二阶各向异性高斯导数滤波器的斑点检测算法

针对目前斑点检测算法对斑点进行定位和描述斑点形状的能力不足等问题,提出了一种基于多尺度二阶各向异性高斯方向导数滤波器的斑点检测算法。二阶各向异性高斯方向导数(SOAGDD)可以很好的提取不同方向的图像信息,并且可以很好的应对噪声干扰,采用多尺度二阶各向异性高斯方向导数滤波器对输入图像进行平滑处理,对处理后图像进行区域极值计算。实验证明提出的方法在兴趣点检测的定位、检测到的兴趣点的形状描述和图像匹配方面具有优越性。

基于各向异性高斯滤波的暗原色理论雾天彩色图像增强算法

针对经典的暗原色理论算法在处理雾天图像时色调和亮度失真问题,提出基于各向异性高斯滤波的暗原色理论雾天彩色图像增强算法.首先通过容差机制对图像区域进行分割,根据阈值判断明亮和非明亮区域;然后引入各向异性高斯滤波,对透射率图像进行保边平滑处理;最后再一次引入容差机制,实现对透射率图像的再次修正,得到准确透射率图像,进而获得无雾的图像.主观观察和客观评价结果表明,在整体和细节方面,该算法比经典的暗原色算法有更好的处理效果.

基于各向异性高斯核的多尺度角点检测

Moravec角点检测是一种经典的角点检测算法,它认为角点是各个方向亮度变化足够大的点,但该算法不具有尺度变化特性。提出了基于各向异性高斯核的多尺度角点检测算法。利用小尺度高斯核定位准确,大尺度下抗噪声能力强的特点,对图像进行多尺度多方向分解;在每个尺度下,保留每个像素最小的幅度值,对其进行非极大值抑制。将小尺度下检测到的点作为候选角点;在大尺度下,观测候选角点的邻域内是否有极大值点出现,若存在,判定该点为角点,若不存在,将其剔除。与最著名Harris角点检测算法相比,新算法可以在不同尺度下获取角点,克服了单一尺度的Harris算法可能存在的角点信息丢失、角点位置偏移和易受噪声影响而检测出伪角点等缺点;在无噪或加噪条件下,新算法的检测性能有明显地提高。

利用各向异性高斯方向导数相关矩阵的角点检测方法

为了抑制图像边缘上的局部变化和噪声对角点检测的影响,提出了利用各向异性高斯方向导数自相关矩阵的角点检测算法.该算法首先利用Canny边缘检测器提取图像的边缘映射;然后用各向异性高斯方向导数滤波器对输入图像进行平滑,对每个边缘像素,利用它与相邻像素之间方向导数的相关性构造自相关矩阵;若边缘像素点的自相关矩阵所对应的归一化特征值的和是局部极大值,则标记该点为角点.与传统的基于轮廓的角点检测方法不同,文中提出的方法利用的是邻近像素的方向导数的相关信息,而不是轮廓曲线的曲率,因而具有更好的稳健性.实验结果表明:在无噪声和含噪声的条件下,该检测方法与已有的3种算法相比,平均配准角点数分别提高了7.4%和9.3%左右,平均定位误差分别降低了10%和15.2%左右.

边缘线上各向异性高斯核信息熵的角点检测

为了提高角点检测的准确率,提出了一种基于图像边缘和各向异性高斯方向导数信息熵的角点检测方法.首先利用Canny边缘检测器提取图像的边缘映射;然后,填充轮廓曲线间的小缺口.对于每一个边缘像素,根据边缘像素及邻近像素最大方向导数所对应的主方向来计算主方向的分布概率和它的信息熵.不同于传统的基于轮廓的角点检测方法,该方法通过计算边缘像素及邻近像素的最大强度变化方向所对应的熵来检测角点.相比计算轮廓曲线上曲率的方法,具有更好的稳健性.实验结果表明,与现有的方法相比,该文提出的检测方法具有更好的角点检测性能.

