基于Mean Shift的大车车型分类特征提取

针对车流量大的多车道路面,从可实现的角度出发根据统计分析提出了以车体结构区间和颜色为基础的3个能有效区分大客车和大货车的特征,并提出了一种以Mean Shift与抗干扰边缘检测相结合的特征提取方法.该方法首先在色度域和空域的5维联合空间中用Mean Shift进行图像分割,然后以分割所得区域的边缘提取结构区间的分界线,进而获得特征的表示.实验结果表明,该方法能有效克服由反光和运动而导致的车体颜色失真和边缘模糊的现象,特征提取率超过90%,因此该方法鲁棒性强、准确率高.     

一种有效的去除图像混合噪声的算法

提出一种有效的去除图像混合噪声的算法.该方法包括空间域的脉冲噪声去除和小波域的高斯噪声去除两个阶段.空间域的脉冲噪声去除利用一种加权平均的同组滤波算法进行,完成图像初始滤波;小波域的高斯噪声去除则利用NeighShrink阈值化方法对小波系数进行收缩,其中,为了提高峰值信噪比和增强视觉效果,修正了NeighShrink方法中小波系数的收缩因子.最后,对所提算法进行了仿真研究,仿真结果表明所提算法能有效去除图像中的脉冲和高斯混合噪声,并较好地保存了图像细节.     

一种基于图像细节保持的空间色域映射算法框架

鉴于逐点色域映射在图像细节保持方面及空间色域映射在光晕抑制方面的缺陷，本文利用自引导滤波在图像细节提取和光晕抑制方面的特性，提出了一种既能有效保护图像细节又能消除滤波光晕的空间色域映射算法框架.详细分析了引导滤波参数对映射图像细节再现的影响，进而确定了算法框架中的最佳滤波参数设置，还针对分层映射的特点修正了框架中的CUSP和HpMinDE逐点色域裁剪算子.评价实验证明:新算法无论在图像偏好性还是复制准确性方面，都要明显强于其他两种同类型算法以及经典的优化迭代类算法.通过对光晕测试标准图像的映射试验，比较了本文算法与其他细节保持类算法所产生的光晕效果，验证了新算法在光晕抑制方面的优越性.      

基于仿射投影的光线空间插值方法

为有效处理不同视点图像中对应区域的不同形变和噪声污染,提高所绘制的视点图像的质量和速度,提出了一种基于仿射投影的光线空间插值方法.该方法首先利用尺度不变特征变换进行特征检测和图像配准,计算出相应图像对之间的仿射变换矩阵,然后利用仿射变换投影进行光线空间插值,并在小波变换域绘制出虚拟视点图像.实验结果表明,采用文中方法绘制的虚拟视点图像的峰值信噪比和计算时间均优于传统的块匹配插值和视差域滤波插值方法.     

一种基于Rb-K平均带宽设定的点带宽可变的Mean Shift算法

Mean shift是一个用在图像滤波、图像分割中的迭代过程．传统的Mean shift在迭代过程中每一个点的带宽是固定不变的,现有的Mean shift没有考虑迭代点带宽可变的情况．提出一种新的迭代点带宽可变的Mean shift,即每一个点在迭代过程中带宽是变化的．对传统方法和迭代点带宽可变方法进行比较,并对迭代点带宽可变方法进行评价,迭代点带宽可变方法在细节处理方面有好的效果．     

融合边界条件的电阻抗图像重建仿真研究

结合成像目标的边界结构信息,提出一种新的改善电阻抗图像重建质量的方法.在生物医学电阻抗断层成像中,将传统采用圆形场域的重建模型改进为与人体胸腔边界近似的八边形场域,建立正问题数学模型,求解得到灵敏度系数矩阵,经等位线滤波反投影算法获得感兴趣区域的仿真分布图像.针对成像目标在场域中的不同分布情况,采用面积占空比对两种重建模型下的成像效果进行评价.图像及数据分析结果表明,改进方法重建图像伪影明显减少,面积占空比也更接近真实分布,提高了图像空间分辨率,达到了改善电阻抗重建图像质量的目的.     

非参数Mean Shift方法在计算机视觉中的应用

Mean Shift算法是一种密度梯度的无参数估计方法,是目前为止特征空间分析的最好技术之一;介绍了核密度估计技术,讨论了核函数的构建方法及窗口尺度的合理选择准则,给出了通用Mean Shift算法的原理及算法步骤;阐述了对Mean Shift图像滤波与图像分割的思路;通过数据聚类实验,展示了MeanShift算法的有效性。     

基于空间特征联合核稀疏表示的脑肿瘤提取方法

为了提高融合多序列MR图像应用于脑肿瘤提取时分割区域的准确性,基于核稀疏表示分类方法,联合多序列MR图像中的空间结构和灰度特征信息,提出一种空间特征联合的脑肿瘤核稀疏表示分类方法.首先构建各个类别的子字典,再用邻域滤波核稀疏表示方法对多序列脑MR图像进行分类,该邻域滤波核可以有效地将灰度特征与空间结构结合起来提高脑肿瘤提取的准确性.对国际数据库MICCAI Bra TS提供的临床和仿真数据进行分割.结果表明:与稀疏表示分类方法相比,所提出的基于空间特征联合核稀疏表示的脑肿瘤提取方法由于增加了空间结构信息,所得的提取准确率提高了5%~6%.     

基于高光谱影像的SG滤波算法的研究

高光谱遥感是当前遥感技术发展前沿,已经被成功应用于农业、水利、交通等许多领域.高光谱遥感影像中不仅存在空间域噪声而且存在光谱域噪声,传统的图像滤波只能对图像空间域噪声进行处理,而不能去除光谱域噪声.为了改变这种状况,本文提出了一种Savitzky-Golay(SG)滤波改进算法,诊断光谱域噪声.本文主要以航空高光谱遥感数据为研究对象,基于最小二乘的SG滤波求取反射率光谱的二阶导数,然后对影像进行噪声去除,该方法在保证有效去除光谱域噪声的同时,保留高光谱图像的大部分的细微特征.与其他不同的光谱域噪声滤波方法进行对比,实验证明本文的滤波方法是一种较为有效的手段.     

一种基于能量分布特性的小波去噪算法

目前对于保持图像细节、滤除噪声,普遍采用空间域、频率域滤波．在空间域滤波,尽管能够有效地限制噪声,但是同时模糊了图像细节．因此,在频率域滤波的方法越来越引起关注．在小波频率域中,我们常常采用Donoho阈值方法处理小波系数来以此去除噪声,保留图像细节,然而该方法同时也一定程度上模糊了图像细节．小波变换具有良好的时、频局部化性能,图像经过多级小波变换得到不同分辨率的子图个数,各高频子图上的小波系数具有相似的能量统计分布特性．也就是说随着分解层数的增加,分辨率最低子图的小波系数范围最大,而高分辨率子图上大部分数值接近于0．因此,该文提出了一种新的基于能量分布特性的小波去噪算法(WCED)．