基于互信息量图像配准中目标函数局部极值的成因分析与克服

图像的配准在医学临床科研、诊断等方面具有重要的应用。基于互信息量的全局图像配准方法具有自动化程度高、配准精度高等优点。但是 ,当平移距离为象素的整数倍时 ,插值算法会引入伪影 ,使目标函数产生局部极值 ,使得最优化搜索有时会终止于局部极值 ,得到错误的配准参数。本研究分析了这种插值伪影产生的原因 ,并提出了克服方法 ,经实验检验 ,该方法使目标函数进一步光滑 ,有效克服了插值伪影 ,保证了最优化搜索的准确性 ,提高了互信息量方法配准的成功率。

基于互信息图像配准中的局部极值问题研究

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,近年来在医学图像配准中得到广泛应用。但是当变换后像素坐标位于非采样网格点时,插值算法有时会使目标函数产生局部极值,使得最优化搜索终止于局部极值,得到错误的配准结果。分析了两种常见的插值算法和产生局部极值的原因,在此基础上提出一种新的插值算法。实验结果表明,该算法有效地抑制了基于互信息的目标函数的局部极值问题,使目标函数更加平滑。

基于特征尺寸及局部极值点的茶鲜叶方向识别

对粗大茶鲜叶实行梗叶分离,有利于提高成品茶品质,降低能源消耗。梗叶分离的关键在于茶梗与叶柄的识别。通过倾斜滑槽限定茶鲜叶的方位,将其转换为两方向判别问题。首先将茶鲜叶划分为长梗和短梗,对长梗茶鲜叶,提出基于特征尺寸的识别方法,特征尺寸大的一方判为叶尖;对短梗茶鲜叶,提出基于轮廓线局部极值点的识别方法,局部极值点多的一方判为叶尖。通过对168幅随机获取的图像及1幅背景图像的处理表明,茶鲜叶的方向识别率达93.3%。每根茶鲜叶的平均处理时间为17.8 ms,能满足实时处理的要求。

基于多尺度局部极值和边缘检测的目标性算法

目标性作为目标检测的预处理算法,用于高效提取少量可靠的目标潜在区域,可替代针对复杂特征的多尺度滑动窗的分析方式,达到提升目标检测效率的目的。该文提出了一种基于多尺度局部极值和边缘检测的目标性算法。首先,基于原始图像的多尺度梯度特征,在不同尺度下利用均值滤波得到梯度强度的局部极值,并在原始图像上还原出初始目标潜在区域;然后,通过提取图像的边缘特征,计算初始目标潜在区域的目标性得分值;最后,对得分值进行尺度加权,并结合非极大值剔除冗余区域,最终输出少量可靠的目标潜在区域。通过PASCAL VOC和ILSVRC2014数据库的实验对比,该算法给定1000个候选区时在PASCAL VOC和ILSVRC2014分别达到97%和98%以上的召回率,同时有效地提升了首框召回率。

基于局部极值点的音频盲水印算法

该文提出了一种新的音频水印算法。它充分利用了离散小波变换的多分辨率特性,在小波变换的细节部分搜索局部极值点,通过修改局部极值及其相邻点的幅度值,实现水印信息的嵌入。水印检测不需要参考原始音频。实验结果证明了该算法的鲁棒性和不可感知性。

消除局部极值的多尺度形态学肝脏肿瘤CT图像分割方法

针对肝脏CT图像中因灰度不均、边缘模糊等造成肿瘤难以准确分割的问题,提出了一种消除局部极值的多尺度形态学分割方法。首先利用面积算子对图像进行预处理,在平滑图像的同时,保持目标区域的边缘信息;其次融合梯度图像中不同极值的邻域统计信息和形态属性(深度和尺度)区分极值,通过设定不同大小的结构元素,对不同极值采用多尺度结构元素进行闭运算,在消除伪局部极值的同时实现图像的自适应修正;最后利用分水岭变换分割肝脏肿瘤。实验结果表明,该方法能够在保持图像边缘的同时,有效减轻过分割现象,实现肝脏肿瘤的准确分割。

