一种矿井巷道图像边缘检测算法

针对传统的Canny算法在处理模糊的矿井巷道图像时存在边缘提取效果较差的问题,提出了一种基于小波变换和Canny算法的矿井巷道图像边缘检测算法。该算法首先对矿井巷道原始图像做小波分解,获得低频图像和高频图像,从而避免模糊图像对边缘检测效果的影响;然后采用Canny算法计算低频图像和高频图像的一阶差分,获得低频图像和高频图像的梯度图,通过计算局部梯度最大值,获得高频图像和低频图像的边缘图;当高频图像的边缘图上出现间断点时,在低频图像的边缘图中检测该点的8点邻域,寻找连接点,即可得到完整的矿井巷道边缘检测图。实验结果表明,与传统的Canny算法相比,该算法能够检测到较多的图像边缘点,具有较好的边缘连接效果。

结合小波变换的Shi-Tomasi算法遮挡图像匹配研究

目标部分遮挡或缺失是计算机视觉应用到制造业中经常遇到的问题。对现实生产中工件间遮挡的图像匹配问题进行研究,提出了小波变换和Shi-Tomasi角点检测相结合的算法。对小波分解后的低频图像进行特征点提取,舍弃图像的高频成分,有效降低噪声对图像的影响。选用常见的法兰盘作为实验对象,在多种环境下验证文中算法的可行性,最后用RANSAC算法消除误匹配。匹配结果表明,该算法不仅可以减少遮挡工件匹配的计算量,去除伪角点,加快识别速度,而且在噪声干扰、旋转、尺度变化等条件下也有较好的匹配效果。

基于小波变换的可变光照下人脸图像识别方法研究

实现人脸图像识别真实性的过程中,为提升可变光照下人脸识别图像的识别率,提出基于小波变换的可变光照下人脸图像识别方法,小波分解人脸图像,过滤掉人脸图像中的冗余信息,获取人脸低频图像,采用Gamma校正改善图像亮度、通过高斯差分过滤出人脸图像低频中的光照和高频中的噪声,通过对比度变换增强图像质量,实现人脸图像的光照处理。采用小波变换和LBP编码方式提取光照处理后人脸图像的LBP直方图特征,计算特征间距离,近邻分类人脸图像,实现可变光照下人脸图像识别。经过实验检测发现,所提方法有效降低可变光对人脸图像的影响,完整保存人脸面部表情,并改善图像亮度对比度和滤出人脸图像中光照成分,识别可变光照下人脸图像的最高识别率达到98. 56%。

小波滤波的移动最小二乘图像变形方法

为了获得具有真实感的变形图像,改变以往直接对图像进行变形的做法,首先对图像进行预处理,提出基于小波滤波的移动最小二乘法图像变形.对原始图像先进行滤波,把图像分成低频子图像和高频子图像,只对低频部分使用基于控制点集的移动最小二乘法进行变形,对不同部位的轮廓和边缘进行不同尺度的变形,较好的描述了图像中的形状和轮廓信息;对高频部分不作处理,有效的保持了图像的细节信息.再将变形后的低频部分与原图像的高频部分相加得到最后的变形结果.实验表明这种方法很好的保留了图像的高频信息,可以使图像产生平滑的变形,获得具有真实感的变形效果.

基于小波变换人脸图像融合方法的研究

利用小波高频系数区域选大法、小波区域能量选大法、小波系数区域标准差选大法、小波区域平均梯度选大法四种融合算法,通过小波变换将图像金字塔选择系数进行一系列的处理后构成融合图像信息。最后从均值、信息熵、交叉熵、扭曲程度、相关系数等方面对融合后图像进行了评价,验证了算法的可行性。

FMSWFormer:基于频率分离和自适应多尺度窗口的视觉Transformer

由于Vision Transformer具有二次方的patch复杂度和较差的局部归纳偏置,导致需要大量的数据和更专业的数据增强策略及更多的训练技巧来超越高效卷积网络。为了解决这些问题,从多尺度特征提取和图像频率的角度进行研究,提出具有轻量注意力机制的FMSWFormer。FMSWFormer采用卷积-自注意力机制混合模块构建起不同频率间的通信,通过窗口划分实现局部注意力机制,以此限制过高的计算成本;参考自适应尺度感知卷积的做法,并创新性地将多尺度算子引入到自注意力计算中,从而实现了多头自注意力机制的自适应尺度感知能力。在各种基准识别任务数据集上进行广泛的实验,结果表明了FMSWFormer的有效性,在多个数据集中都取得了优越的性能,且不增加时间成本。其中在CIFAR100数据集上,FMSWFormer比SepViT的性能高出4.2%,延迟降低了47.8%;在参数量比EfficientNetv2减少了22%的情况下,FMSWFormer的性能依然能高出3.94%。