基于各向异性高斯方向导数滤波器的角点检测

为了改进噪声鲁棒性和定位准确性,利用各向异性高斯方向导数滤波器,提出多方向角点检测算法.该算法利用一组各向异性高斯方向导数滤波器对输入图像进行卷积处理得到各个方向的滤波器响应.对于每个像素点,利用它与周围邻近像素点的滤波器响应的相关信息构造局部自相关矩阵,然后根据自相关矩阵归一化特征值及像素点处各方向滤波器响应,作阈值处理和非极大值抑制处理判定像素点是否为角点.实验结果表明,在无噪声和噪声的条件下,提出的检测方法与各向同性高斯核函数的Harris算法相比,配准角点数均提高6.0%左右,具有更好的检测性能.

一种基于各向异性高斯核核惩罚的PCA特征提取算法

提出了一种基于各向异性高斯核核惩罚的主成分分析的特征提取算法.该算法不同于传统的核主成分分析算法.在非线性数据降维中,传统的核主成分分析算法忽略了原始数据的无量纲化.此外,传统的核函数在各维度上主要由一个相同的核宽参数控制,该方法无法准确反映各维度不同特征的重要性,从而导致降维过程中准确率低下.为了解决上述问题,首先针对现原始数据的无量纲化问题,提出了一种均值化算法,使得原始数据的总方差贡献率有明显的提高.其次,引入了各向异性高斯核函数,该核函数每个维度拥有不同的核宽参数,各核宽参数能够准确地反映所在维度数据特征的重要性.再次,基于各向异性高斯核函数建立了核主成分分析的特征惩罚目标函数,以便用较少的特征表示原始数据,并反映每个主成分信息的重要性.最后,为了寻求最佳特征,引入梯度下降算法来更新特征惩罚目标函数中的核宽度和控制特征提取算法的迭代过程.为了验证所提出算法的有效性,各算法在UCI公开数据集上和KDDCUP99数据集上进行了比较.实验结果表明,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法在9种公开的UCI公开数据集上准确率平均提高了4.49%.在KDDCUP99数据集上,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法准确率提高了8%.

GRACE时变重力场各向异性高斯组合滤波方法

受测量误差等因素影响,直接使用GRACE时变重力场模型的地表质量变化反演结果呈现严重条带噪声,必须采用滤波消除。本文对不同滤波方法进行了试验分析,以信噪比最大为准则,确定了不同滤波方法的最优滤波参数,并在此基础上提出了一种各向异性组合滤波方法。该方法根据时变重力场模型球谐系数误差特性,结合各向异性高斯滤波和均方根滤波特点,对精度较高的低次项系数采用较大权重以保留更多有效信号,而对精度较差的高次项系数采用较小权重以压制噪声。不同于传统的两步法组合滤波,该方法仅需进行一步滤波处理。试验结果表明,本文提出的各向异性组合滤波方法计算步骤简单,能够有效消除条带噪声;与单一滤波和传统两步法组合滤波方法相比,提高了反演结果信噪比,保留了更多真实信号。

基于各向异性高斯核方向导数滤波器的图像轮廓检测

针对图像轮廓检测中存在大量毛刺和虚假轮廓的问题,提出一种基于各向异性高斯核方向导数滤波器和图论方法的图像轮廓检测算法。利用各向异性高斯核方向导数滤波器提取图像中各个方向的变化信息,使用阈值化方法实现图像中轮廓的初始检测。将初始检测的轮廓转换成加权无向图表示,利用图论中提取最短路径的方法递归地将轮廓的无向图转换成最短路径的集合。最后,使用阈值化方法消除初始轮廓检测结果中的毛刺和虚假轮廓。将检测结果与现在广泛使用的Canny检测结果相比,该方法基本消除了真实轮廓附近的毛刺,大大减少了虚假轮廓,获得了更好的检测性能。

基于各向异性高斯核的角点检测

提出一种基于各向异性高斯方向导数滤波器提取图像粗轮廓检测角点的方法。首先利用多方向的各向异性高斯方向导数滤波器提取图像多方向的灰度变化信息,然后利用像素间梯度相关性提取图像粗轮廓。最后在提取的图像粗轮廓的基础上构造自相关矩阵并求解其特征值,利用特征值归一化的乘积做为角点的测度。实验证明本算法具有噪声鲁棒性及角点定位准确性。