基于互信息量图像配准中目标函数局部极值的克服

图像配准技术在医学图像处理领域中已经被广泛应用。基于互信息量的全局图像配准方法具有自动化程度高、配准精度高等优点。但是,当平移距离为像素的整数倍时,插值算法会引入伪影,使目标函数产生局部极值,使得最优化搜索有时会终止于局部极值,得到错误的配准参数。本文提出了一种克服的方法,经检验,能使目标函数进一步光滑,保证了最优化搜索的准确性,提高了互信息量方法配准的成功率。

基于适应值曲面分析的全部局部极值搜索算法

为求得类似仿真函数的黑箱函数优化问题的全部局部极值点,提出了一种基于适应值曲面分析的新算法。首先,对适应值距离相关系数(fitness distance correlation,FDC)进行了改进,探讨了改进FDC指标与适应值曲面崎岖度的对应关系。在此基础上,设计了基于FDC的重复对分区域法(FDC based repeated split region,FRSR),对可行域依据崎岖度进行分解,得到满足崎岖度要求的若干子区间,并在这些子区间上依据FDC指标设置初始点,然后利用模式搜索算法进行寻优。通过对比FRSR法与传统的均匀分配初始点法以及其他现有方法,验证了FRSR法能够以较少的初始点得到全部局部极值,在速度上和解的质量上都优于传统方法。

一种能够同时提取图像强弱边界的局部极值算法

根据图像强边界和弱边界在局部区域都存在极值的现象,提出的局部极值算法能够同时提取图像强弱边界,并对强弱边界进行精确定位,具有重要的理论和实用价值。

可控增长条件下一类椭圆型方程弱解的局部极值原理

研究二阶非线性椭圆型偏微分方程－ｄｉｖＡ（ｘ，ｕ， ｕ）＋ Ｂ（ｘ，ｕ，ｕ）＝μ，在可控增长结构条件－Ａ（ｘ，ｚ，η）·η≥λ｜η｜ｐ－Ａ｜η｜ｐ＊－１，Ｄ｜Ａ（ｘ，ｚ，η）｜＜Ａ１（｜η｜^(ｐ－１)十｜ｚ｜ｐ＊（１－１／ｐ）．｜Ｂ（ｘ，ｚ，η）｜≤Ａ（｜η｜ｐ（１－１／ｐ＊）＋｜ｚ｜ｐ＊－１）下，应用 Ｍｏｓｅｒ迭代法得出弱解的局部极值原理，并进一步得出弱解的内部估计和全局估计．

文本线局部极值区域两阶段场景文本序列识别

为提高场景文本识别算法的计算效率和精度,提出基于文本线局部极值区域两阶段场景文本序列识别方法。首先,利用特征计算对每个构建的极值区域字符进行概率计算,并选取局部最大概率特征作为第一阶段的输出和第二阶段的输入。其次,利用高效的聚类算法将极值区域字符进行文本线处理,利用字符区域的标签以及OCR分类器进行字体合成,在上下文中的每个字符的文本线已知的情况下,可实现最有可能字符序列的快速选取。最后,通过在USTB-SV1K数据库对多方向文本的仿真测试,验证了算法在计算效率和计算精度上的优势。

关于局部极值解问题的深入研究

本文通过深入研究与大量的神经网络应用，探讨出一系列解决局部极值解问题的方法，实验结果表明，这些方法是有效的，有一定的理论和应用价值。

基于局部极值的保边缘图像分解算法

针对非线性图像滤波算法保边缘能力不强的问题,提出一种新的保边缘图像分解算法。该算法采用局部极值差定义图像的边缘,在此基础上利用加权平均的方法调整极值,通过优化算法得到原图像的基图像,实现图像的多尺度分解。实验结果表明,与同类算法相比,该算法在实现图像平滑的同时保边缘能力更强。

