改进的自适应混合高斯前景检测方法

针对混合高斯背景模型计算量大、存在阴影和鬼影的不足,提出一种基于混合高斯模型的改进前景检测算法。通过分析背景的稳定性来选择连续或隔帧更新方式对背景模型中的参数进行更新,提高算法的运算速度。在背景更新方面,让更新率与权值相关联从而使更新率随权值改变并且对目标移动后显露的背景像素给予更大的更新率,提高背景的稳定性并解决鬼影现象及前景与背景转化的问题。对检测出的目标,用适应性更高的RGB颜色空间畸变模型进行阴影检测和消除,并进行高斯金字塔滤波和形态学滤波处理,以得到更好的前景目标。实验结果表明,该方法能提高算法的计算效率且准确地分割前景目标。

基于色彩校正与分层块匹配的图像配准算法

针对当前图像匹配算法难以兼顾匹配精度和效率,易受模糊、噪声和色彩不一致影响等问题,提出色彩校正耦合分层块匹配优化的彩色图像配准算法。计算RGB图像每个色彩通道强度的平均值和标准差,建立色彩映射方程,对色彩不一致进行补偿,完成色彩校正;基于广义高斯分布金字塔RGB强度的差分和,确定高斯金字塔层数,进行特征检测,计算特征位置;进行初始块匹配,利用变化的单位比例因子对计算成本优化,利用抛物线拟合技术处理金字塔的每个通道,寻找其亚像素精度的最优匹配。仿真结果表明,该算法能够提高计算效率和精度,在色彩不一致、模糊和噪声图像上取得了良好配准结果,具有较强抗干扰能力与较高的鲁棒性。

基于多尺度细节增强的面部表情识别方法

人类面部表情是其心理情绪变化的最直观刻画,不同人的面部表情具有很大差异,现有表情识别方法均利用面部统计特征区分不同表情,其缺乏对于人脸细节信息的深度挖掘。根据心理学家对面部行为编码的定义可以看出,人脸的局部细节信息决定了其表情意义。因此该文提出一种基于多尺度细节增强的面部表情识别方法,针对面部表情受图像细节影响较大的特点,提出利用高斯金字塔提取图像细节信息,并对图像进行细节增强,从而强化人脸表情信息。针对面部表情的局部性特点,提出利用层次结构的局部梯度特征计算方法,描述面部特征点局部形状特征。最后,使用支持向量机(SVM)对面部表情进行分类。该文在CK+表情数据库中的实验结果表明,该方法不仅验证了图像细节对面部表情识别过程的重要作用,而且在小规模训练数据下也能够得到非常好的识别结果,表情平均识别率达到98.19%。

SIFT算法在VR场景拼接中的应用

针对特征点检测耗时问题,提出了一种方法降低高斯金字塔的阶数和层数,同时利用RANSAC算法进行特征点提纯,提高图像配准和拼接速度。

纹理块图拼接算法研究

为提高纹理块图的拼接质量和速度,基于多分辨率合成算法的思想,用多层纹理图像金字塔来保存样本纹理的结构特征,采用KD树存储结构以加快最佳匹配块的搜索速度;为加强合成过程的约束,采用螺旋顺序逐块合成纹理图像,避免了合成过程中不连续区域的出现。算法较好的保持了样本图的结构特征,在保证纹理合成质量的同时,减少了计算量,提高了块图的纹理合成速度。

一种基于金字塔结构的图像增强方法

医学放射图像由于动态范围较大,人体组织结构复杂,导致无法看清图像中的病灶细节。采用Gauss-Laplace金字塔结构多分辨率处理细节的方法,以非线性的方式在不同分辨率下增强细节信息,再逐级叠加回到原始尺寸,从而达到突出病灶细节目的。这种方法能够提高输出图像的质量,使输出图像逼近人眼视觉系统的真实感知影像,为临床医生提供可靠的诊断依据。

基于多尺度图像块分类的字典学习算法

针对传统字典学习算法未考虑训练数据集流形结构的问题,提出一种基于KD树分类的多尺度字典学习算法。首先在预处理阶段建立图像高斯金字塔,提取不同尺度下各层图像的角点并建立KD树进行分类;以各类角点为中心截取图像块并生成每层图像的训练数据集来完成各个子字典的学习。在字典训练阶段,提出一种基于局部保持投影的多原子更新算法,在保持字典中各类原子集的流形结构的情况下进行原子更新,高效训练出自适应稀疏字典。对测试图像进行压缩感知重构实验,仿真结果表明,该算法在保证图像重建精度的前提下,显著提高字典学习效率。

