基于傅里叶描述子的图像检索技术研究

物体的形状分析和识别是模式识别的重要研究方向,其中傅立叶描述子是其重要方法之一,归一化傅立叶描述子具有旋转、平移、放缩不变性和对起始点的选取不敏感的特点.利用傅里叶描述子对二值图像轮廓进行处理得到特征向量,在获得特征向量后,对待检索图像的特征向量和数据库中的图像用过使用相关系数的度量方法进行相似性比较.在P100数据库上进行实验,通过对实验结果进行分析,表明傅里叶描述子在图像检索准确率方面与保留傅里叶描述子点个数的多少有很强的相关性.     

基于深度学习的图像超分辨率重建方法综述

图像超分辨率重建(super-resolution, SR)是指从观测到的低分辨率图像重建出相应的高分辨率图像,在目标检测、医学成像和卫星遥感等领域都有着重要的应用价值.近年来,随着深度学习的迅速发展,基于深度学习的图像超分辨率重建方法取得了显著的进步.为了把握目前基于深度学习的图像超分辨率重建方法的发展情况和研究热点,对一些最新的基于深度学习的图像超分辨率重建方法进行了梳理,将它们分为两大类(有监督的和无监督的)分别进行阐述.然后,在公开的数据集上,将主流方法的性能进行了对比分析.最后,对基于深度学习的图像超分辨率重建方法进行了总结,并对其未来的研究趋势进行了展望.     

基于OTSU和Canny算子的红外图像特征提取

由于红外图像背景复杂、分辨率低等因素,在利用涡流红外热成像技术检测金属材料裂纹缺陷时,会导致红外图像裂纹缺陷区域模糊。为解决这一问题,提出一种基于大津法(OTSU)和Canny算子相结合的红外图像特征提取方法,用于解决红外图像分割、特征增强和裂纹缺陷区域边缘特征提取等问题。首先对获取的红外图像进行降噪处理,增强图像中的特征信息;然后用OTSU算法将裂纹区域从背景区域分离出来,并用Canny算子提取裂纹区域的边缘,最终获得裂纹边缘的周长和面积等特征信息。实验结果表明,该方法能准确定位红外图像裂纹区域,提取红外图像裂纹边缘特征信息。     

雨天图像中目标显著性检测算法设计与效果评价

雨天条件下,图像中目标的许多特征被掩盖,使得户外图像应用系统效能发挥受到严重的影响。为了提高雨天条件下图像中目标检测的质量,通过综合分析雨天图像中的目标特征,发现其亮度颜色信息、色彩差异信息和暗通道先验信息对目标的显著性具有高敏感度,进而提取了雨天图像中目标的显著性特征,构建了基于混合特征的目标显著性检测模型,最后通过多个评价指标的效能评估实验,与经典算法进行对比,验证了本文算法的有效性。     

千米级以上超大跨径桥上无缝线路梁轨相互作用分析及应用

千米级以上超大跨径桥梁已逐步应用于高速铁路建设,但桥上无缝线路更加复杂的梁轨相互作用给安全运营带来了新的挑战.温度作用下千米级以上超大跨径桥梁空间变形大,可能对其上无缝线路造成影响.常规分析模型无法充分体现温度对千米级以上超大跨径桥上无缝线路的影响.因此,以超大跨径公铁两用悬索桥为例,建立无缝线路-超大跨径桥梁空间耦合模型,不考虑风、车荷载的影响,分析温度作用下桥梁空间变形引起的梁轨相互作用变化规律.研究结果表明:由温度引起的钢轨纵向力除传统的基本温度力、伸缩附加力外,还包括温度作用下桥梁挠曲引起梁轨相对位移而产生的新附加力—"温度挠曲力".该力导致了梁轨相对位移及钢轨纵向力均发生了不同于普通桥上无缝线路的变化.在超大跨径桥上无缝线路中不存在传统意义上的"固定区",为此提出了有关"实际锁定轨温"测试与应用的新方法.可为千米级以上超大跨径桥上无缝线路的设计、建造及养护维修提供参考.     

