基于L0梯度平滑与图像分块聚类的海天线检测

海天线检测在海洋工程安防活动中具有重要的意义,真实海洋环境中的海天线检测易受云朵、海浪、光照变化、目标遮挡物、边界模糊等外界干扰。为了实现对真实海洋环境中海天线的检测,本研究提出一种基于L0梯度平滑和图像分块聚类的海天线检测算法。首先,对图像进行L0梯度平滑滤波,以增强海天线边缘,弱化非海天线因素干扰;接着,将图像沿着竖直方向分割成若干等宽图像块,以降低整体环境干扰,加强局部海天线检测效果;然后,通过Canny算子和霍夫变换提取每个分割图像块中的直线段;最后,采取K-means聚类算法提取每个图像块中的海天线段,拟合生成完整海天线。实验结果表明,在真实的海天线数据集中,本研究方法获取的矩形框重叠率平均精度为93.22%,角度差平均精度为7.66%,均高于文中选取的近年典型对比算法。满足实际海天线检测抗干扰强、准确率高、适应性广等要求。

基于图像分块和多头注意力机制的气象识别研究

基于图像对天气现象进行识别,对天气状况的分析至关重要。针对传统的机器学习方法对各类天气特征难以准确提取且天气现象分类效果差,以及深度学习对天气现象识别的准确率不高的问题,提出了基于图像分块和多头注意力机制的天气识别模型。该模型首次将Swin Transformer引入天气识别领域中,采用了窗口多头自注意层与移位窗口多头自注意层相结合的多头注意力机制。结果表明,其区域相关特征提取能力弥补传统方法的不足,能够提取图像中复杂的天气特征。采用迁移学习对模型进行训练,将微调模型的全连接参数输入到Softmax分类器,实现了对多类别天气图像的识别,识别准确率为99.20%,优于对比的几种主流方法。因此,该方法可以作为天气识别模块应用于地面气象识别系统。

基于烟花算法的平面视觉图像分块像素点压缩模型

为进一步提升图像压缩质量,降低图像存储空间的同时减少图像信息损失,提出基于烟花算法的平面视觉图像分块像素点压缩模型。采用基于图像纹理的自适应分块方式,通过不断对比分块图像的纹理复杂度与设定复杂度阈值,对平面视觉图像进行分块处理;经块截断编码方法获取分块平面视觉图像最优公共位图后,形成向量,利用烟花算法寻优出最优向量值以及对应位图的6个量化值,完成平面视觉图像分块像素点压缩。实验表明:该模型压缩后平面视觉图像与原始图像相比,色彩亮度几乎一致,图像信息几乎没有缺损,压缩后的图像峰值信噪比高。

机器视觉图像分块像素点压缩方法仿真

对于存在大量数据冗余和主观视觉冗余的图像,潜在或弱小目标细节易被忽略,导致图像压缩后质量偏低。提出基于烟花算法的机器视觉图像分块压缩方法。将机器视觉图像自适应划分成多个子图像,结合BTC法预处理各个子图像,得出最优公共位图。利用烟花算法优化子图像元素向量,得出适应度值。计算烟花种群、量化值获取爆炸火花个数以及爆炸半径,以得出适应度最小的火花元素为新的种群。将所有子图像重构,实现机器视觉图像分块压缩。实验结果表明,所提出方法的图像压缩主观效果更好,压缩后图像仍保持较好的清晰度,图像压缩的峰值信噪比平均为83.73dB,实验结果证明了所提方法的可行性和实用性。

基于图像分块的边缘检测算法

Canny算子高低阈值的选取依赖图像全局梯度信息的统计,图像全局梯度信息和局部梯度信息的分布通常存在差异,导致在局部范围中较明显的边界可能被漏检。针对该问题,提出一种根据图像熵信息对图像进行分块的边缘检测改进算法,并将其用于Canny算子。实验结果证明了该方法的有效性,其检测效果优于直接运用Canny算子。

