局部阴影条件下基于梯度直方图的模糊相关图像检索

在局部阴影条件下对图像进行检索会受到多种因素的干扰,影响检索结果的可靠性。针对局部阴影条件,提出一种基于梯度直方图的模糊相关图像检索方法,采用ICA降噪方法对局部阴影条件下的图像进行降噪处理,依据频域对图像进行增强处理。通过Sobel算子提取图像边缘,求出水平方向与垂直方向的亮度差分相近值,确定出每个方向关键边缘像素的数量,建立图像边缘梯度直方图。依据梯度直方图,通过斯皮尔曼等级相关系数求出检索图像与图像库内模糊相关图像的相关系数,确定出图像间的相近度,将相近度最高的图像看作模糊相关图像检索结果。经实验验证,所提方法检索效果好,检索性能高。     

基于模糊联合误差的红外图像边缘检测方法

图像的边缘检测中,非优化梯度阈值选择的不当会造成某些边缘点的丢失;而模糊阈值方法,需占用大量存储空间来搜索参数的最优组合.针对以上问题,本文在模糊理论的基础上,并结合红外梯度图像的特点,提出了一种基于模糊联合误差的红外图像边缘检测方法.本文首先通过改进的Sobel算子构造出红外图像的梯度图,在对其进行模糊划分的基础上计算区域模糊度,最后通过对区域联合误差的比较,确定模糊区域中像素点的隶属,实现边缘提取.与传统的基于梯度的边缘检测算法及最大模糊熵算法进行了对比实验.结果表明,该方法用于红外图像边缘检测时,能够在更短的处理时间内,保留更多的边缘信息.     

基于综合特征的彩色图像检索

本文综合利用颜色和形状特征进行基于内容的彩色图像检索.利用边缘方向自相关图表示图像的形状特征.对于颜色特征,计算图像颜色的局部累加直方图,同时提取分块的颜色矩弥补其不包含颜色空间分布关系的缺点.并利用Guassian模型对各特征的距离进行归一化,综合上述三个归一化距离,进行全局相似度量,且用权值调整的相关反馈方法进一步提高检索精度.与局部累加颜色直方图和局部颜色矩的方法相比较,本文提出的方法获得了更好的检索结果.     

基于边缘梯度的散焦图像深度恢复

在散焦图像中,点的模糊程度随物体的深度而变化,因此可以利用散焦图像中点的散焦程度来估计物体的深度信息。本文提出了一种基于散焦图像中物体的边缘梯度关系来恢复图像深度图的新算法,用一个已知参数的高斯函数对图像进行再模糊,然后求出模糊后的物体边缘梯度,再与原图像中物体边缘梯度相比,再将该比值与图像的深度关联,求出图像中物体边缘处的深度,再利用后续深度插值方法和深度图优化恢复出整幅图的深度信息。这种算法仅需要一幅图像即可进行深度信息恢复,有较好的有效性。     

基于CAGH检测和投影法的车牌定位算法

提出了一种基于CAGH算法和投影法进行车牌定位的方法。CAGH基于梯度幅度直方图和类内方差进行边缘提取,先分析经“非最大梯度抑制”后的梯度幅度直方图的特征,确定边缘集中区域,再通过类内方差确定梯度阈值,并利用该阈值确定边缘。然后利用投影算法在其所得边缘图像中寻找车牌的左右边界和上下边界,结合图像灰度序列与单位矩形的互相关函数定出车牌的位置,为进一步精确车牌定位以及字符识别打下基础。     

基于双树复小波的直方图路面裂缝检测算法

分割算法广泛用于公路路面裂缝的检测,然而低抗噪性是这类算法存在的主要问题.将双树复小波变换和直方图方向梯度相结合,提出一种基于双树复小波变换的路面裂缝检测算法.该算法用双树复小波变换对路面裂缝图像进行子带分解,对各子带图像进行直方图方向梯度矩阵计算,阈值化后确定裂缝边缘.实验结果表明,与传统边缘检测算法相比,该算法目标识别度高、抗干扰能力强及准确率高.     

