基于区域对比度的图像清晰度评价算法

高效、准确的图像清晰度评价是实现自动调焦的关键。在分析了现有图像清晰度评价方法优缺点的基础上,提出了一种基于图像区域对比度的清晰度评价新方法,建立和分析了评价函数的数学模型,并对航空摄像机采集的系列图像进行实验和仿真。与其他算法比较的结果表明:该方法具有精确度高、对比度明显等优点,能够应用于实际的图像清晰度评价和自动对焦中,克服了单纯依靠计算灰度差带来的不足,具有较高的实用性和可靠性。

基于区域对比度增强的二值化算法

降质文档图像二值化问题是图像处理领域的一个难点。该文通过分析图像不同区域灰度对比度的差异,为降质文档图像提出了新的二值化算法。首先利用四叉树原理自适应划分区域,再对不同灰度对比度区域采用不同对比度增强法以调整局部区域内的灰度对比度,最后根据灰度值出现的频率确定局部阈值。该文测试了随机拍摄的降质图像及DIBCO(Document Image Binarization COntest)图像集中的50幅图像。与4种经典算法比较,所提算法处理的降质图像具有最高F-measure值和峰值信噪比(PSNR值)。

基于区域对比度和SSIM的图像质量评价方法

在诸多图像质量评价方法中,结构相似度(SSIM)算法简单高效,准确性较高,但SSIM模型不能很好地评价存在局部失真和交叉失真类型的图像。针对SSIM算法对图像不同区域平等对待的不足并考虑了时域人眼视觉特性,提出一种改进的基于区域对比度和结构相似度(RCSSIM)的图像质量评价方法。该算法将图像区域灰度信息对比度与SSIM算法融合,加权归一为参考图像与失真图像的对比度结构相似度值,以其评价图像质量。在LIVE图像数据库上的实验结果表明,与SSIM算法相比,RCSSIM评价结果的皮尔逊线性相关系数提高约0.015,均方根误差减小约0.55,更接近于人眼主观测试结果,具有更好的评价性能。

图像边界检测区域对比度模糊增强算法在轮廓提取中的运用

分析了图像边界检测的区域对比度模糊增强算法的特点 ,通过实验验证了该算法的正确性和可行性 ,并指出了算法的一些不足之处和待改进的地方 ,提出了一种适用轮廓提取的新广义算子。

基于深度信息和区域对比度的立体图像显著性区域检测

为了确保现有的彩色图像的显著性模型可以应用于立体图像,提供一个扩展框架,融合彩色图像和深度图像产生的显著图最终得到立体图像显著性结果。其中,前者利用现有的彩色图像显著性检测算法,后者使用基于本文提出的基于区域对比度的深度图像显著性检测算法。此外,还提出一种基于立体图像显著性检测双层模型,从两个层面综合考虑了颜色信息、深度信息及其相关性。实验表明,本文的模型可以简单高效的在立体图像中精确定位显著性对象,并且提高了检测算法精确率和召回率。

非采样Contourlet域内的区域对比度图像融合

针对传统的基于小波对比度图像融合方法的不足,结合非采样Contourlet变换的优点提出了一种新的基于非采样Con-tourlet变换的区域对比度图像融合方法。该方法对图像经非采样Contourlet变换后得到的低频分量采用基于区域能量的自适应加权融合;高频分量结合人眼的视觉特性,提出了一种新的基于区域对比度的加权与选择相结合的融合方法。通过非采样Con-tourlet变换的逆变换得到融合图像。实验结果表明,该融合方法较传统的方法具有更强的获取细节信息的能力,其融合效果优于传统的图像融合算法。

基于区域对比度和背景先验的显著目标检测

针对现有算法对复杂背景的图像检测效果较差的问题,提出融合区域对比度和背景先验的显著目标检测算法。首先利用超像素分割将图像分割成感知均匀的图像块,然后根据区域对比度计算全局对比度特征和空间聚集度特征,再根据背景先验得到背景集,计算图像块与背景集间的相似性特征,接着对三个特征显著图进行融合计算,最后根据每个像素与周围超像素的颜色和距离对比度得到每个像素的显著值。实验结果表明,所提算法能较均匀高亮整个目标且有效抑制无关背景信息。

基于候选区域对比度的显示屏缺陷检测方法

显示屏在生产、组装过程中易出现多种类型的缺陷,传统的人工检测方法工作量大,主观性强,检测标准难以量化,误判率高。为此,提出一种使用折线阈值对候选区域对比度进行阈值判断的显示屏缺陷检测方法。通过计算候选区域对比度来检出点状、块状、Mura缺陷,候选区域对比度的计算方式克服了显示屏亮度不均匀产生的影响,使用折线阈值对候选区域对比度进行阈值判断,提高了低对比度Mura缺陷的检测精度。