基于图像分块的多尺度Harris角点检测方法

Harris角点检测是一种经典的角点检测算法,在现实中应用广泛,但不具有尺度变化特性。为了改变其单一尺度的特性,使得角点提取更加精确和有效,将多尺度的概念和图像分块方法引入到Harris算法中,在多个尺度下对角点进行提取。将每个尺度上的角点响应值的本地最大值作为该尺度上的候选角点,并同时对图像进行分块;最后,沿小尺度到大尺度方向判断候选角点是否是真实角点,剔除伪角点,使得角点检测更加精确。通过对比实验,新算法明显地提高了图像角点的检测性能。

基于信息隐藏的遥感图像分块压缩

目前JPEG2000等图像压缩方法受制于压缩倍数的限制,无法满足用户对海量遥感数据的实时传输要求,需要进一步减少高分辨率遥感图像产生的数据量,以满足遥感图像数据的空间传输要求。针对此情况提出了一种基于信息隐藏的遥感图像分块压缩方法,利用图像块的相似性判决出基准图像块和相似图像块,将相似图像块的编号隐藏在基准图像块中,只对基准图像块进行JPEG2000压缩。采用标准图像库作为样本图像进行仿真,结果表明,该方法将样本图像压缩前的数据量减少1/3,同时将该样本图像的压缩比提高1.5倍。

一种新的基于内容遥感图像检索的图像分块策略

对常用的图像分块方法进行了说明,提出了平均块覆盖率、冗余数据比率等概念,以及平均块覆盖率和冗余数据比率是衡量CBRSIR系统分块方法优劣的重要标准这一论断。在此基础上,针对Quin-树存在的主要问题,提出了一种新的分块策略———Quin+-树,并将Quin+-树和Quad-树、Quin-树和Nona-树进行了分析和比较。实验证明,Quin+-树是最实用可行的CBRSIR图像分块方法。

基于FPGA的图像分块实时边缘检测系统

当边缘检测系统用于存在异常光照的环境中,其判决阈值会被非均匀光源部分所影响,从而导致检测效果的不理想。针对此问题,提出一种基于图像分块的边缘检测方法,将这种方法用于Sobel算子,并在Altera CycloneIV FPGA平台上进行实时的边缘检测。测试实验结果表明,该改进方法对于存在非均匀光源环境下的边缘检测效果明显优于传统的边缘检测方法。

一种基于图像分块特性的数字水印嵌入方法

一种基于图像分块和视觉特性的数字水印嵌入技术将水印信息嵌入到静止图像中,该方法应用双重DCT方法实现了较大的嵌入量和良好的隐蔽性.实验表明,这种方法能够抵御噪声干扰、线性滤波和JPEG压缩编码,具有良好的应用价值.

基于差分图像分块的视频背景提取算法

为了降低背景提取算法的时间复杂度和空间复杂度,提出一种结合差分图像分块、背景减除和帧间差法的背景提取方法。对差分图像进行分块分类,提出了一种统计像素值的子块分类法,对不同类的块用不同的更新策略进行背景实时更新。该算法有效解决了背景更新过程中运动目标逗留、背景物体移入移出等问题的影响。实验结果表明该算法运算速度快、鲁棒性高、能准确地提取实时背景。

基于图像分块和线段投票的遥感道路边缘线提取

从遥感图像中提取边缘线是一个经典的课题,不同的边缘提取算法适用于不同类型的图像。实际图像中道路的几何形状不甚规则,因受到建筑和树木遮挡导致对比度较低且噪声影响较严重,道路边缘线会发生断裂,故高分辨率遥感图像道路边缘线提取一直是一个研究热点。针对现有方法很难提取出清晰连续的道路边缘线问题,提出一种遥感图像道路边缘线提取新方法:首先通过方向模板检测边缘点,搜索出分块图像中的子线段;然后延伸子线段并进行投票,连接处于弯曲边缘线的直线段,将长度大于特定阈值的边缘线作为输出结果;最后去除毛刺和分叉,取8个方向道路的并集作为最终道路网。实验结果表明,该方法能够从高分辨率遥感图像中较好地提取带有一定曲率、对比度较低、噪声影响严重的道路边缘线。

基于TV准则的图像分块重构算法的研究

利用压缩感知理论进行图像重构时,基于分块思想进行可有效提高重构速度,但同时会带来较强的块效应。为了解决该问题,提出了一种基于TV准则的图像分块重构算法。该算法将基于整幅图像时梯度计算方法进行改进,充分利用已重构块的边界像素信息,从而有效消除了图像的块效应。实验结果表明,提出的算法能够有效消除图像的块效应,提高重构图像的主客观质量,与TVAL3算法相比,重构图像的PSNR值最多提高了0.84dB,时间最高可节省24.38%,算法尤其适用于低采样率的情况。