多尺度 Ｒｅｔｉｎｅｘ 在图像去雾算法中的应用研究

针对单尺度 Ｒｅｔｉｎｅｘ(ＳＳＲ)图像去雾的算法效果不佳,探讨在图像去雾处理中多尺度 Ｒｅｔｉｎｅｘ (ＭＳＲ)算法去除浓雾、厚 雾的问题,并在 ＭＳＲ 基础上进一步对图像进行带颜色复原的 ＭＳＲ(ＭＳＲＣＲ)的处理。 首先采用二维傅立叶变换得到高斯滤波 函数,同时由逆傅立叶变换、卷积积分计算出图像的入射分量,再通过算法计算出图像的反射分量,最后通过低通滤波器得到 图像的高频分量后还原图像。 实验结果显示:与 ＳＳＲ 和 ＭＳＲ 算法相比,ＭＳＲＣＲ 算法能更好地去除图片中的浓雾、厚雾的影 响,提高带雾图片处理后的清晰度且效果明显。     

一种空间域自适应低失真防篡改图像数字水印方案

为提高嵌入水印后的图像质量,提出一种空间域自适应低失真防篡改图像数字水印方案。该方案的水印嵌入位置由混沌密钥确定,以使水印能均匀、随机嵌入到图像的各个部位;采用S LSB算法将水印嵌入到图像像素的次低位,使其能够抵抗一些非恶意的图像水印攻击。该嵌入算法下水印图像的峰值信噪比（peak signal to noise ratio, PSNR）由水印长度和混沌位置密钥决定。为提高水印图像的质量,在给定水印的情况下,自适应地调整水印位置密钥,使水印图像的PSNR达到给定的要求;为降低算法的运算量,快速完成混沌位置密钥的自适应调整,进一步提出分段自适应水印算法。实验表明,该算法能够获得满足应用需求的PSNR,且对一些常用篡改操作能给出篡改率和篡改位置。     

深度优先局部聚合哈希

已有的深度监督哈希方法不能有效地利用提取到的卷积特征,同时,也忽视了数据对之间相似性信息分布对于哈希网络的作用,最终导致学到的哈希编码之间的区分性不足.为了解决该问题,提出了一种新颖的深度监督哈希方法,称之为深度优先局部聚合哈希(Deep Priority Local Aggregated Hashing,DPLAH).DPLAH将局部聚合描述子向量嵌入到哈希网络中,提高网络对同类数据的表达能力,并且通过在数据对之间施加不同权重,从而减少相似性信息分布倾斜对哈希网络的影响.利用Pytorch深度框架进行DPLAH实验,使用NetVLAD层对Resnet18网络模型输出的卷积特征进行聚合,将聚合得到的特征进行哈希编码学习.在CI-FAR-10和NUS-WIDE数据集上的图像检索实验表明,与使用手工特征和卷积神经网络特征的非深度哈希学习算法的最好结果相比,DPLAH的平均准确率均值要高出11％,同时,DPLAH的平均准确率均值比非对称深度监督哈希方法高出2％.     

一种结合全局一致性与局部连续性的壁画修复方法

提出了一种全局一致性和局部连续性结合的壁画修复算法.主要利用线性系统和图像修复间所蕴含的关系,构建具有全局过完备特性的相似块集合字典,同时构造弹性网正则化下的稀疏修复模型,并用同伦-最小角回归法求解出过完备字典下的稀疏系数;通过字典与系数的线性组合,得到待修复区域的全局特征;之后提出一种基于领域相似特性的局部特征估计方...     

基于经验模态分解的粒子图像测速流场重构研究

为了消除PIV流场数据中的错误数据并降低误差,利用经验模态分解将PIV流场数据分解为多个本征模态分量,对波形异常的本征模态分量进行滤波处理,并将处理后的本征模态分量与其他波形平滑正常的本征模态分量进行反向叠加,有效实现了流场数据的重构和错误数据的消除。当分解得到的本征模态分量较多且错误数据集中在某一个本征模态分量时,可以通过求解各个本征模态分量与原始流场数据的相关系数,将与原始流场数据相关的本征模态分量进行反向叠加重构并摒弃与原始流场数据不相关的本征模态分量,实现错误数据的直接消除。利用本方法分别对2个人为添加误差为1.7%和3.3%的标准模拟流场进行了处理,处理后的流场数据误差分别为0.002%和0.18%。采用该方法对某实验的原始流场数据进行处理,结果表明错误数据得到了有效消除,流场特性更加清晰准确。本研究可为减小变化缓和的流场数据的误差提供一定的指导。