一种改进能量函数的显微图像拼接算法

针对传统最佳缝合线算法难以有效消除显微图像拼接后的拼接缝问题,提出一种基于最佳缝合线的图像融合优化算法。首先,利用ORB(oriented FAST and rotated BRIEF)算法对待拼接图像进行特征提取并定位重叠区域;其次,设计改进能量函数,结合动态规划技术,在重叠区域内有效搜索出最佳缝合线,基于这条缝合线,进一步采用改进融合方法有效融合两幅图像;最后,利用泊松融合方法消除重叠区域与非重叠区域之间存在的拼接缝,得到最终图像。实验结果显示,该方法将最佳缝合线两侧像素的相似度提高了5%左右,降低了能量损失,有效消除了拼接缝,提高了图像质量。

基于SAM分割的交互式局部图像风格迁移方法研究

针对目前局部图像风格迁移目标区域选择困难、迁移灵活性不足、容易出现内容泄露、前景与背景边缘过渡不自然等问题,提出一种基于任意分割模型(Segment Anything Model,SAM)的交互式局部图像风格迁移方法。首先利用SAM分割网络在用户输入提示的指导下对输入的内容图像进行交互式目标迁移区域提取,对得到的有效对象掩码进行二值化处理,以二值化掩码提取全局风格化图像的目标区域作为前景、内容图像作为背景图像进行泊松融合,实现局部图像风格迁移。为了避免迁移过程中的内容泄露,全局风格迁移网络采用生成对抗网络架构,通过多级自适应注意力归一化模块进行风格特征转换,利用联合损失函数对网络进行综合训练。实验结果表明,设计的交互式局部图像风格迁移网络能够根据用户提示生成灵活可控的局部迁移结果,可以对图像中的任意物体进行风格迁移,迁移结果很好地保留了内容源图像中的内容结构,避免了内容泄露,且前景与背景边缘过渡更加自然。

基于泊松图像融合的自监督缺陷检测方法

提出一种基于泊松图像融合的自监督缺陷检测方法,采用泊松图像融合对无标注的正常样本进行数据增强,生成多样化的、更贴近实际的模拟缺陷样本,解决缺陷样本数量少且不易标注的问题.结合缺陷样本的特征提出一种CANet网络,引入卷积注意力模块对编码器—解码器结构进行优化,防止采样过程中的信息丢失,并在网络末端添加掩码卷积层以提高输入数据的重建精度.在MV Tec数据集上进行实验,总体检测AUROC达到96.1%;通过与三种典型检测方法的比较,证明所提方法的有效性且具备较好的泛化性,能满足工业生产中不同种类产品的表面缺陷检测要求.

基于图切割的图像拼接技术研究

虽然图像拼接技术已进行多年研究,但是鬼影和曝光差异仍然难以消除。为解决这两个问题,提出了一种基于图切割的图像拼接方法。该方法结合图切割和泊松融合技术,首先利用每个像素邻域统计得到的梯度方向直方图来计算重叠区的带权有向图的权值,并通过实现稳定的图切割缝合线搜索,以消除鬼影;然后利用重叠过渡的泊松融合过程解决了缝合线拼接后的曝光差异问题,从而最终实现平滑的图像拼接。实验表明,该算法能够效地消除鬼影和曝光差异。

基于图像拼接的惯性约束聚变终端光学元件在线检测

针对惯性约束聚变(ICF)终端光学元件的高精度在线检测,提出了一种基于图像拼接的检测方法。该方法主要包含图像配准及图像融合两个部分。在图像配准部分,采用基于局部损伤点特征匹配的方法来解决在线检测图像中信息过少,以及子图像间存在曝光差异的问题,并将检测系统的运动信息应用到配准过程中,提高了检测精度及效率。在图像融合部分,采用泊松融合的方法来消除曝光不均匀所产生的"拼接线",实现了检测图像的"无缝拼接"。用本文算法与尺度不变特征变换(SIFT)算法对ICF终端光学元件在线检测(Final Optics Online Inspection,FOOI)图像进行了实验对比,结果表明,本文提出的图像配准方法优于SIFT算法。通过4×4方式得到的拼接图像显示,本文方法可以大幅度提高ICF系统中FOOI装置的检测分辨率。

基于超分辨率特征融合的工件表面细微缺陷数据扩增方法

针对工件缺陷检测中的表面细微缺陷难以检测问题,提出一种基于超分辨率特征融合的数据扩增模型。该模型由数据层(Data)、超分辨率特征提取与样本修复层(SR-Re)和数据扩增层(M-A)3层结构组成。Data层完成样本划分,并以缺陷特征像元占比小于0.333%的样本作为细微缺陷数据输出;SR-Re层采用双路结构并行处理输入数据,分别完成对输入图像数据的超分辨率特征提取与样本修复;M-A层通过对超分辨率特征和无缺陷样本进行泊松融合实现样本扩增。该模型重点解决了由于图像特征不明显导致工件表面细微缺陷难以识别、检测模型难以构建与工业检测困难的问题,通过扩增细微缺陷样本提升了缺陷检测模型的准确率。最后通过对5类铝型材样本进行实验,验证了该模型的有效性与可行性。