基于SWT区域对比度像素提取的多聚焦图像融合

在多聚焦图像融合算法中,针对多分辨率系数融合法无法提取源图像清晰像素点和分块法存在的块效应的现象,从多聚焦图像清晰像素点和人眼视觉对比度的特征出发,利用平稳小波变换(SWT)的非下采样性和平移不变性,定义基于SWT的图像像素点区域对比度作为提取像素点的依据,在研究区域对比度邻域大小对像素点提取影响的基础上,设定适合的阈值建立提取模板,对多聚焦源图像中清楚区域的像素点进行提取,并对小部分未能提取的像素位置采用基于局部能量策略进行融合。仿真实验结果表明,新算法既有效地提取源图像的清晰像素点,又改善了块效应现象,融合效果有了很大提升。

基于对比度 区域均匀性图分析的综放工作面上隅角瓦斯超限预警算法研究

综放工作面上隅角通风困难,瓦斯难以有效排出,容易导致瓦斯积聚。当浓度达到一定程度时,容易诱发瓦斯超限事件甚至瓦斯爆炸事故,对井下作业人员和设备造成严重威胁。为应对此问题,提出了基于对比度区域均匀性图分析的综放工作面上隅角瓦斯超限预警算法。该算法使用时空克里金插值法,构建综放工作面上隅角瓦斯数据点插值模型,利用综放工作面已知数据,获取瓦斯采样点的信息,根据时空变异函数、时空协方差函数表征各采样点间的时空相关关联性,估计瓦斯未知采样点的时空信息,利用马特隆模型拟合所有采样点,以得到综放工作面上隅角瓦斯对比度区域均匀性图,通过此图明确综放工作面上隅角瓦斯浓度,通过评估标准确定其风险等级,进而启动相应的防范措施。实验结果表明,对比度区域均匀性图分析可准确预测上隅角瓦斯浓度及其变化特征,且预警精度高。

一种基于局部方差的图像低对比度区域判定方法

根据图像低对比度区域的特点,基于局部方差的自适应理论提出了一种判定图像低对比度区域的方法。通过给局部方差设置一定的阈值和合适的比例,调节低对比度区域的大小。实验结果表明,该方法实现了对图像低对比度区域的有效判定,为图像处理带来了便利。

基于SLIC超像素分割显著区域检测方法的研究

近年来,图像显著性区域检测已经成为图像处理与分析的热点领域,RC方法是这一领域较为出色的算法之一,然而该方法存在预分割方法不精细、区域显著值分配误差较大等缺陷。为了解决上述缺陷以获得更好的显著图,文中提出了一种基于SLIC超像素分割的显著区域探测方法。该方法首先利用Mean Shift方法对输入图像进行平滑,接着利用SLIC超像素分割方法对平滑图像进行分割,然后通过改进RC方法并引入CA方法中的上下文信息特征对分割区域进行融合,最后通过区域显著值分配得到最终的显著图。实验结果表明,对比RC方法,文中所取得的显著图效果在边缘信息以及背景处理方面都有着明显的提高。在正确率和召回率2个指标上也明显优于RC方法。

图像显著性区域检测:一种多层次融合的方法

图像中的显著性区域是图像中具有特殊特征的区域,由于不同特征甚至不同方式提取的相同特征都可以从不同方面反映图像的显著性,因此提出一种多层次融合的图像显著性区域检测方法.该方法首先在底层上融合图像的区域颜色特征、区域纹理特征和区域空间相干性得到区域对比度图,然后根据中心先验和颜色先验生成高层先验图并将其与区域对比度图进行融合得到初步的显著性图,最后在尺度空间上融合各个尺度下的初步显著性图得到具有各个尺度显著性图特点的最终的高质量显著性图.由于该方法同时考虑了不同特征的区域对比度、空间相干性、高层先验知识、尺度空间等多层次信息,所以在国际上现有最大的公开测试集上的测试结果表明,与现有显著性区域检测方法相比,所提方法具有更高的精确度和更好的召回率.

融合区域对比与稀疏低秩的显著性检测

针对传统显著性检测方法在目标高亮和背景抑制等方面存在的问题,文中提出一种融合颜色区域对比与稀疏低秩的方法.采用超像素分割方法对原始图像进行分割,形成若干超像素块;结合图像颜色特征、纹理特征以及空间位置的独特性分别计算区域间的对比度,并对其进行融合得到初始显著图;利用稀疏低秩分解对初始显著图进行背景非显著信息的抑制,得到最终显著图.实验结果表明,文中方法能够均匀的突出显著目标,并有效抑制背景信息;在MSRA数据集上与其他6种方法进行对比实验,具有更好的准确率和召回率.