基于参数自适应各向异性高斯核的散乱点云保特征去噪

为解决传统点云去噪算法造成的过光顺及局部失真问题,提出一种基于各向异性高斯核的散乱点云保特征去噪算法。根据邻域点在其切平面上的投影和采样点法向构建信息相似度函数,并通过信息相似度函数定义有效邻域;应用主元分析理论研究曲面采样点、棱线采样点和角点的特征值及特征向量的分布特性;在此基础上构建以协方差矩阵的伪逆矩阵为带宽矩阵的参数自适应的各向异性高斯核函数,并将其与双边滤波算法结合用于散乱点云去噪。实验结果表明,该算法能够根据点云的局部分布特性自适应地调整滤波主方向和各主方向的衰减速度,在实现散乱点云去噪的同时可有效保持点云模型的原始尖锐特征。

基于多尺度各向异性高斯核的彩色图像边缘检测算法

文中提出一种新的对噪声鲁棒的彩色图像边缘检测算法。该算法利用多尺度乘积作为提取彩色图像的边缘映射的测度。首先,分别利用单尺度各向异性高斯核的方向导数计算彩色图像的边缘强度映射后再求取尺度乘积的均方值,然后通过非极大值抑制找出候选边缘像素点,最后在高低门限值的约束下去除伪边缘像素点,通过滞后判定实现边缘连接并将边缘图作为掩码与彩色图像结合形成彩色图像边缘图。与Canny算法相比,该算法通过多尺度高斯核的结合得到较好的边缘分辨率,同时引入依赖于噪声的高低门限来控制虚假边缘的发生可能性。

离轴扭曲各向异性高斯-谢尔模型光束在湍流大气中的传播

该文基于广义惠更斯-菲涅耳原理,利用部分相干光复曲率张量推导出了离轴扭曲各向异性高斯-谢尔模型光束在湍流大气中传播的解析表达式,详细研究了该类光束在湍流大气中的传播特性。研究表明:离轴扭曲各向异性高斯-谢尔模型光束光斑在湍流大气中将退化为非离轴高斯圆形光斑;离轴参数与传播距离之间的关系曲线随着湍流强度的减弱、扭曲参数的增大以及光源相干性减弱变化缓慢。结果还表明,利用部分相干光复曲率张量分析各类高斯-谢尔光束在大气湍流中的传播和变换特性是一种简单有效的方法。

基于各向异性高斯分布的视觉跟踪算法

为了提高使用传统特征的有效卷积操作算法(ECOhc)的跟踪性能,提出基于各向异性高斯分布的视觉跟踪算法.该方法根据不同目标的形状比构造水平和垂直方向上带宽不同的各向异性高斯函数,利用该函数训练跟踪器预测目标位置,提高算法的跟踪精度;提取颜色直方图特征跟踪预测新的目标位置,并在决策层加权融合2个预测位置,进一步提高跟踪精度.在标准数据集OTB-100、VOT2016中测试算法,本研究算法在数据集OTB-100上的平均距离精度为89.6%,平均重叠率为83.7%,比ECOhc算法分别提高4.67%、6.62%;本研究算法在数据集VOT2016上的平均期望重叠率为33.3%,比ECOhc算法提高3.42%.所提算法能有效提高目标跟踪的精度,在遇到遮挡、光线变化、变形等干扰时仍能稳定跟踪目标.

