图像金字塔模型应用研究综述

对近年来图像金字塔相关算法和应用的研究进展进行了详细调研,对比分析了常见的图像金字塔模型的典型算法和应用,包括图像融合和分割、图像增强、遥感图像物体检测和识别。重点总结了高斯金字塔和拉普拉斯金字塔的典型应用,包括无人机图像捕获、车辆及车牌识别等方面。最后对图像金字塔未来的研究方向进行展望。

基于锚框稀疏图像金字塔的MTCNN人脸检测方法

针对MTCNN 3层级联网络结构中P-Net和R-Net耗时较多的问题,提出一种改进的MTCNN人脸检测方法。采用锚框的思路增加生成框的密度,减少图像金字塔层数,构建基于锚框的稀疏图像金字塔,提高P-Net检测速度;采用深度可分离卷积的思路来改进R-Net网络结构,去掉池化层,修改前2个卷积层的步幅,修改第3个卷积层为可分离卷积,降低R-Net模型的参数计算量,提高R-Net检测速度;在P-Net检测前进行一次中值滤波,以减少图像中的噪点,降低P-Net误检率。实验结果表明:改进MTCNN在检测精度略有提升的情况下,在Windows和Android平台上的检测速度均可提升近一倍,在工业界有重要的应用价值。

基于图像金字塔的分维融合算法

数据融合是进行目标检测和识别的重要技术之一,但是在融合过程中不可避免地会产生信息损失。如何保留尽可能多的有用信息,关键在于融合算法的选取。由于图像金字塔中不同级的图像之间具有自相似性,而自相似性又是分形分维的基础。于是,根据图像金字塔的特点,提出了一种新的图像融合方法———基于图像金字塔的分维融合算法,将不同源图像分别分解成不同尺度的金字塔图像序列,在相应的尺度上以分形分维作为权系数进行融合,并采用中波红外和长波红外图像作为源图像进行融合实验, 实验结果表明该方法是可行的。

一种基于图像金字塔光流的特征跟踪方法

推导并实现了一种基于图像金字塔光流的角点特征跟踪方法。实验结果表明,该方法在不同运动幅度和运动方式下的检测跟踪性能较好,能够有效地应用于长序列图像的特征跟踪。

不产生精度截断及数据膨胀的图像金字塔

图像金字塔是处理和分析数字图像的重要工具。以图像金字塔为研究对象,旨在减小图像金字塔的存储量,同时解决恢复数据时的精度截断问题。从同一思想出发,提出了两种新的金字塔结构:类均值金字塔与类高斯金字塔;它们都是通过对子像素的简单运算来求得父像素,而这种运算不存在精度截断问题,也不需要额外的比特来保存小数。由于从父像素能够反推出它的子像素之一,所以,在存储金字塔时可以舍弃这部分子像素,从而使所需存储的像素数仅与原始图像相同。对精度、存储量以及构建速度的理论分析与实验结果表明,该金字塔结构具有优良的总体性能。

基于虚拟图像金字塔序列融合的快速图像增强算法

针对图像增强算法的快速计算问题,文中提出一种"全局尝试、局部精炼"的图像增强策略,利用虚拟图像金字塔序列融合方法构建出一种具有高度可扩展性和线性时间复杂度的图像增强算法框架.在此框架下,输入图像先经过各种全局增强重映射函数的处理而形成备选图像序列,再依据像素级保边缘图像融合规则从该图像序列中精选出有效像素信息,形成最终的图像增强结果.为避免光环效应,所有图像融合计算都在输入图像的拉普拉斯金字塔分解域上进行.通过对局部拉普拉斯滤波算法进行加速的实际应用表明,文中提出算法框架可导出一种快速保边缘图像增强算法,其处理效果与原局部拉普拉斯滤波算法极为相似,但计算速度提高了两个数量级.

一种透视变换图像金字塔匹配改进算法

为提高图像匹配的精度和稳定性,在图像匹配过程中用消除了Hessian矩阵的LMA改进算法对两幅图像透视变换矩阵的8个未知参数进行拟合,减少了迭代的计算量。匹配过程中用多分辨率金字塔法对图像进行分解,采用由粗到精的搜索策略,进一步减少了计算量并避免了误匹配。通过对照片进行匹配测试,证明了这种方法的有效性和实用价值。