基于边缘角度二阶差分直方图的城市遥感图像检索方法

针对目前存在的遥感图像检索方法中,图像区域分割困难,不易准确提取局部形状特征的问题,提出一种无需进行区域分割的全局形状特征,即基于Freeman差分码思想的边缘角度二阶差分直方图特征;通过检索特征和传统的基于边缘角度直方图特征的遥感图像检索对比实验,揭示了该遥感图像检索方法具有更好的检索性能,检索精度提高了约32%。     

基于全自动泊车与对数变换法的轨迹图像边缘信息细节化检测

为解决传统边缘检测方法中阈值设置过高或过低,致使关键信息被遗漏或干扰信息被误看作重要信息,造成边缘检测结果不可靠的问题。通过引入自适应阈值思想,研究了基于全自动泊车的轨迹图像边缘检测方法。对采集的全自动泊车的轨迹图像进行直方图均衡化和自适应二值化处理,以及先腐蚀后膨胀的操作,对小对象物体及平滑较大物体边界进行消除。通过一阶微分算子求解经预处理后图像不同点的梯度幅值与梯度方向,细化梯度幅值图像中的屋脊带,仅保留幅值的局部极大值。采用对数变换法对梯度范围进行扩展。通过新的局部自适应阈值化方法确定阈值,实现全自动泊车轨迹图像边缘的初检测。针对轨迹图像边缘直线线段,选用Hough变换法提取其中的直线特征,获取直线轨迹。结果表明,所提方法边缘检测细节化好,可见整体性能优。     

基于对齐度和模糊梯度相似性的图像配准

提出一种基于对齐度和模糊梯度相似性的图像配准方法．该方法利用小波多尺度积提取边缘图像和特征点，然后利用角度直方图估计旋转角度，再使用提出的基于对齐度和模糊梯度相似性的配准准则来确定匹配点对．实验结果表明，该方法精确性较高，并具有一定的抗噪性．     

基于模糊颜色量化的彩色显微医学图像检索

模糊量化方法能很好地表达人的视觉感知,是颜色量化的一个重要方法.根据彩色显微医学图像的颜色特征,提出一种适合其图像检索的模糊量化算法:将整个HSV空间划分成78个模糊子集,由模糊子集的隶属函数计算每种颜色的隶属度,并统计图像的模糊量化直方图,图像间的相似性用模糊量化直方图间的距离进行评判.实验结果表明,该算法在基于内容的彩色显微医学图像检索中,具有较好的检索效果.     

一种改进边缘相关匹配的图像快速配准方法

针对图像自动配准的耗时问题,提出一种基于图像边缘链码匹配的快速配准方法。利用B样条多尺度小波提取图像的边缘和梯度幅角,通过边缘梯度幅角直方图统计获得图像之间的旋转角度,并根据图像的投影,估算参考中心点,依此建立距离和角度的限制条件,对边缘特征进行改进的Freeman编码,然后进行相关匹配运算,完成图像配准。实验表明,限制条件下的链码匹配可以有效提高配准速度。     

WordNet在图像语义分析中的应用

WordNet在图像语义分析中具有很重要的作用。它提供了对图像语义精准的描述,图像语义特征的提取。本文介绍了颜色直方图,边缘方向直方图,边缘直方图,局部二值模式（LBP）等四种方法,并根据这几种方法的优缺点进行比较,综合每种方法的优点来对图像的语义进行分析。     

一种基于模糊熵划分的边缘检测算法

基于信息论中最大熵原理,提出了一种基于梯度图像的模糊划分边缘检测算法。该算法首先根据图像边缘的特点和类型构造出新的梯度算子,再根据梯度图像自然划分以及2-划分的关系得到模糊2-划分条件熵,基于最大模糊条件熵原则实现梯度图像划分中最优阈值的自动选取,实现图像的边缘检测。仿真实验结果比较表明,该算法用于边缘检测能获得较好的效果。     

基于边缘检测的多特征智能图像检索模型

提出一种智能图像二级检索模型.第一级检索利用改进的Canny算子和颜色向量角分别检测图像边缘,再基于db2小波进行图像融合得到二值边缘,并运用图像位错率进行边缘信息比较,将相似度大的图像组成一个新的备选图像库,以缩小图像检索范围.然后利用HSI颜色不变量模型改进颜色相关矩阵,加以边缘直方图进行综合特征第二级检索.实验表明该模型能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的准确率和回想率.     

