基于ROI的多分辨率网格框架的图像检索

提出一种新的基于ROI(regions of interesting)的多分辨率网格框架的图像检索方法.先利用网格对图像进行分块,并利用小波变换对分块进行多分辨率分析,以提取图像各分块的颜色和纹理特征信息,然后根据用户指定的感兴趣的区域得到查询子图,最后使用一种融合子图(integrated sub-images matching, ISM)的匹配方法进行图像检索.通过对比实验,证明该方法能够有效地得到降低图像检索的语义鸿沟,并取得很好的检索效果.     

基于ROI的多分辨率网格框架的图像检索

提出一种新的基于ROI(regions of interesting)的多分辨率网格框架的图像检索方法。先利用网格对图像进行分块,并利用小波变换对分块进行多分辨率分析,以提取图像各分块的颜色和纹理特征信息,然后根据用户指定的感兴趣的区域得到查询子图,最后使用一种融合子图(integrated sub-images matching,ISM)的匹配方法进行图像检索。通过对比实验,证明该方法能够有效地得到降低图像检索的语义鸿沟,并取得很好的检索效果。     

利用颜色和纹理特征的图像检索技术研究

提出了融合颜色和纹理特征的图像检索算法.在颜色特征的提取中,提出了一种矩形重叠式分块策略对图像进行分块.在对纹理特征提取中,提出了利用共生矩阵对图像的整体区域有着较好的处理效果以及Gabor小波变换对图像中的局部区域的频率和方向信息的优异性能.利用归一化理论,融合3种不同特征.并通过实验证明该方法能够提高图像的检索性能.     

基于多分辨率直方图的图像检索

文中提出了一种新的基于多分辨率直方图的图像样本检索方法.该方法首先提取检索图像在不同分辨率情况下的信息,然后统计多分辨率直方图作为特征索引的信息.不同分辨率下的图像体现了原图像的颜色空间分布,将其视为不同的样本进行检索,并使用不同的策略对各个样本的检索结果进行融合.实验验证了基于多分辨率的样本检索在不同融合策略情况下的检索性能,并与一般的基于颜色直方图的单样本检索进行比较.结果表明,所提出的新方法比基于颜色直方图的单样本检索性能好.     

基于分类预测器及退化模型的图像超分辨率快速重建

对基于学习的领域嵌套超分辨率重建方法进行了有效改进,提出了一种基于分类预测器以及退化模型的图像超分辨率重建技术.首先,利用退化模型得到图像训练集,并基于邻域嵌套进行分块;其次,根据图像各自特点提取灰度和梯度特征,并进行特征融合,从而实现了训练过程中噪声信息的有效抑制及图像中边缘信息的锐化;然后,引入分类预测器的思想,设计了一种离线的分类预测器,对预测器进行离线训练,得出优化参数,从而大幅度减少了优化时间;最后,利用L2范数对低分辨率图像分块进行分类,将分块送入相应子预测器中进行快速超分辨率重建.实验结果表明,该算法具有良好的实时性和有效性.     

基于Harris—Laplace特征点的多时相SPOT图像配准方法

提出一种改进的多时相SPOT图像配准方法。首先通过分块提取H—L特征点,确保特征点分布均匀：然后对H—L特征点进行匹配,通过RANSAC一致性检验构建配准模型;最后利用图像重采样得到图像配准结果。实验结果表明,该方法能够有效地解决不同时相SPOT图像在几何变形、地物改变等情况下的配准,具有较高的自动化程度与实用性。     

基于偏微分方程与多尺度分析的图像去噪算法

针对传统图像去噪算法存在去噪效果和稳定性较差的问题, 提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法. 首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理, 对处理后的图像采用非下采样轮廓波逆变换, 实现图像整体去噪； 其次, 采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带, 并利用核主成分分析算法进行整体图像降维处理, 对不同子带进行分块管理, 完成对整体图像的局部去噪, 最终实现基于偏微分方程结合多尺度分析方法的图像去噪. 实验结果表明, 该算法的图像去噪效果和稳定性均较高.     