基于二维各向异性高斯拟合评价探测相机的成像质量

为了定量评价探测相机的成像质量,提出用二维各向异性高斯函数拟合的方法来评价相机的成像效果。用探测相机采集星模拟器产生的无穷远处的点目标,形成在一定区域内的能量分布。以拟合后的高斯能量分布与原分布的相关度最大为判据,对此能量分布进行二维各向异性高斯拟合,得到其高斯半径、异化因子等参数;对拟合后的结果进行数值积分得到80%能量所占区域的大小。实验结果显示:相关度的引入,实现了背景阈值、异性因子的自动优化,减少了面阵探测器的噪声对测试结果的影响;而异性因子的引入,对像素相位误差的评估、光学系统像差对测试结果的影响,均可作为弥散斑测试定量确认的依据。测试实验显示:弥散斑等效面积圆直径测试重复性在"十"字工况吸收为0.15pixel,在"田"字工况下为0.19pixel。提出的方法完成了探测相机对点目标所成弥散斑的测定,很好地控制了探测相机的成像质量。

一种改进的各向异性高斯滤波算法

为了抑制更好的抑制噪声保留边缘信息,提出了一种各向异性高斯滤波的改进方法,该方法先用中值滤波去除椒盐噪声,再利用灰度共生矩阵的惯性矩特征值调整滤波器的长轴尺度,实现各向异性高斯滤波.实验证明,本文所提出的改进方法,在噪声抑制和边缘保持方面优于各向异性高斯滤波器.

加权组合多尺度各向异性高斯核对象轮廓检测

为了同时提高图像中对象轮廓检测的噪声抑制和边缘定位能力,提出一种基于加权组合多尺度各向异性高斯核的对象轮廓检测算法。首先利用不同尺度各向异性高斯核方向导数滤波器获得图像中不同方向上的多尺度局部边缘特征信息;然后,利用加权组合方式把不同尺度局部边缘特征信息进行融合,获得图像的边缘强度映射图。最后,对融合后图像边缘强度映射图进行非极大值抑制、阈值处理和形态学细化与连接操作,获得图像中对象轮廓检测结果。与经典和最新的边缘检测算法相比,本文方法在对象轮廓提取中的噪声抑制和边缘定位精度上具有明显优势。

基于各向异性高斯滤波器的改进引导滤波算法

针对传统引导滤波中矩形均值加权窗口会引入过多干扰,导致图像边缘两侧模糊以及产生光晕伪影的不足,提出一种基于各向异性高斯滤波器的改进引导滤波算法。将各向异性高斯滤波器融入传统引导滤波算法,利用其较强的边缘分辨力更准确地识别图像的边缘结构。同时,对窗口内的像素信息进行各向异性加权,使其具有更强的边缘保持性。实验结果表明,改进算法比传统引导滤波算法精细边缘的保持性更好,并在图像平滑、图像增强和图像亮度调整等图像处理应用中的处理结果更优,在有效保留图像边缘结构的同时减少了边缘伪影和边缘模糊。

基于多尺度各向异性高斯核主方向角度变化的角点检测

角点检测在图像分析和计算机视觉领域有着及其重要的作用。各向异性高斯方向导数(AGDDs)可以很好的提取不同方向的图像局部灰度变化信息,并且具有很强的噪声鲁棒性,在对不同尺度下的轮廓信息和各向异性高斯方向导数进行研究后,将两者相结合提出了一种基于多尺度各向异性高斯核主方向角度变化的角点检测算法。该算法可以有效的降低角点检测的误检率。实验采用了两幅标注了真实角点测试图,在无噪声和加入不同等级噪声的情况下,对该算法和其它三种经典的角点检测算法从角点检测的能力和角点定位的精度进行对比。实验表明,研究所得的算法对于角点的检测具有更好的噪声稳健性和更低的误检率。

红外图像的各向异性分段高斯滤波(英文)

提出了一种各向异性分段高斯滤波,这种方法除了考虑图像的尺度和方向特性外,还根据边缘区域可分特性,使用了分段滤波的方法来进一步解决边缘保持的问题.该方法通过本文所提出的一种图像噪音方差估计模型来确定图像的基准尺度,并由Hermite变换得到其方向角,然后再通过确定高斯模型的轴向比和自适应尺度,使对选择区域的滤波转变为对分段高斯模型的滤波,从而使计算的可靠性得到增强.从仿真结果可以看出,各向异性分段高斯滤波器在噪音去除和边缘保持的综合性能上要优于其他常用的滤波算法.