改进的Mean Shift滤波在砂砾岩图像分割中的应用

砂砾岩图像成分颜色多样、色彩不均,要有效地进行分割,提取砾岩颗粒,图像预处理就显得尤为重要。MeanShift滤波相比传统的滤波算法具有更好的平滑特性,能很好地消除噪声和色彩不均对后续分割造成的影响,但运算速度较慢。针对该问题,提出利用高斯金字塔和像素点赋值方法改进Mean Shift滤波算法速度。采用改进后的Mean Shift滤波算法对砂砾岩图像进行预处理,然后进行分割,提取粒岩,取得了较好的效果。

电子稳像的实时鲁棒性算法

电子稳像的实时鲁棒性算法,首先对采集到的每帧图像建立高斯金字塔。然后在高斯金字塔的顶层进行初估计,采用图像块法得到整像素的运动估计矢量。精估计采用光流梯度法。为提高鲁棒性,运用简化的M收敛法进行梯度约束。最后阶段采用双线性内插对当前帧与参考帧进行匹准。经测试,该算法效果较好,也能实时运行。

基于方向金字塔分解与稳定几何失真校正的鲁棒图像水印算法

目的为了提高水印算法的抗几何攻击能力,并兼顾较高的鲁棒性与不可感知性,设计一种基于方向金字塔分解与稳定几何失真校正的鲁棒图像水印算法。方法首先,引入方向金子塔,对载体图像完成分解,输出对应的低通与高通子带;将低通子带分割为一系列的非重叠块;根据载体的亮度、纹理与边缘掩码,计算水印嵌入强度,最大程度地平衡水印图像的不可感知性与鲁棒性;设计水印嵌入方法,将经过Arnold映射加密后的水印嵌入到非重叠子块中,通过修改载体的方向金子塔分解系数,获取水印图像;将不同的攻击类型作用于水印图像,建立训练样本;再利用方向金子塔分解训练样本,计算高通子带的高斯-厄米矩能量,将其视为特征矢量;再利用特征矢量对模糊支持向量机完成训练,以预测几何失真参数,准确校正受攻击的水印图像;设计水印检测机制,从水印图像中复原水印。结果实验数据表明,与当前图像水印方案相比,所提算法具有更高的抗几何变换能力,以及较好的不可感知性与鲁棒性,其提取的水印失真度最小,对应峰值信噪比保持在40dB以上。结论所提水印算法具有较高的鲁棒性和视觉隐秘性,在版权保护、信息防伪等领域具有一定的参考价值。

基于金字塔法的数字医学图像增强

论文介绍了一种类似于金字塔法的数字医学图像处理方法。该方法主要用于对高分辨率CCD相机与平板得到的数字化医学图成像进行图像处理。通过调整图像重建过程中金字塔各层的增强系数,可以得到较为理想的处理结果。

高斯-拉普拉斯金字塔法重建多分辨率锥束CT三维图像

为解决锥束CT重建不同分辨率三维图像需求,提出一种高斯-拉普拉斯金字塔法重建多分辨率锥束CT三维图像方法.该方法对锥束CT采集到的投影数据进行高斯金字塔分解,将分解后的低频图像集进行FDK重建得到低分辨率三维图像;构造拉普拉斯金字塔获得对应分解图像的残差图像集,均值滤波后与低频图像集融合,对融合数据重建后的三维数据双线性插值进而得到高分辨率三维图像且在重建高分辨率三维图像过程中耗费时间与传统FDK算法相比能够缩短1/2以上.

移动队列规则耦合角度约束的医学图像匹配

当前医学图像的特征匹配主要依靠像素灰度来完成,但是像素灰度对空间信息不敏感,当匹配图像之间存在灰度信息不均衡以及噪声干扰时,将导致误匹配率较高,对此,本文提出了一种基于移动队列规则耦合角度约束的医学图像匹配算法.首先,利用高斯金字塔模型对源图像进行滤波预处理,以减少源图像中存在的噪声等干扰;再利用Harris算子对预处理后的源图像进行特征检测,获取图像的特征点;然后,利用SURF(Speed Up Robust Feature)特征描述子,获取特征点对应的特征描述子.并通过尺度空间理论获取特征点集,通过将特征点集进行排序来形成队列,从而设计移动队列规则,完成特征点的匹配;最后,通过求取匹配特征点间的夹角,形成角度约束模型,对匹配特征点进行提纯,剔除伪匹配特征点,使得匹配准确度得以提升.从仿真实验结果与分析可见,在对医学图像进行匹配时,本文所提出的方法具有匹配精度高、鲁棒性能好等特点.

基于卷积神经网络的移动网络目标跟踪与控制

针对移动网络目标跟踪与控制过程中易出现遮挡、形变和模糊等问题,提出了基于卷积神经网络的移动网络目标跟踪与控制方法.利用卷积神经网络构建CNN模型,在原始移动网络目标图像金字塔内,提取多尺度特征,结合滤波算法获取的移动目标响应图,在多模板条件下求解各层卷积特征滤波最佳参数,通过最佳参数和滤波响应获取最终响应图,根据最终响应图中响应最大值实现移动网络目标的自适应跟踪与控制.实验结果表明,所提方法平均跟踪精确度为97.18%,平均跟踪成功率为95.93%,中心位置平均误差为4.38,误差幅值较小,具有良好的目标跟踪与控制能力.