基于模糊数学的对抗网络图像配准建模

为了解决传统方法特征提取结果受外界环境影响大,且没有考虑对抗网络图像中高频信息的特殊作用,影响配准精度的问题,通过模糊数学方法分析对抗网络图像配准建模问题。分析了对抗网络,在生成模型与判别模型中添加条件变量,通过对抗网络,利用表征向量对图像进行重构,生成图像数据。通过变换对图像对比度进行扩展,通过反变换获取原空间域中的边缘增强图像,通过抑制干扰能力强的Susan算子提取对抗网络图像边缘特征。在边缘特征提取的基础上,引入模糊数学中的模糊隶属度,对图像中不同点属于梯度的模糊隶属度进行定义,构造图像的模糊梯度场,通过模糊数学中的贴进度构造模糊梯度相似性测度,将模糊梯度相似性高的图像作为配准图像,实现对抗网络图像配准。结果表明:研究方法配准效果好;针对存在平移、灰度变化、细节变化、区域变化和尺度差异情况下的图像,可保持很高的性能。研究结果应用性强,配准准确性好。     

遥感图像的子空间边缘融合算法改进

遥感图像进行边缘融合处理提高图像的识别和分析能力,受到数据在采集、传输、处理各个环节的影响。传统的遥感图像边缘融合算法采用统计形状模型重构算法,在遥感图像的帧点分布不均下,融合性能不好。本文提出一种基于子空间降噪和梯度边缘差拍控制的遥感图像边缘融合算法。先进行遥感图像采集和子空间降噪处理,采用梯度边缘差拍控制进行边缘亮度均衡处理,提高了遥感图像的色彩饱和度,对遥感图像融合进程进行高频、低频并行处理,提高运行速度。仿真结果表明,采用该算法实现遥感图像的边缘融合,输出信噪比较高,性能优越。     

烟雾特征融合的火灾识别方法研究

针对基于图像的火灾识别方法易受干扰、误报率高等问题，提出一种基于烟雾特征融合的火灾识别方法。该方法根据火灾烟雾独特的纹理和边缘梯度特征，利用HSV颜色空间进行颜色特征提取，得到疑似烟雾区域；通过等价局部二值模式（ULBP）及方向梯度直方图（HOG）提取烟雾纹理和边缘梯度，得到特征向量，再将特征向量输入线性支持向量机（LinearSVC）进行测试和烟雾识别。研究结果表明，算法抗干扰性强，检测率高，为快速准确的火灾预警提供了算法依据。     

基于模糊算法的彩色图像边缘检测

彩色图像的边缘检测算法有很多;但检测结果仍存在细节丢失、抗噪性差的问题。提出一种新的彩色图像边缘检测算法。首先,在RGB空间下,采用矢量梯度算法,分别在三个通道中求出像素的梯度值。然后,采用自适应双阈值算法,对梯度值进行判断,筛选出图像的边缘点。最后,只采用筛选后的边缘点的信息,构造新的模糊矩阵的隶属函数,从而形成新的模糊算法。利用该算法,检测出最终的图像边缘信息。实验证明,该算法得到的图像检测结果,不仅对比度高、边缘连续、细节保存完整;而且具有较强的抗噪性。     

彩色图像的边缘检测

彩色图像的边缘检测算法有很多,但检测结果仍存在细节丢失、抗噪性差的问题。本文提出一种新的彩色图像的边缘检测算法。首先,在RGB空间下,采用矢量梯度算法,分别在三个通道中求出像素的梯度值。然后,采用自适应双阈值算法,对梯度值进行判断,筛选出图像的边缘点。最后,只采用筛选后的边缘点的信息,构造新的模糊矩阵的隶属函数,从而形成新的模糊算法。利用该算法,检测出最终的图像边缘信息。实验证明,该算法得到的图像检测结果,不仅对比度高、边缘连续、细节保存完整,而且具有较强的抗噪性。     

基于灰度插值直方图线性化的医学MR图像处理设计与实现

为了解决医学MR图像边缘模糊、亮度不合理和噪声抑制效果不好等问题,提出了一种灰度插值直方图线性化算法。该方法先对含混合噪声的医学MR图像进行直方图线性化处理,抑制部分噪声,使亮度达到合理的范围,进一步将得到的结果进行多项式插值运算,消除象素块间的灰度差异,使图像达到层次清晰。仿真实验结果表明,该算法获得的图像亮度、峰值信噪比的值和结构相似性指数指标均最大,其中,峰值信噪比值高出其他方法约为1.6～3.2 dB,结构相似性指数指标高出其他方法约为5%～7%。该方法可有效地降低噪声,较好地保持了医学MR图像边缘和细节信息,其效果明显优于自适应直方图均衡化和直方图局部线性化等方法。