基于偏微分方程与多尺度分析的图像去噪算法

针对传统图像去噪算法存在去噪效果和稳定性较差的问题, 提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法. 首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理, 对处理后的图像采用非下采样轮廓波逆变换, 实现图像整体去噪; 其次, 采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带, 并利用核主成分分析算法进行整体图像降维处理, 对不同子带进行分块管理, 完成对整体图像的局部去噪, 最终实现基于偏微分方程结合多尺度分析方法的图像去噪. 实验结果表明, 该算法的图像去噪效果和稳定性均较高.     

一种新的基于稀疏表示及自学习遥感图像超分重建算法

【目的】遥感图像重建容易引入噪声或边缘出现不规则性,而它又在遥感图像的处理中能起到非常重要的作用,提出新的算法来得到更好的处理结果。【方法】通过对遥感图像进行分块,利用K-SVD算法对遥感图像自身进行字典学习,获得能够稀疏表示高分辨率遥感图像的字典,然后进行特征提取、独立成分分析降维、高分辨率遥感图像的重建等操作。【结果】实现了对遥感图像超分辨率的重建。【结论】该方法提高了图像的峰值信噪比,通过实验验证了算法高效性。     

一种新的基于稀疏表示及自学习遥感图像超分重建算法

【目的】遥感图像重建容易引入噪声或边缘出现不规则性,而它又在遥感图像的处理中能起到非常重要的作用,提出新的算法来得到更好的处理结果。【方法】通过对遥感图像进行分块,利用K-SVD算法对遥感图像自身进行字典学习,获得能够稀疏表示高分辨率遥感图像的字典,然后进行特征提取、独立成分分析降维、高分辨率遥感图像的重建等操作。【结果】实现了对遥感图像超分辨率的重建。【结论】该方法提高了图像的峰值信噪比,通过实验验证了算法高效性。
     

一种基于SVM的MRI序列图像超分辨重建算法

基于SVM的MRI序列图像超分辨重构算法,在退化模型的构建方面更接近实际成像系统,通过选取相邻三个层面的低分辨图像,以及图像分块等方法合理构建学习样本集.实验结果表明:这种方法在提高图像分辨率的同时,较好地抑制了因多次迭代引起的噪声累积,得到质量较高的超分辨图像.     

一种基于多级分块错切的指纹奇异点检测算法

准确、可靠地检测指纹奇异点(core点和delta点)，对于指纹分类和指纹匹配具有非常重要的意义．针对指纹图像奇异点的精确定位和可靠性判断的难题，提出了一种基于多级分块错切的指纹奇异点检测新方法．首先，对于一枚指纹图像，在同一分块尺寸下进行多次图像错位分块。并且分别在不同的图像错位分块情况下检测指纹的奇异点，得到区域相对集中的奇异点位置的集合，并计算其质心，以精确确定奇异点的位置．然后，在不同的分块尺寸下分别采用平滑和不平滑的方法进行指纹方向场的估计，并分别根据以上方法估计的指纹方向场信息进行指纹奇异点的检测．最后。利用不同情况下检测的指纹奇异点位置相互关联的特性，进行指纹奇异点的精确、可靠检测．该方法利用了多次图像错位分块检测的奇异点位置相对集中和各级分块尺寸下采用不同方法检测的指纹奇异点位置相关联的特性，能够从指纹图像中较精确、可靠地检测出奇异点。对低质量指纹图像具有良好的鲁棒性．在部分典型低质量指纹图像上的实验结果验证了该方法的有效性．     

一种新的基于颜色特征的图像检索方法

提出一种利用同心圆来提取颜色特征的图像检索方法.该方法以同心圆分块策略对图像进行分块,并依据人类视觉生理和心理特性对所获取的颜色特征进行动态加权,获得图像的综合加权特征向量.对图像库的10类图像进行测试,每类取4幅组成40次查询.实验结果表明,该方法与全局直方图方法、传统分块方法相比,其平均精确度分别提高了5.01%和2.95%,且具有几何不变性.     

基于分块信息熵方差的图像置乱程度评估

将信息熵与图像的分块处理思想相结合,提出了一种基于分块信息熵方差的图像置乱程度评估方法.在详细阐述评估方法基本原理的基础上,通过仿真实验对同一图像基于Arnold变换的像素位置置乱、基于Logistic混沌映射的像素灰度值置乱及二者级联的像素位置与灰度值均置乱的3种图像置乱方式下的置乱程度进行评估和分析,并验证了所提方法的正确性与有效性.应用该方法进一步对多幅不同图像在同一加密算法下的密文图像的置乱程度进行评估,结果表明所提出的方法具有与原图像无关的特点,可以用于加密算法的安全性评估.文中方法原理简单,实现容易,且无需原图像参与,具有较好的实用性.     