基于移动平台的SIFT算法优化

本文通过快速构建图像的低频信息图像,并完成其上的特征点检测,简化SIFT(Scale Invariant Feature Transform)图像匹配算法高斯空间构造的复杂度,以此来提高特征点检测效率,提高算法在移动设备上的运行速度,并在Android平台上将优化算法和SIFT算法进行对比。实验结果表明,优化的算法在多种场景下保证配准效果的同时提高了特征点检测速度,尤其是在旋转变化条件下效果更好。

基于Gabor滤波器和ICA技术的SAR目标识别算法

提出了一种基于Gabor滤波器和独立分量分析(ICA)技术对合成孔径雷达(SAR)目标识别的算法。该方法提取预处理后SAR图像的低频子带图像,利用Gabor滤波器组对该低频子带图像在不同方向和尺度上滤波,再用主成分分析(PCA)+ICA方法对Gabor滤波后图像提取有效特征向量作为目标识别特征,最后用支持向量机(SVM)对该特征进行分类完成目标识别。使用MSTAR数据库中3类SAR目标数据对该方法进行目标识别的仿真实验,平均识别率最高可达96.56%。通过与其他识别方法对比实验,验证了文中方法的有效性。

Image Fusion Based on Complex Contourlet Transform and Nonnegative Matrix Factorization

An image fusion method combining complex contourlet transform(CCT) with nonnegative matrix factorization(NMF) is proposed in this paper.After two images are decomposed by CCT,NMF is applied to their highand low-frequency components,respectively,and finally an image is synthesized.Subjective-visual-quality of the image fusion result is compared with those of the image fusion methods based on NMF and the combination of wavelet /contourlet /nonsubsampled contourlet with NMF.The experimental results are evaluated quantitatively,and the running time is also contrasted.It is shown that the proposed image fusion method can gain larger information entropy,standard deviation and mean gradient,which means that it can better integrate featured information from all source images,avoid background noise and promote space clearness in the fusion image effectively.

双侧先天性重度感音神经性耳聋患儿低频振幅功能磁共振研究

探讨双侧先天性重度感音神经性耳聋患儿低频振幅功能磁共振效果。方法 将在我院接受治疗的双侧先天性重度感音神经性耳聋患儿作为本次研究的主要对象,从主要的研究对象中选取20例,将该20例作为试验组研究对象;从来本院接受健康检查的儿童中选取20名,将该20名儿童作为对照组研究对象,试验组的对照组的研究对象的入院时间上限与入院时间下限选定为2019年8月、2021年6月,低频振幅功能磁共振检查为试验组与对照组研究对象共同接受的检查方式,以获得血氧水平依赖(BOLD)数据,对BOLD数据实施后续处理,获得低频振幅(ALFF)图像,比较两组间ALFF信号得出两组间的差异性脑区情况。结果 经对比可知,对照组与试验组在左、右额中上回的ALFF信号方面,均存在减低情况,且试验组的减低程度更加显著,P<0.05。试验组左、右额中上回、右后扣带回、右中央旁回ALFF值与听性脑干反应(ABR)无明显相关性(P>0.05)。结论 双侧先天性重度感音神经性耳聋患儿的脑代偿性功能及相关脑区功能会发生改变与重组。

利用Gabor滤波分块特征对SAR目标识别

提出了用Gabor滤波分块统计特征对SAR图像目标进行识别的方法。该方法首先提取预处理后SAR目标图像的低频子带图像,用Gabor滤波器对该子带图像进行滤波,对滤波后各子带图像进行分块,提取所有分块的统计特征作为目标识别特征,最后用支持向量机对该特征进行分类完成目标识别。使用MSTAR数据库中3类SAR目标数据对该方法进行目标识别验证,平均识别率达到93.85%。