基于像素点分类和颜色分割的树型滤波立体匹配

针对树型滤波匹配算法只需颜色一个要素计算权重而引起的匹配错误,提出一种基于像素点分类和颜色分割的树型滤波局部立体匹配算法。首先,在计算初始匹配代价时,按照稳定度将像素点分类;其次根据参考图像的颜色信息将其建立为代价树,并在建树的过程中根据颜色分割约束获得颜色分割图像;利用颜色分割图像和像素点分类信息,改进代价树中各边的权值;最后执行树型滤波,并获得稠密的视差图,从而完成立体匹配。采用Middlebury数据集进行的实验结果表明,该算法相比传统的树型滤波算法,在各区域的精度上都有一定的提升。

基于像素点分类的激光主动成像混合滤波

为了在滤波的同时较好地保留边缘细节,提出一种基于像素点分类的激光主动成像混合滤波方法,将像素点根据其轮廓曲率进行分类,使用Lee滤波去除散斑噪声,使用模糊加权均值滤波器滤除其余混合噪声。定义一种轮廓点筛选方法,从含噪图像中提取候选轮廓点。将轮廓细化,剔除噪声引起的伪轮廓和强度较小的轮廓后,计算轮廓曲率,并根据轮廓曲率将图像上的像素点分为强信息点、弱信息点和无信息点。对于属于不同类的像素点,使用不同滤波参数的Lee和模糊加权均值滤波器进行滤波,使算法具备像素级的自适应性。实验结果表明,所提算法比Lee、Kuan和小波软阈值滤波有更好的去噪能力和轮廓细节保留能力。

基于增强多层次特征融合的自然场景文本检测

针对自然场景图像中未聚焦小文本、复杂背景文本以及宽间距弯曲文本等造成的检测难题,提出了一种基于增强多层次特征融合的自然场景文本检测方法,该方法包括局部注意力特征增强(Local Attention Feature Enhanced,LAFE)模块和多层次增强特征融合(Multi-level Enhanced Feature Fused,MEFF)模块。LAFE模块通过堆叠空洞卷积扩大网络感受野,结合通道与空间注意力来增强像素点分类能力;MEFF模块作为多层次增强特征连接分支,引入可变形卷积来增强特征图之间的信息融合。实验结果表明,所提方法在常用文本数据集上取得了较好的性能,其中,在ICDAR2015、Total-Text数据集上的综合指标F分别达到了88.1%和86.5%,相比原方法分别提升了0.8%和1.8%。

一种实用的图像分析系统

提出了图像分析中对像素点分类的一种方法，将常见１６色与２５６色和真彩色有机地统一起来，给出了一种解决现实颜色与理论颜色表示差异问题的方法以及应用该方法的系统实现，在图像分析中是一种实用的技术。

基于融合代价和自适应惩罚项系数的立体匹配

针对半全局立体匹配算法在视差不连续区域精度较低的问题,提出一种基于融合代价和自适应惩罚项系数的半全局立体匹配算法。在代价计算部分,提出一种融合代价计算方法,引入输入图像y方向的梯度,通过融合公式与输入图像x方向的梯度、绝对差以及Census变换结合形成代价计算数据项;在代价聚合部分,提出一种像素点分类机制,通过颜色和梯度双阈值将每个像素点分类,自适应地调整其惩罚项系数的大小;最后通过多步骤视差优化方法对初始视差图进行处理。实验结果表明,提出算法在视差不连续区域的平均误差降低1.1个百分点~12.8个百分点,在非遮挡和全部区域同样有一定的降低,该算法具有较高的匹配精度和鲁棒性。