基于模糊梯度的微齿轮图像边缘检测算法

提出一种基于模糊梯度思想的微齿轮图像边缘检测算法.该算法采用正切归一化函数对灰度图像模糊化,并计算该模糊图像的梯度矩阵;采用正弦函数对梯度矩阵进一步模糊化得到模糊梯度矩阵;采用基于归一化实数编码的遗传算法来搜索最优的阈值λ对模糊梯度矩阵做截集,获取图像边缘点集合.实验中以不同微齿轮图像作为实验对象,测试了该算法性能.实验结果表明,该算法的检测精度优于10μs,检测时间基本为1s,整体性能优于Canny算法和Pal-King算法.     

显微镜头下的美丽世界

显微摄影是一项同时具有趣味看到这些美妙的显微图像时会感到显微摄影比赛中,共有137件作品获性和科学性的活动,当人们用肉眼非常震惊。在近年尼康公司举行的奖,其中20件作品获得优胜奖     

基于改进的引导图像滤波和深度去噪自编码器的微弱目标跟踪算法

微弱目标易被周围环境中强烈的噪声干扰,为解决现有目标跟踪算法由于低信噪比导致跟踪准确度低的问题,提出一种将引导图像滤波器和深度去噪自编码器集成到粒子滤波器框架中的跟踪算法。通过引导图像滤波(guided image filter, GIF)算法对目标图像进行滤波处理,保留有价值的模板信息并使不准确的背景模板模糊,有效增强目标图像;通过改进的深度学习算法对深度去噪自编码器训练和微调,更好地适应目标外观变化;构造粒子分类器框架根据粒子重要性权重定位目标。实验结果表明,该算法在微弱目标跟踪准确度和抗干扰能力上优于多种现有主流跟踪算法。     

TV模型的结构纹理图像修复方法

针对TV模型无法修复纹理的现状,结合改进的TV方法,提出一种新的结构纹理图像修复方法.该方法首先获取待修复区域的纹理方向,然后将,TV模型在纹理方向上差分化求解.其保留了结构修复的特征,同时可以修复"Y"形甚至"X"形结构纹理缺失.实验表明,该算法能高效、稳定地处理破损区域的图像信息.     

基于色差分析的图像修复改进算法

逐块修复的图像修复算法对修复边缘敏感,目前普遍采用的基于等照度线的修复优先权确定方法并不能很好地区分图像的结构和纹理成分,使得修复效果依赖于图像掩码的初始边缘且对于纹理和结构高度混杂的区域不能有很好的修复效果.提出了一种基于色差分析的图像修复改进算法,根据待修复像素块与邻域像素块的像素值变化确定修复优先权.实验结果表明...     

一种新四维超混沌系统的分岔分析及应用

构建了一种新四维超混沌系统,研究该系统的分岔现象,利用信源加密的方式将新系统应用于图像加密领域.分析新系统的动力学特性及稳定性,运用非线性动力学理论对其进行研究,并设计线性控制器对时滞分岔点进行控制.将新系统与混沌加密算法结合应用到图像加密上,与行列置换加密算法相比较,验证其加密性能.MATLAB软件仿真结果表明:新系统发生超临界Hopf分岔且在时滞分岔点附近表现出不同的稳定性,受控系统的Hopf分岔点由0.6739延迟至0.7229;超混沌加密算法比传统加密算法具有更强的安全性和抗攻击性.     

基于多粒度生成对齐网络的行人重识别

针对行人重识别(re-ID)中背景簇、遮挡、视点变化和姿态变化等因素的负面影响,提出了一种新的算法,称为多粒度融合生成对齐网络(MLFGAN)．首先,提出身份(Identity, ID)不变的姿态标准化生成对抗网络(IIPN)来生成8种标准姿态的行人图像;然后,通过全局对齐网络实现图像对齐,利用局部对齐网络进行精细化行人匹配,用多粒度特征融合来整合不同粒度的信息,防止小尺度鉴别性信息丢失．MLFGAN能够有效地提取有区分性和鲁棒性的行人嵌入表示,其有效性在Market1501和DukeMTMC-reID等广泛使用的数据集上得到了清楚的验证．     

基于自适应阈值的三维图像多尺度边缘检测

目的研究三维图像边缘检测中边缘的定位精度问题,根据多尺度小波变换的方法,提出一种自适应阈值三维图像多尺度边缘检测技术。方法首先对三维医学图像分解成多幅二维图像,再对图像直方图滤波平滑处理,消除噪声的影响,然后对平滑后的直方图进行多尺度分析,找出直方图的谷点,以不同尺度下的谷点比较后自动确定精确阈值,按照阈值对图像分割,然后对分割图像进行边缘检测,最后将多幅二维图像合成三维图像。结果实验表明,该方法能够自动准确选择分割阈值,准确检测三维图像的边缘。结论算法能解决人工估算阈值不够准确的问题,所检测到的三维图像的边缘能够满足目标识别和三维重建的要求。     

基于特征点的数字图像配准

基于特征点的数字图像配准技术的重点在于如何提取图像上的有效特征点,通过Harris算子提取静止多线条图像的角点作为特征点,能有效解决图像配准过程中特征点数目少、配准精度难以保证的问题.仿真试验结果表明,该方法不但速度快,而且抗噪声性能好、精度高.     

数字图像边缘检测的模糊聚类研究

数字图像的边缘检测实际上是一类聚类的问题,这些边缘由许多线段、曲线或平面和曲面所构成,组成了不同的类属和分割的区域,可以用在机器人视觉的模型识别、军事目标识别等领域。模糊聚类法（包括模糊均值聚类法和模糊球壳聚类法）具有不必事先对数据中的边界特征信息了解太清楚的优点,为此通过实验对其进行了有益的探索。