红外小目标的分类背景预测与图像分块技术

基于复杂天空背景下红外小目标的特性分析,提出了一种利用分类背景预测与图像分块技术进行红外小目标检测的有效算法。该算法以背景预测理论为基础,通过边缘检测技术、最大均值和局部最相似分类背景预测技术获得较为准确的图像背景,进而采用统计分割算法从残差图像中提取出较为精确的目标位置。其中,通过图像分块处理,提高了算法计算效率。最后,选取了三组具有代表性的红外序列对算法的性能进行了检验。实验结果表明,所提出预测算法在检测准确性、鲁棒性以及计算效率上都具有明显的优越性。

基于图像分块的LDA人脸识别

设计了一种基于图像分块的LDA(linear discriminant analysis)人脸识别方法,该方法从模式的原始数字图像出发,先对图像矩阵进行分块,然后对分块子图像进行LDA特征提取,从而得到能代替原始模式的低维新模式,最后再用最小距离分类器进行分类。该方法克服了传统LDA方法的缺点,其优点是能有效地提取图像的局部特征。实验表明:该方法在识别性能上优于Fisherfaces方法。

基于图像分块的Toeplitz结构测量矩阵设计

现有压缩感知成像系统存储测量矩阵时需要较大空间,针对该问题,提出一种基于图像分块的Toeplitz结构块循环测量矩阵设计方法。将图像分块进行压缩感知,减少测量系统的存储空间,从而降低硬件实现难度。仿真结果表明,该方法能快速有效地获得测量值,且重构图像的主客观质量较好。

基于图像分块的局部区域动态阈值选取方法

全局阈值的边缘检测方法容易导致局部图像的边缘漏检,而将图像分块进行局部检测,又存在局部间阈值差异较大,导致局部边缘误检和漏检。针对此问题,本文提出一种基于图像分块的局部阈值动态选取方法:利用熵对图像分块,考虑上邻域的影响动态求解局部阈值,保证局部间阈值的连续性。将本文方法应用于Robert算子、Canny算法,结果表明可有效提高检测精度,并能增强边缘的连续性。

归一化积相关图像匹配算法中的图像分块并行处理方法

对具有良好匹配特性的归一化积相关算法中的相关求和 - ∑∑XY的并行算法进行了较为深入的探讨 ,设计了基于 K元 2立方体网络计算机的图像分块计算 ∑∑XY的并行算法 .对于 N× N的参考图像、M× M的实时图像和K× K的处理元阵列 ( N=BK,K=M,B>1) ,通过将参考图像分成 B× B个图像块就可利用该算法实现归一化积相关图像分块匹配并行算法 .应用实验表明 。

基于图像分块的局部阈值二值化方法

针对目前局部阈值二值化结果存在目标虚假或断裂的缺陷,提出了一种基于图像分块的局部阈值二值化方法。首先,将图像分成若干子块并分析每个子块像素灰度变化情况;接着,取一定大小的局部窗口在图像中移动,比较该局部窗口内与包含窗口自身且比窗口更大区域内的像素灰度变化情况,更大区域由窗口模板当前覆盖的所有子块组成,以此判断窗口内是否为灰度变化平坦(或剧烈)区域;最后,根据不同的区域,给出具体的二值化方案。利用7种不同算法对4种不同类型的4组图像进行了二值化实验。实验结果表明该算法在屏蔽背景噪声和保留目标细节方面表现最优,特别地通过对车牌图像的二值化结果进行定量分析后发现该算法能够得到最高召回率和准确率。

基于LS MPP的图像分块模板匹配并行算法

该文提出了一种新颖的在基于K元2-立方体网络的SIMD计算机上运行的图像分块模板匹配并行算法。该算法对于N×N的图像、M×M的模板和K×K的处理元阵列(M<K,N=BK,B>1),可通过将图像分成B×B个图像块的分块模板匹配来实现。与已知的各算法相比,该算法具有可处理比处理元阵列尺寸大的图像的优越性。