基于高斯-拉普拉斯金字塔的DR图像增强改进算法研究

目的为从数字X线成像(Digital Radiography,DR)图像中获取更多的诊断决策信息,在传统高斯-拉普拉斯金字塔算法的基础上提出了改进。方法在基于人眼视觉特性及获得更好细节增强效果的基础上,对图像低频分量采用直方图均衡使图像灰度显示更加均衡,对图像高频分量采用分层指数增强使图像细节更加清晰。结果改进算法提高了胸部、盆腔和脊椎等部位的DR图像的对比度,使图像更有层次感,获得了良好的图像增强效果。结论实现结果表明,该算法的增强效果优于传统高斯-拉普拉斯金字塔算法。

基于图像多分辨率与运动控制卡的线阵相机快速定位算法

为了解决当前线阵相机宽幅面采集图像时,存在图像数据过大影响系统处理速度与精度的问题,论文提出了基于图像多分辨率与运动控制卡的线阵相机快速定位算法。首先,采用高斯金字塔结构对图像进行多分辨率处理,对较高层的低分辨率图像进行surf角点匹配,完成对目标区域的快速定位。然后,基于凌华运动控制卡开发包函数,对Dalsa线阵相机与图像采集卡SDK进行二次开发,完成图像数据深度采集,实现线阵相机快速定位。实验测试结果显示:与当前图像采集定位技术相比,在面对大数据图像时,论文算法拥有更高的处理效率与准确度。

基于多尺度背景差的视频前景检测算法

当前监控视频数据呈现海量增长,针对监控视频的前景目标提取已成为未来城市建设的重点研究方向.为了更加准确高效地检测视频前景目标,并且能同时适用于静态和动态背景的视频,提出了一种基于多尺度背景差的视频前景检测算法.该算法以背景差法为基础,加入了多尺度高斯金字塔影像进行改进,充分利用了多尺度图像的优点,在大尺度图像中能检测出更多目标细节,在小尺度图像中能更有效地检测出目标轮廓.运用MATLAB编程与两种常用的视频前景检测算法进行了比较和分析,并且利用Recall和Precision指标进行了精度评定.实验结果表明,这种方法检测精度较高,抗噪能力较强,不管在静态背景还是动态背景的视频中,都能取得很好的检测效果.

基于色彩校正与分层块匹配的图像配准算法

鉴于当前图像配准色彩存在较大的差异,文章提出基于色彩校正与分层块匹配的图像配准算法。通过将RGB彩色图像转换为灰度图像,运用逆过程来校正图像的灰度级。基于块匹配思想以高斯金字塔为框架,结合图像块结构信息和相关信息作为图像块匹配准实现匹配块的精准定位;基于分层自适应图像块数量思想应用全搜索算法来加快算法效率。实验结果表明:文章提出的算法具备更高的匹配率和时间效率,是一种更加精确的鲁棒图像配准算法。

基于导航金字塔的强地震约束建模方法——以胜利油田沙二段河流相为例

河流相储层横向变化快、非均质性强,传统建模方法已不能满足目前储层表征的需求。为此,首先利用导航金字塔技术,将地震数据进行分解与重构,重构后的数据更加凸显地质规律,有利于沉积相的刻画;然后采用贝叶斯—序贯高斯地震约束建模方法进行储层建模,建立测井数据与地震属性的约束关系,提高模型垂向分辨率。胜利油田沙二段河流相储层建模实践表明,经导航金字塔技术处理后的地震数据横向表征能力增强,砂体边界识别效果较好;与传统序贯高斯方法相比,贝叶斯—序贯高斯方法模拟模型垂向分辨率更高,砂体预测厚度与实际厚度吻合率达86%,更有利于砂体识别。该方法可为剩余油开采提供指导。

基于光流的运动小目标检测算法

运动目标的检测是目标识别与跟踪的关键技术之一。光流技术是一种以物体的运动特征来检测目标的方法,它的提出为运动小目标的检测开辟了新的空间。在一个搜索跟踪系统中使用光流技术检测和跟踪空中小目标,目标大概为5～10个像素,而且背景复杂,相机抖动,普通分割算法无法得到小目标。在目标的运动明显异于背景的情况下,通过利用基于光流的目标检测算法来检测出小目标,同时运用高斯金字塔模型,提高算法的运算速度。试验结果表明提出的基于光流的检测算法在背景运动的红外图像中取得了较好的效果。