平移不变自适应块阈值图像去噪算法

为有效抑制图像阈值去噪产生的伪吉布斯现象,提出了平移不变自适应块阈值图像去噪算法(ABTTI).即,首先在小波域中将小波系数分成子块,然后利用块平移不变性、块阈值自适应性,并采用本文提出的基于子块能量的自适应阈值方法计算分块阈值.利用3种经典测试图像,与软阈值、块阈值等算法进行对比,结果证明ABTTI算法不仅具有好的去伪影性能,而且可以获得更高的峰值信噪比和计算效率.     

基于标准差的图像分块自适应压缩方法

针对传统小波变换缺乏必要的方向性和Contourlet变换给图像造成空间冗余性的缺点,提出一种基于标准差的图像分块自适应压缩方法.该方法首先将图像分成大小为N?N且互相分离的若干子块;然后计算各子块的标准差,通过各子块标准差确定阈值,根据子块标准差与阈值大小自适应选取小波变换或Contourlet变换;最后在编解码段,通过引入快速排序算法对SPIHT编码LIP列表中的像素值进行递归排序,进一步提升了编码效率.实验结果表明,本文方法融合了小波变换和Contourlet变换的各自优点,在保证重构图像拥有较多纹理信息的同时降低了Contourlet变换产生的空间冗余性,并且使重构图像的峰值信噪比在一定程度上有所提高.     

基于改进自适应阈值局部三值模式的遥感图像分类

遥感图像背景复杂,存在光照变化和噪声干扰,导致图像分类准确率不高。针对该问题,在计算邻域像素离散度的基础上,通过对其施加不同权重以细化阈值范围,提出一种改进的自适应阈值局部三值模式(ATLTP)纹理特征提取算法,以提高遥感图像分类精度。首先,对原始遥感图像进行灰度拉伸预处理以增强图像对比度;然后,采用改进自适应阈值局部三值模式提取遥感图像的纹理特征;最后,利用支持向量机对遥感图像进行分类。在标准遥感图像数据集中稀疏建筑物和密集建筑物分类的实验结果表明:采用改进后的局部三值模式纹理特征对遥感图像进行分类的性能要优于传统的局部三值模式,验证了改进算法的有效性。     

CVS中基于块分类的自适应阈值调整组稀疏重构

针对基于结构相似性的帧间组稀疏表示重构(SSIM-InterF-GSR)算法在重构平稳区域时未能充分利用高质量重构的关键帧信息,且稀疏化处理阈值的数值设置不合理的问题,提出了基于块分类的自适应阈值调整组稀疏重构(BC-ATA-GSR)算法。首先,根据块内物体运动状态分类图像块并分配合理的参考帧,以提高视频序列平稳区域的重构质量;然后,根据采样率以及图像块种类自适应设置稀疏化初始阈值,以保留足够的结构信息;最后,提出了迭代阈值梯度缩减方案,以便在提升迭代后期重构质量的同时也加快迭代收敛速度。与SSIM-InterF-GSR算法相比,BC-ATA-GSR算法取得了更好的重构质量,重构QCIF和CIF视频序列的平均PSNR分别最高提升了3.77、2.28 dB,时间复杂度最多下降了42.08%。     

基于统计学的老电影斑点自适应检测方法

传统基于ROD的斑点检测算法在对不同帧或当前帧的不同区域进行检测时,所采取的阈值是固定不变的,缺乏自适应性,同时也在很大程度上影响了检测效果.为了解决上述问题,提出了一种基于统计学的自适应阈值检测方法.传统检测方法仅计算各孤立点之间的灰度级差异,而该算法则是计算各点邻域块内的灰度级差异,同时利用阈值迭代及帧间的统计特性的方法来确定每一帧图像的最优阈值,提高了算法的自适应性.仿真实验结果表明,该算法的斑点检测效果比传统方法更加准确,自适应性也更高.     