基于Gabor滤波和图像金字塔的多聚焦图像融合

利用拉普拉斯金字塔分解方法对原始图像进行多分辨率分解,通过取不同方向的Gabor滤波器对分解后的各层图像进行多方向的滤波,提取出不同方向的边缘特征,再通过比较特征大小来判断属于清晰还是模糊像素,最后对融合金字塔做拉普拉斯金字塔反变换得到融合图像。实验证明该方法能够取得很好的融合效果,融合质量优于其他方法。

基于图像金字塔的钢板表面深度信息提取方法

针对传统灰度匹配算法精度和实时性无法兼顾的不足，提出一种基于图像金字塔结构和归一化互相关相似度函数相结合的区域分层匹配算法，主要可控参数包括匹配窗口尺寸、匹配特征值范围、视差阈值范围、相似度阈值等，并基于双目立体视觉系统，通过双目视觉标定、等效标准极线结构的图像校正等方法，实现了钢板表面的深度信息提取，实验证明算法具有较高的精度和效率。

基于图像金字塔修复的虚拟视点绘制

针对虚拟视点绘制中由于区域暴露引起的空洞问题,提出一种基于图像金字塔修复的虚拟视点绘制方法。利用视点变换方程生成虚拟视点,对含有空洞的视点采用图像金字塔修复进行处理,设计含有深度项的权值函数,在深度的约束下进行高斯加消零的滤波和下采样,对低分辨率图像的上采样,利用采样的图像信息对空洞进行填充。实验结果证明,该方法得到图像的主观视觉效果和峰值信噪比计算结果优于传统的非对称高斯滤波算法,且图像绘制的虚拟视点不失真,可抑制物体边缘处的伪像生成。

改进的多曝光图像金字塔融合方法

针对多曝光的拉普拉斯金字塔融合算法存在部分过曝光以及暗部细节丢失问题,用相位一致性滤波函数替换原算法融合系数中的对比度函数,改进算法在提取边缘时可以忽略光照和对比度变化对图像的影响,使得融合结果更自然,细节更丰富.通过多组序列图像验证了算法的优点,并与原算法进行比较.结果表明,主观评价方面,该改进算法的融合结果自然,在强光背景下能较好地保留暗部细节,减少光源处的光晕;客观评价方面,该算法融合的高动态范围图像的方差和直方图结果明显优于原算法,所保留的信息多于原算法.

基于小波图像金字塔的工件目标检测与定位研究

在工业生产线上的产品加工或质量视觉检测的过程中,经常要完成待加工工件的目标图像匹配或产品的视觉定位,为此,提出一种基于小波图像金字塔的相关匹配方法。基于特征的匹配方法如SIFT和HOG特征方法,虽然有很好的匹配精度和稳健性,但其计算量相对较大,通常不易满足现场实时应用需求。而提出的基于小波图像金字塔的工件目标检测与定位方法,先从低分辨率图像进行粗匹配,再在高分辨率图像上进行精确匹配,从而在基本不降低匹配精度的前提下,大大提高了匹配速度。多图像的目标检测实验以及在点胶机上的应用实践均表明文中所提算法优于传统基于模型的目标定位和识别方法,能满足更多的现场实时应用要求。

基于图像金字塔的超视场零件图像获取优化方法

基于互信息测度的图像拼接原理,提出了一种空域多分辨率、多尺度的拼接优化算法,以缩短超视场零件全景图获取的过程。实验证明,这种图像金字塔方法能显著提高图像拼接的效率。

一种混合CPU和GPU的图像金字塔数据重采样评估模型

在大规模图像可视化应用中,经过四叉树预处理,建立多分辨率图像金字塔索引,以支持对不同分辨率图像的快速读取及显示。但是在显示图像分辨率与金字塔中保存图像分辨率不一致情况下,依然需要通过图像重采样来获得指定分辨率图像。一般重采样过程可以通过基于CPU或者GPU的重采样方法来完成。论文通过建立RECG(resampling evalua-tion on CPU and GPU)模型根据图像大小及缩放要求来评估其在CPU和GPU中重采样效率,据此选择基于CPU或者GPU的重采样方式,并且在此基础上建立了CPU-GPU图像块缓存策略。试验表明:根据RECG模型,对于不同的重采样比例,采取不同的重采样方式,有效地加速了重采样速度。