染色血液白细胞目标图像快速提取方法的研究

提出了一种变图像分辨率的染色血液白细胞目标图像提取方法.首先对采集到的染色血液细胞图像进行分辨率抽样并将图像从RGB表示变换为HS I表示;然后使用白细胞色饱和度阈值滤波和形态学滤波得到白细胞数目和位置;最后在白细胞位置按原始图像分辨率进行局部图像提取并使用神经网络方法进行图像分割得到目标图像.该方法充分保留了血液细胞图像本身固有的大量有用信息,提高了目标图像分割的完整性并减少了计算量,适用于对时间要求较高的复杂背景下血液图像的自动分析.     

基于结构相似度衡量的图像超分辨率重建

图像超分辨率一直都是图像处理领域的研究热点,提出了把图像质量评价方法用于图像超分辨率的方法.把结构相似性度量用于块匹配,搜索图像块的相似块,利用找到的相似块的加权平均重构高分辨率图像.在低分辨率图像上进行了有噪声,无噪声情况下的两种实验,实验结果证明本文提出的方法在相同实验条件下比TV,Sparsity,Softcut取得了更好的结果.进一步分析实验可以发现用结构相似度搜索图像的相似块,使得重构后的图像更加充分地保留了原图像的结构信息.本方法提供了处理图像的新思路,使得对图像质量评价的研究和图像处理的研究可以结合起来共同推动图像处理方法的创新.     

基于形态学的冠状动脉造影图像多尺度增强算法

提出了一种基于形态学的多分辨率增强算法,将心脏冠状动脉数字造影图像序列的连续帧相减,区分血管所在区域与背景区域,然后利用得到的区域信息通过形态学方法对冠状动脉血管进行多分辨率增强。采用该方法处理后的心脏冠状动脉造影图像的背景被减弱,血管被增强,产生类似数字减影图像的效果。实验表明,增强后的图像质量良好,对临床诊断和血管分割具有较高实用价值。     

一种基于HSI和小波变换的遥感图像融合方法

在对同一地区低分辨率的多光谱图像与高分辨率的全色图像的融合中,单独采用传统的HSI(hue-saturation-intensity)图像融合方法会出现颜色失真问题和传统的小波融合中存在分块模糊现象.为了改进融合效果,本文提出了一种新的融合方法,将HSI和小波变换进行有机结合,首先通过HSI变换获得多光谱图像的亮度成分,采用改进的基于主分量分析方法的融合规则将它与全色图像进行小波融合,得到新的亮度分量.将新的亮度分量进行增强处理后,进行HSI逆变换获得最终融合图像.实验结果证明,该方法不但提高了融合图像的空间分辨率,突出了目标的特征信息,而且更好地保留了原有多光谱图像的光谱性质.     

基于Spark的并行医学图像处理研究

随着医学图像规模的不断增长,为了快速且有效的处理医学图像并使各类图像处理算法得到应用.文章将传统的医学图像处理方法与Spark整合起来,提出了基于Spark的并行医学图像处理方法.首先,采用基于二进制的图像预处理转换方法,存储图像到分布式文件系统HDFS中;其次,应用传递函数的方法,避免了图像处理算法进行MapReduce转化,实现了快速的通用图像并行处理;最后,以肺叶DR图像分割算法为实例证明了基于Spark医学图像并行处理有较好的适应性和较高的效率,并适应大规模图像的并行处理.     

融合算法在高空间分辨率影像中的应用研究

为了分析非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)在高空间分辨率影像处理中的优势,对影像降噪处理的具体过程进行分析,得到二次采样Contourlet变换(Sampled Contourlet Transform,SCT)与NSCT算法之间的相关性以及互补性,给出了基于小波理论的Contourlet变换图像融合算法.分析结果显示,在该图像融合算法下,SCT及NSCT方法的标准差均高于原始光谱带,整体的空间及光谱分辨率都较高.