自适应阈值局部特征融合的人脸识别

针对局部二值模式(local binary pattern,LBP)提取图像纹理特征时阈值不能自适应以及缺少方向信息的问题,文章提出了一种自适应阈值局部特征融合的人脸识别算法。首先对原始人脸图像进行分块处理,提取每个子块自适应阈值均匀模式的局部二值模式(uniform local binary pattern,ULBP)特征和局部梯度编码(local gradient coding,LGC)特征;然后,将2种局部特征串联在一起融合为1种特征,得到每个子块的直方图特征,把每个子块图像的信息熵作为直方图加权系数,将所有子块图像的直方图乘以各自的加权系数,连接得到整幅人脸图像的直方图特征;最后用支持向量机(support vector machine,SVM)分类器进行识别分类。在ORL、Yale、FERET(be、bj、bf子库)人脸数据库上进行试验,该人脸识别算法分别得到了99.0%、98.7%、87.5%、93.0%、88.5%的识别率,正确识别率较高,算法对其他纹理分类、目标识别也具有一定的参考价值。     

一种改进的指纹识别算法与研究

提出了一种改进了的指纹图像增强算法和指纹图像二值化算法—分块阈值法.分块阈值法利用了固定阈值算法的思想对图像中的每一小块确定一个大致范围的阈值,然后利用区域自适应的思路对设定阈值进行适当的调整,即当阈值的取值范围合适时,指纹图像的纹线是平滑的不会有黑洞的出现.通过实验证明这种算法能够很好的去除块效应,使得处理后的指纹图像边缘更平滑.     

基于K-SVD 字典学习的岩心图像压缩感知重构

针对传统方法进行岩心图像压缩感知重构时,在低码率下容易产生细节丢失的问题,提出一种基于 K-SVD( K-Singular Value Decomposition) 超完备字典学习的压缩感知重构算法。首先根据分块压缩感知理论,将 岩心图像分块,采用高斯随机矩阵对相应层级的图像块进行观测,得到对应的观测值块,然后用MMSE ( Minimum Mean Squareerror Estimation) 方法获得初始解的估计并利用提示小波进行滤波,通过全局阈值的思想 得到自适应阈值,最后利用K-SVD 字典结合Landweber 迭代实现压缩与重构。实验结果表明,与传统方法相 比,在相同的采样率下获得的重构图像能较好地保留岩心图像的纹理信息,重构岩心图像的PSNR( Peak Signal to Noise Ratio) 值提高约0． 1 ～ 0． 8 dB。     

基于改进FCM算法的SAR图像分类

目的改进模糊C-均值FCM算法,并对SAR图像进行粗、细分类。方法对FCM算法从初始聚类中心、隶属度约束条件两个方面进行改进,并提出对SAR图像的粗、细分类。首先利用改进的FCM算法对图像进行聚类,然后在隶属度矩阵中设定阈值,对小于阈值的像素块进行进一步细分类。结果得到并验证了改进的FCM算法,该算法对图像进行分类的分类精度比传统的FCM算法要高。结论本算法既可以保持较高的精确度,又可保证较快的计算速度。     

一种改进的自适应阈值分块曲面滤波方法

针对传统的分块曲面滤波算法使用固定阈值进行滤波时造成的误分现象,提出了一种改进的自适应阈值分块曲面滤波算法.首先采用高斯滤波以及K-D树(K-dimensional树)滤波对异常点云进行剔除;然后利用网格法对点云进行逐级分块,并以曲面拟合的方式自动获取块域种子点,降低种子区域过大造成的滤波影响,从而建立了顾及块域面积及块域内最大高差两个因素的滤波阈值自适应模型.利用3组不同的数据对传统算法与改进算法进行滤波对比试验,结果表明改进方法不仅解决了人工选取种子点带来的问题,还能有效降低两类误差,充分验证了改进算法的可靠性.     

基于误差阈值的分形图像压缩

对简库恩的基本分形图像压缩算法进行了改进·从减少不必要的计算量入手,提出基于误差阈值的分形图像压缩算法·首先给定一误差阈值,然后计算子块与父块间有限个对应像素点之间的灰度误差累计和,得到超过误差阈值的最大计算次数,据此找到与子块最相似的父块,达到图像压缩的目的·实验表明,该算法能明显缩短图像压缩的时间,而信噪比和压缩比变化不大·     

一种新型改进四叉树方法在分形图像压缩的设计与实现

详细阐述了Jacquin和Fisher的两种分形图像压缩方法,基于Fisher的自适应四叉树,提出了一种新型改进四叉树搜索方法.该方法根据值域块的几何特征分类来选择合适的匹配块,通过区域相关的快速搜索与四叉树方法相结合,并利用VC6.0开发工具加以验证与实现.实验结果表明,与Fisher方法相比,在同类图像压缩和重构中,新型改进四叉树方法压缩时间缩短,压缩比和PSNR得到较大的提高.     