面向不均衡样本空间的工件表面缺陷检测方法

针对工件表面缺陷检测中样本的非均匀状态导致检测模型难以构建问题,提出了一种面向不均衡样本空间的工件表面缺陷检测方法。构建了包含样本空间均衡化采样模型(SSE Model)与缺陷检测模型(A-C Model)的串行整体结构(SSE-D Model)。SSE Model首先通过双路并行结构分别完成原始样本的特征提取与样本区域修复,随后对所提取特征利用单样本扩充实现特征的扩充,最后利用泊松融合实现特征与已修复样本的融合,生成新样本并完成样本空间的均衡化;A-C Model以空间均衡的新样本作为检测模型输入,利用深度残差思想构建检测模型,并融合注意力机制提升模型对缺陷特征的学习能力。该模型重点解决了工件表面缺陷检测中原始样本空间不均衡问题,并提升了检测模型对特征的学习能力与鲁棒性;最后利用5类工件图像样本完成实验对比,验证了本文方法的有效性与可行性,为不均衡样本空间的表面缺陷检测提供了一种新的思路。

基于风格迁移的交互式航空发动机孔探图像扩展方法

在航空发动机孔探图像缺陷检测任务中,缺陷区域样本数量远少于正常样本数量,且缺陷样本无法覆盖整个样本空间,导致检测算法泛化能力较差。针对上述问题,提出了一种基于风格迁移技术的交互式数据扩展方法。首先,通过交互界面选择背景图像和缺陷目标,并根据背景图像指定需要粘贴的目标的大小、角度和位置等信息;其次,通过风格迁移技术将背景图像的风格迁移到目标图像上,使得背景图像和待检测目标具有相同的风格;最后,利用泊松融合算法对融合区域的边界进行修正,以达到连接区域自然过渡的效果。通过二分类和缺陷检测验证了该方法的有效性。在包含真实图像和扩展后图像的二分类实验中,测试人员的平均分类错误率达到了44.0%;而在基于Mask R-CNN模型的检测任务中,所提方法的检测和分割平均精度(AP)较传统方法分别提高了99.5%和91.9%。

基于控制点网格优化的航拍图像拼接算法

由于航拍图像拼接过程中的特征点误匹配和重影,传统方法使用全局单应性矩阵变换得到的拼接效果并不理想,对此提出一种基于控制点网格优化的图像拼接算法。针对特征点的误匹配,提取输入图像的LIFT特征点,使用RANSAC对特征点进行筛选和匹配,优化特征点对应匹配关系,并给出一种控制点筛选算法;使用控制点结合最小二乘网格约束对图像重叠区域进行网格划分和调整优化,并给出平滑过程中的误差计算方程,从而得到更加精确的图像配准模型;使用加权泊松融合降低色差、淡化拼接缝隙,得到航拍图像的拼接结果。该算法降低了拼接过程中的误配准和重影现象,得到了更精确逼真的航拍图像拼接结果。

基于SIFT特征检测的图像拼接

针对图像拼接方法中存在的特征提取精度低,以及拼接后存在的拼接裂缝和"GHOST"现象等问题,基于SIFT特征检测的图像拼接.通过采用图像特征点提取和匹配有较强的稳定性和精确度的SIFT特征检测算法,且通过采用较低复杂度的动态规划算法找到最佳缝合线,最后对拼接后的图像通过泊松融合进行平滑处理来完成图像的拼接,并采用自行拍摄的图像进行仿真实验.仿真实验结果表明,基于SIFT特征检测的图像拼接方法具有较高的稳定性和特征提取精度,同时具有较低的特征点提取误差,并对图像拼接中存在的拼接裂缝和"GHOST"现象有很好的抑制作用.

约束条件下的人脸五官替换算法

针对医学美容以及数字娱乐领域中的特定应用,提出了基于图像的人脸五官替换算法。该算法将人脸特征提取与图像复合相结合,无需3维人脸模型重建,自动合成具有源图像主要五官特征的结果图像。系统允许用户调整权重,在源五官与目标五官间进行插值,控制结果图像与二者的相似程度。进一步地,以鼻子附近的拉普拉斯算子为约束,求解泊松方程以去除阴影影响。实验结果表明,该算法效率高,合成效果达到了实用的要求。

保持纹理细节的无缝图像合成

为了解决传统图像合成方法在处理具有不同纹理特征的图像时产生明显边界的问题,提出新的图像合成框架.把图像分解为基本层和细节层,基本层解决边界处颜色的无缝融合;细节层实现边界处纹理细节的光滑过渡.算法流程为进行基本层的融合,合成新的细节层,新细节层添加到融合的基本层得到最终结果.通过计算一张权重图来指导新细节层的生成,权重图度量纹理特征的强弱和像素到边界的距离.实验结果显示:算法可以有效保证颜色的无缝融合,保持纹理的光滑过渡.相对于传统图像合成方法,该算法可以生成更真实的合成图像.