改进图割的显著性区域检测算法

为快速准确地提取图像中的显著性区域,提出一种改进图割的显著性区域检测算法。采用改进的图割算法对图像进行预分割,将图像分成若干子区域,在此基础上利用区域间对比度计算各区域的显著性值,得到图像的显著图,利用迭代阈值分割算法对图像显著图进行分割处理,通过图像去噪完整有效地提取出显著性区域。实验结果表明,该算法能够准确地提取出图像中的显著性区域,与传统方法相比,使用该算法提取出的显著性区域更完整、准确,提高了效率。

利用图像对比度进行显著目标检测

为了对复杂自然场景中各类显著目标进行准确的检测,提出了一种基于图像对比度的检测方法。首先利用全局对比度算子对图像进行检测得到全局对比度显著图,再利用局部对比度算子进行检测得到局部对比度显著图,对局部对比度显著图再做边缘处理和形态学膨胀,然后用全局对比度算子对其紧凑化得到最后的局部对比度显著图。融合全局和局部对比度显著图并加入一定的先验知识得到最后的显著目标图。实验表明该方法性能超过了现有大多数显著目标检测方法。

基于改进Fast MBD显著性检测和多特征融合匹配的靶纸区域快速检测算法

为了解决基于机器视觉的自动报靶系统快速、准确定位靶纸区域的问题,通过对靶纸图像的颜色和形状特性分析,提出一种基于改进Fast Minimum Barrier Distance显著性和多特征匹配的靶纸区域快速检测算法;该算法在原始Fast Minimum Barrier Distance显著区域提取算法的基础上,引入局部区域对比度先验和形状先验作为显著性区域提取的补充准则;同时,为了判断提取到的区域是否包含靶纸,再引入多特征匹配算法;首先,分别对图像边界连通先验、局部区域对比度先验和形状先验进行量化,形成距离图、对比度图和形状图,再结合三者分割出显著性目标区域,然后提取分割出的各目标区域的多种特征,并将其进行特征融合,最后利用1-范式将得到的目标特征与模板特征进行匹配,把匹配结果小于阈值的目标视为靶纸;在400张包含靶纸图像数据集上的实验结果显示了该算法的有效性;同时,在华为海思平台上,该算法处理速度能达到30帧/秒,足以证明该算法的实时性。

基于非下采样轮廓波变换和直觉模糊集的红外与可见光图像融合

针对传统图像融合方法造成的边缘模糊、细节损失、图像对比度与清晰度容易降低等问题,利用非下采样轮廓波变换,提出一种基于直觉模糊集和区域对比度的红外与可见光图像融合算法.首先,使用非下采样轮廓波变换将源图像分解,分别得到源图像的高频和低频成分.其次,利用直觉模糊集灵活准确描述模糊概念的特性,构建双高斯隶属函数对低频成分进行融合;利用区域对比度详细描述图像纹理信息的特点,采用多区域特征对比度结合距离分析的融合规则,对高频成分进行融合.最后使用非下采样轮廓波逆变换得到融合图像.实验结果表明,与其它融合算法相比,该算法提高了图像对比度,保留了源图像中的边缘和细节信息,且得到的融合结果具有更优的客观评价值.

基于支持向量机分类策略的多晶硅电池片色差检测

针对复杂颜色和纹理特征条件下,多晶硅电池片上的色差检测问题,提出了一种基于支持向量机分类策略的多晶硅电池片色差检测方法。首先对预处理后电池片图像进行颜色模型转换和通道分离,利用Otsu方法对单通道图像进行阈值分割处理,并计算各阈值图像的区域对比度,然后根据区域对比度情况选择合适的阈值图像,利用阈值图像所提供的信息提取图像特征;最后使用支持向量机分类器来判别电池片是否存在色差缺陷。实验结果表明提出的色差检测算法可以实现多晶硅电池片色差高效检测,色差缺陷检测的准确度、误检率和检测时间分别达到96.88%,5%和109 ms。

基于伪魏格纳分布分解的合成孔径雷达图像目标与阴影分割

在二维魏格纳分布的框架内,针对魏格纳变换的交叉项问题和计算量大的问题,提出了合成孔径雷达图像局部伪魏格纳变换的目标和目标阴影的分割方法.首先,将合成孔径雷达图像进行二维伪魏格纳变换,得到各像素点的二维能量谱图;然后提取各像素点的二维能量谱图对应位置值形成多个不同频段的与原图像同大小的能量谱图;最后,对不同频段的能量谱图采用不同的处理方法后,将各能量谱图相加处理后形成区域标识图像,最终得到原图像的目标和目标阴影分割图像.本文利用该方法对MSTAR切片图像进行了分割试验,并对分割图像与频谱最大值距离或方位分割算法和基于双参量CFAR与隐马尔科夫联合分割算法进行了分割图像对比度对比.实验结果表明,采用本文算法的合成孔径雷达分割图像,对比度明显提高,且保留了目标图像细节.