二次型的正(负)定与n元函数的局部极值

本文利用n元二次型与n元函数的关系,通过二次型正(负)定给出了一个n元函数局部极值的判定的充分条件,即提供了一个以行列式为工具的简易判定n元函数局部极值的方法。

海洋磁力数据地磁日变时差校正的局部极值比对法

为了对海洋磁力数据进行更精确合理的地磁日变校正,参考多台站地磁观测数据时差计算的方法,总结出一种适合于海洋磁力数据地磁日变时差校正的方法——局部极值比对法。利用局部极值比对法对南海北部两条海洋磁力测线进行地磁日变时差校正后,海洋磁力数据与陆地地磁日变数据的相关系数分别提高到0.98和0.92。通过与经度差法的比较,证明局部极值比对法可以提高地磁日变时差计算的精确度和海洋磁力数据处理的效率。该方法为今后的海洋磁力调查工作提供了一种精确有效的工具。

基于方向局部极值模式的图像检索算法

针对基于局部二值模式(local binary patterns,LBP)的图像检索算法对局部噪声敏感,导致算法抗噪能力弱、鲁棒性低等不足,提出一种基于方向局部极值模式(directional local extrema patterns,DLEP)的图像检索算法。通过计算图像像素点在0°、45°、90°和135°这个方向的局部极值,得到这4个方向的DLEP模式,利用DLEP在纹理提取过程中获取更多的方向边缘信息和空间关系;基于4个方向的DLEP模式,形成图像方向的DLEP直方图,根据DLEP直方图,构建图像的特征向量;引入相似距离度量进行特征匹配,完成图像检索。实验结果表明,与LBP、基于块的LBP算法和中心对称局部二值模式进行比较,在Corel图像数据库中,该算法具有更高的查准率、查全率和平均检索率。

结合多尺度局部极值分解和SCM模型的医学图像融合方法

根据不同的成像原理,医学图像有多种不同的图像类型。针对CT-MRI图像融合中容易造成细节和对比度信息丢失等问题,提出一种基于多尺度局部极值分解方法(LES)和双通道脉冲发放皮层模型(DCSCM)的图像融合方法。利用多尺度局部极值分解方法将源图像分解为一系列不同尺度的平滑图像和细节图像;使用最大值法分别提取两个系列平滑图像的最大值,使用稀疏表示方法进行平滑图像的融合;对两个系列的细节图像取均值,使用DCSCM模型对细节图像进行融合;通过融合后的平滑图像和细节图像重构出最终的融合图像。对多组医学图像进行实验仿真和主客观分析,多组实验结果表明,该方法在主观视觉方面和客观评价指标的定量分析方面都取得了优异的效果。

局部极值分解耦合显著特征的医学图像融合算法

针对当前多模态医学图像融合方法中功能与结构信息互补性不强,易出现边缘失真与轮廓模糊等现象,提出了基于局部极值分解耦合显著特征的医学图像融合方案。引入局部极值,将源图像在不同尺度下分解为一系列的平滑与细节子图像;利用Canny算子获得边缘显著加权映射,以保持源图像的结构信息,并通过上下文感知算子来输出色彩显著加权映射,提取色彩与亮度信息;分别定义基于边缘和色彩的显著特征函数,将其作为加权映射系数的融合准则,得到平滑与细节融合图像;对平滑与细节图像进行重构,形成新图像。结果表明与当前融合技术相比,在CT图像与MRI图像、CT图像与PET图像融合中,所提方法得到的边缘与轮廓更清晰,细节更丰富。提出算法具有较高的融合质量,在医学、遥感与红外探测等领域有一定的应用价值。

一种基于局部极值搜索的快速运动估计算法

为了减少运动估计在图像编码中所占用时间,提出了一种基于局部极值搜索的运动估计算法。首先根据搜索块的大小将搜索区域进行完全分割。然后从搜索原点进行螺旋扫描,确定扫描点所处分割区域的局部极小值位置,与前面极小值进行比较得到现阶段最小值。并根据一系列提前终止条件和标记跳过机制,在全局扫描的同时保持快速性。最后得到所有分割区域的最小值作为全局最小值,并进行步长为1的菱形细化搜索,确定最佳位置。实验表明,与UMH算法相比,该算法可在码率上升最大不超过0.03 kb/s、信噪比下降最大不超过0.005 dB的情况下提高编码速度,特别是对于中高运动复杂度图像的编码速度可比UMH算法提高10%左右,具有应用价值。