon变换等技术确定模板的精确位置。实验结果表明,该方法实现简单、性能可靠,可适用于各种复杂的场景图像中。     

一种血管内超声图像边缘提取方法

血管内超声（IVUS）图像的冠状动脉血管壁内、外膜边缘提取对冠脉疾病的诊断和治疗有着重要意义。针对实际IVUS图像血液斑点噪声比较严重的情况，提出一种基于超声序列图像斑点噪声抑制和活动轮廓模型（Snake模型）的IVUS图像边缘提取方法。首先采用一种时／空滤波方法对IVUS图像进行降噪预处理，该方法能够有效地抑制IVUS图像的血液斑点噪声；然后基于Snake模型和图像的统计特征自动提取冠脉血管壁内、外膜边缘。实验结果表明，本算法简单，准确性较高，对序列图像处理的可重复性和鲁棒性较强，是一种较好的全局最优化算法。     

样条小波自适应阈值多尺度边缘检测算法研究

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，已有的边缘检测方法并不能得到较理想的边缘。充分利用小波变换的特点。设计三次B样条平滑滤波算子，对图像进行多尺度滤波。得到不同尺度的小波变换，再结合由适应阈值方法，在每种尺度下分别提取图像边缘；而后利用过缘信息的多尺度特性。融合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证，实验结果表明该方法不仅能准确检测出图像边缘，而且能有效地抑制噪声，该算法对图像边缘检测的效果优于目前已有的边缘检测算法。     

融合边缘检测模块的自然地貌语义分割模型研究

针对遥感图像自然地貌边缘的像素点归类问题,提出融合边缘检测模块的多通道融合模型与解码器端模块模型。边缘检测模块以Canny算子为基础进行闭运算及均值滤波处理得到精确化的图像边缘。语义分割网络以DeepLabV3+为基础,分别从编码器及解码器端并联边缘计策模块。实验结果表明,改进后的2种网络相比原DeepLabV3+网络在高分辨率自然地貌图像数据集上均取得更好的分割效果,且解码器端融合网络取得了最高72.60%的交互比(IoU,intersection over union)和86.64%的F1score,可用于面向自然地貌的识别与分割。     

基于改进小波变换的海上目标检测

为提高弹道导弹打击舰船的命中精度,研究分析弹载合成孔径雷达的海上目标检测具有重大意义。针对基于传统小波变换的检测算法在相干噪声下难以快速实现目标检测的问题,提出基于改进小波变换的检测模型。首先,利用方向可调的小波函数改进传统小波变换,在提高检测精度的情况下,可避免进行非极大值抑制;其次,重点针对方向小波变换运算复杂的问题,从算法原理和实际应用两方面着手,分别构造可变方向角和掩模矩阵,减少了运算量;然后,在此基础上利用高低帽滤波和闭运算的组合处理,增强边缘区分度,即可通过二值化处理完成目标检测;最后,以舰船的目标检测为例,从检测精度和运算时间两方面验证改进模型的有效性。     

子波变换在红外目标图像边缘提取中的应用

对红外目标图像进行了图像增强和边缘提取。首先采用直方图均衡、非线性灰度变换、滤波的方法对红外目标图像进行增强、抑制噪声 ,然后基于子波变换的原理 ,采用双阈值自动门限化方法 ,对增强后图像进行边缘提取。分别采用了经典的边缘检测方法、正交子波和非正交二次样条子波对红外图像进行了边缘提取试验 ,结果表明 ,采用非正交二次样条子波提取到的红外图像边缘比采用正交子波及经典的图像边缘检测方法的效果好。提出的方法不仅有较强的噪声抑制能力 ,而且检测到的边缘清晰准确。     

L阵基于降维MUSIC的二维DOA与频率估计

提出了一种L阵中基于降维多重信号分类(reduced dimensional multiple signal classification, RD-MUSIC)的二维波达方向(two dimensional direction of arrival,2D-DOA)与频率联合估计算法。该算法首先通过一维局部谱峰搜索得到接收信号频率的估计,然后利用频率估计过程中得到的参数矩阵,获得信号的2D-DOA估计。与需要进行多维全局搜索的传统MUSIC算法相比,所提算法只需一维局部搜索,算法复杂度较低。该算法同时适用于均匀L阵和非均匀L阵,且能获得配对的二维角度与频率估计。其角度与频率估计性能接近于传统的MUSIC算法以及平行因子方法,且优于借助旋转不变性估计信号参数算法和传播算子算法。