窄带宽环境下JPEG2000图像频域压缩方法研究

以往研究出的JPEG2000图像频域压缩方法,大多无法在窄带宽环境下实现高水准的压缩。因此,提出高水准的窄带宽环境下JPEG2000图像频域压缩方法。该方法选取EBCOT方法作为JPEG2000图像频域压缩编码方法,主要利用EBCOT方法对有损压缩进行研究。EBCOT方法的有损压缩编码流程分为块编码和分装,块编码对JPEG2000图像频域采样进行色彩变换的预处理操作,预处理后的频域采样码流将进行用户兴趣点标记、码流切分和编码,生成块摘要。分装是对块摘要进行切分、编码和分配装入,实现窄带宽环境下JPEG2000图像频域压缩的过程。经实验结果分析可知,所提方法能够实现高水准的图像频域压缩,解决图像信息收发难题。     

一种新的在图像压缩中的适度分层阈值法

从图像本身的统计特性出发,利用小波包对图像进行多层分解,提出适度分层阈值法,并将适度分层阈值法与分层阈值法对相同的图像进行对比实验.结果是,适度分层阈值法有效克服了DCT在图像压缩中存在的"方块效应",并且比分层阈值法对图像进行压缩更能达到较好的压缩效果.     

一种基于灰度评价的图像分块压缩算法

针对分形图像压缩算法中匹配定义域块搜索存在的速度慢,只是局部最优的缺点,提出了一种基于灰度评价的图像分块压缩算法,即用灰度评价的方法来区分图像,同时,对映射集增加对比度和亮度的约束,从而大大提高了图像的可分性,压缩比和压缩速度,最后,用随机迭代的方法完成图像的解码,保真效果良好。优化了分形图像压缩编码方法。     

图像压缩算法的研究

采用自适应子带分解方法对原始图像经过基于提升算法的小波变换后进一步分解,对分解后的码块采用自适应相对距离最近阈值法将局部块划分为4类（平坦、过渡、弱纹理和强纹理）,对平坦局部块进行向量量化编码,对其余局部码块使用改进的位平面编码从而提高压缩比和编码效率．     

基于DCT域采样和重建的低码率图像压缩算法

本文构建了一种基于DCT域采样和超分辨率(Super Resolution, SR)重建的低码率图像压缩编码算法。在编码端对原始图像进行分块离散余弦变换（DCT）,并提取每个DCT系数块的低频系数,然后再反变换到空间域,从而得到在DCT域下采样的低分辨率（Low Resolution,LR）图像块。用JPEG标准对下采样图像块编解码后,采用基于学习的方法恢复DCT域高频系数,重建出高分辨率（High Resolution, HR）的图像。实验结果表明,在码率较低的情况下,本文算法比JPEG编码标准具有更好的率失真性能;同时,在相同码率下,本文算法重建的解码图像视觉效果更好。     

基于矢量量化的贝尔原始数据压缩算法

提出了直接对贝尔原始数据进行矢量量化压缩的算法。首先把贝尔CFA图像从RGB色空间转换到YCrCb色空间,然后用分块法对图像进行矢量块分割,最后用训练好的码书对每一矢量块编码,实现对贝尔原始数据的压缩。采用改进的LBG算法训练码书,并对得到的码书用合并法进一步优化,最终得到性能优良的码书。实验结果表明,笔者提出的压缩算法带来的失真很小,压缩的比特率很低,且插值后恢复的全彩图像在主观视觉和客观质量评价中都能获得令人满意的效果。     

区域选取与差异图融合的目标变化检测方法

针对现有目标变化检测方法用于高分辨率可见光图像时,未能有效利用图像的局部特征,目标误检率高。提出了一种区域选取的目标变化检测方法。首先利用整体变分算法获取两幅源图像的结构图,并将两幅源图像与两幅结构图进行分块;然后通过计算得到两幅结构图相同位置块的熵值差和两幅源图像相同位置块的结构相似度,并将两者分别与各自阈值比较以确定出存在变化目标的图像块;最后将存在变化目标的图像块的对数比差异图与均值比差异图进行融合,并对融合后的图像进行形态学处理,得到最终的目标变化检测结果。结果显示,与阴影补偿方法相比,算法的目标目标漏检率降低了36%,伪目标率降低36%,数据表明该方法能够准确的检测出真实变化的目标,较好地排除了伪目标。