基于图像金字塔与NLM的冷冻电镜图像增强方法

针对冷冻电镜图像信噪比极低、颗粒与背景之间难以区分问题,提出了一种基于图像金字塔与非局部均值(NLM)去噪的冷冻电镜图像增强方法。先利用图像金字塔技术获取冷冻电镜图像中不同尺度的信息;然后在构建图像金字塔过程中循环使用NLM算法去除图像中的噪声,并运用图像背景矫正方法降低图像中的亮度不均现象;再对图像金字塔各级图像使用直方图变换方式进一步增强图像中颗粒与背景的区分度,最终使用图像上采样与图像融合技术将图像金字塔中的多层图像融合,形成冷冻电镜图像的增强图像。在原始与模拟的电镜图像上进行了实验,结果表明该方法能够有效提高图像峰值信噪比和结构相似度,颗粒与背景之间的区分度有显著提升,颗粒特征更为明显。

基于图像金字塔的山脉线提取方法

借鉴多分辨率分析思想对格网DEM数据进行多尺度处理,设计了一种山脉线的提取方法。该方法利用图像金字塔对格网DEM数据进行逐层分解,对不同尺度空间下的山脊线提取结果进行叠加套和,以获取最终的山脉线。实验结果表明,该方法能够较好的去除原有山脊线中存在的细小分支,提取结果符合地貌认知。

基于图像金字塔的离线签名鉴别技术

手写签名鉴别已广泛应用于日常中的方方面面,现阶段对于离线手写签名鉴别技术的研究仍在发展中。首先对手写签名图像生成图像金字塔,再对图像金字塔中的每一层图像提取局部二值模式算子,最终形成基于图像金字塔局部二值模式的多维特征。采用决策树及梯度提升树两种分类器对公开数据库CEDAR中签名进行鉴别实验,两种分类器得到AER分别为13.21%和10.89%。实验结果表明,对签名图像建立空间金字塔能够有效提高签名鉴别成功率。

基于多尺度分解的双曝光图像融合方法

为了有效地提高可见光成像设备的动态范围,降低融合图像的质量对源图像数量的依赖,提出了一种基于多尺度分解的双曝光图像融合算法。该方法只需要一组欠曝光和过曝光图像作为源图像,通过曝光融合即可得到一幅包含丰富信息的图像。首先,依据欠曝光图像和过曝光图像自身的特点,分别进行了自适应曝光调整,充分挖掘图像中潜在的细节信息。然后,提取图像序列的边缘强度、曝光适宜度和色彩饱和度作为评价指标,进而构建出融合权重图。最后,通过金字塔多尺度分解和加权融合得到融合图像。实验选取了15组图像序列,分别从主观和客观两个方面与4种具有代表性的算法进行了对比。实验结果表明,本文算法相比于其他算法,图像质量综合提升了4.9%,具有更强的细节信息保留能力。

结合天空分割和金字塔融合的多尺度图像去雾

针对传统图像去雾方法存在对比度下降、色调偏暗和过度曝光的问题,提出一种结合天空分割和金字塔融合的多尺度图像去雾方法。利用含有梯度的分水岭算法分割天空区域,使用均值滤波计算天空区域得分,运用最高得分所对应最亮天空区域的平均灰度值获取更准确的大气光值。为了规避传统图像去雾方法估计的透射率强度值偏低或整体强度值偏高造成的负面影响,提出一种基于图像金字塔的多尺度透射率融合方法,通过拉普拉斯图像金字塔分别将暗通道先验和具有曝光特性的图像去雾算法估计的透射率图分解为多个尺度,采用感知融合方法融合拉普拉斯图像金字塔的每一层,重建融合透射率图的高斯图像金字塔,高斯图像金字塔的最底层即为融合后的透射率图;最后将所估计的大气光值和融合透射率代入大气散射模型,复原无雾图像。实验结果表明,所提去雾方法能够避免所复原无雾图像中存在的对比度下降、色调偏暗和过度曝光的问题,在SOTS室内外合成测试集上的PSNR和SSIM分别比排名第2的对比方法高出8.13%、0.59%和1.75%、1.57%。

基于信息回收和频域金字塔的红外与可见光图像融合算法

针对传统红外与可见光图像融合过程中所存在的视觉效果模糊、信息损失等问题,提出了一种基于信息回收和频域金字塔的图像融合算法.首先,在图像金字塔的上下采样过程中,使用频域滤波器替代空域滤波器进行滤波,构建源图像的拉普拉斯金字塔.其次,将两个金字塔的对应层进行融合并构建融合金字塔,同时针对融合过程中损失的信息构建回收金字塔.最后,通过上述两个金字塔分别重构出结果图像并叠加得到最终的融合图像.实验结果表明本文所提出的算法能够获得较好的融合效果,在视觉信息保真度等客观评价指标上均优于经典算法.