基于改进ORB特征检测的多视角图像拼接

针对多视角图像拼接方法中存在的实时性较差,以及拍摄图像是存在运动物体产生的拼接裂缝和"GHOST"现象,提出基于改进ORB特征检测的多视角图像拼接.通过对ORB算法的改进使得图像的特征点提取和匹配有更高的实时性和稳定性,且通过采用较低复杂度的动态规划算法找到最佳缝合线,最后对拼接后的图像通过泊松融合进行平滑处理,从而对多视角图像中存在的拼接裂缝和"GHOST"现象有很好的抑制作用.

基于特征点和泊松融合的红外序列图像拼接

提出了一种基于特征点和重叠过渡泊松融合的红外序列图像无缝拼接方法。该方法首先采用简化的SIFT特征提取方法获得图像特征点,然后利用双向互匹配的方法提高特征点的匹配精确度,再通过引入随机抽样一致性(RANSAC)算法剔除误匹配点对并求出图像间的变换矩阵,最后将改进的重叠过渡的泊松融合完成图像间的无缝拼接。该算法具有很好的鲁棒性,允许图像有旋转变换和缩放变换,且不受图像噪声影响。实验结果表明:该方法简单有效,可以在保持图像清晰度的前提下,明显消除拼接缝隙,提高拼接图像的质量。

动态大规模无线传感器网络决策融合

为了解决动态大规模无线传感器网络的决策融合问题,该文提出了一种表决决策融合规则。假设无线传感器网络中信道的衰减服从瑞利分布,传感器的数量服从泊松分布。在不同的系统参数下,对融合规则的检测性能进行了分析和仿真。结果表明,只要传感器的平均数量充分多,此融合规则即使在较低的信噪比下,也能提供良好的系统检测性能。并且与已有的非参数融合规则相比,此融合规则可以提供更好的检测性能。同时,通过使用决策融合系统的偏移系数,给出了传感器输出的最优接收阈值的获取方法。

结合SIFT特征点和泊松融合的无人机遥感影像拼接技术

针对无人机遥感影像拼接技术的研究,本文提出了一种结合尺度不变的SIFT特征点和重叠过渡泊松融合的无人机遥感影像无缝拼接方法。该方法首先采用SIFT算法对影像进行特征点提取,根据特征描述符间的欧氏距离对特征点进行粗匹配;然后使用随机采样一致性(RANSAC)算法剔除误匹配点对,为防止计算出的单适应矩阵线性结构不稳定,引入LM算法对单适应矩阵进行优化;最后采用重叠过渡泊松融合算法对影像进行拼接融合,以实现影像的无缝拼接。试验结果表明,该方法在无人机遥感影像拼接方面具有优势,能够获得良好的拼接影像。

基于自适应梯度域融合的图像无缝镶嵌方法

图像融合是获取高质量镶嵌图像的关键步骤,针对空域和频域的融合方法在实现图像合成时易产生拼接缝隙和模糊问题,提出了一种梯度域下的图像无缝镶嵌方法。该方法对融合区域关键要素的选取作了改进,并加入自适应的混合梯度引导插值,利用带有Dirichlet边界条件的Poisson方程求解待融合区域的像素值。同时,结合全局亮度调整算法消除曝光差异。此外,在图像配准阶段,提出自适应阈值的Harris角点算法解决阈值的不通用性问题。实验结果表明,该方法有较强的适应性,能够有效降低曝光差异的影响,消除拼接缝隙,在保持清晰度的同时,提高了镶嵌图像的质量,达到了无缝镶嵌的效果。

一种运动模糊图像的鲁棒运动估计策略

研究运动模糊图像的运动估计问题,提出基于泊松融合技术的运动估计策略。该策略将运动模型作为泊松融合技术的局部约束,实现最优运动求解。在此基础上,以直线和旋转运动模糊图像为例,提出相应的运动参数模型和估计方法。实验结果表明,所提出的策略可以较准确地估计模糊运动。

基于改进的SURF算法的视频总结方法

视频总结是提取视频中运动目标并在时间和空间上对其重新展现的过程。在提取运动目标特征点时,针对传统的SURF算法会进行重复性计算而消耗较多时间的特点,对SURF算法进行改进,避免对特征点领域Haar小波响应的二次计算,并增大扇形窗口滑动步长,从而减少了许多交叉区域的重复计算,提高了算法的实时性,最后,利用改进的SURF算法进行视频总结,形成了包含很多重要信息的总结视频。实验证明了该方法的有效性。

基于改进DCGAN的水下图像生成方法研究

针对传统深度卷积生成对抗网络(DCGAN)在小样本数据输入时生成的水下图像存在细节模糊和相似度较高的问题,提出一种改进的生成器网络,以提高生成水下图像质量。利用卷积神经网络特征融合方法改进了DCGAN生成器结构,提出模型训练策略加速网络收敛速度;设计生成目标与背景融合中心点函数,采用泊松融合方法生成训练数据。试验表明,改进后的模型能够丰富生成的图像,突出纹理、形状等细节信息,扩增后的数据使识别精度有效提升了2.5%。