基于熵加权的四叉树分解单帧图像去雾

为解决现有图像去雾算法运行效率低下且对白亮目标区域色彩失真的问题,提出一个基于四叉树分解与熵加权上下文正则的单帧图像去雾算法。原始雾图像估计出边界的约束量并进行四叉树分解,利用输入图像的统计特性,自适应地获得逐块的传输函数。引入每一个颜色通道的熵,改善权值函数的精度,通过最小化优化函数计算最终传输映射。该算法可获得具有最逼真的颜色与最少的光晕效应的高质量无雾图像。仿真的定性定量结果表明,该算法相比于现有算法能够获得最佳去雾效果,极大降低计算复杂度。

四叉树分解的图像插值

如何在图像插值的同时较好地保持图像的结构信息一直是图像插值的一个难点,提出了一种基于四叉树分解的图像插值方法,基本思想是:用四叉树分解将原始图像划分为一些像素值相近的子块,当分解区域为1×1,用最邻近插值方法,分解区域为2×2时,用双线性方法插值,其余情况用双立方插值扩充子块,再将扩充后的子块映射到输出图像。实验结果表明该方法能较好地保持图像的边缘,同时具有较高的效率,可以应用到图像、视频及医学图像的放大。

一种基于四叉树分解的图像压缩方法

在信息社会高度发展的今天,图像成为可以传递信息的重要载体之一。由于未经处理的图像信息量非常大,大力研究和开发图像压缩编码技术就非常重要。论文主要探讨对于存在连续阴影或者大量连续相同像素的图像压缩,通过分析RLE算法的不足,提出了一种基于四叉树分解的图像压缩方法,实验表明运用这种方法实现静态图像压缩可以使压缩效率得到进一步的提高,该方法为实现静态图像压缩开辟了新的思路和途径。

基于四叉树分解与图割的彩色图像快速分割

图割是一种基于图论的组合优化方法,基于图割的GrabCut是一种高效的前景提取算法。然而,GrabCut为达到一定分割精度,在高斯混合模型参数估计过程中多次迭代使用图割,这使得GrabCut在处理海量级图像数据时,耗时往往比较大。通过四叉树分解,可以将图像划分成区域内相似度高的若干分块,以构建精简的网络图,并用块内的RGB均值代替该块内的所有像素点的值进行高斯混合模型参数估计,从而减小问题规模,提高算法效率。实验结果表明了算法的可行性及有效性。

基于改进的四叉树分解多聚焦图像融合算法研究

多聚焦图像融合的目的是将两幅或多幅部分聚焦图像融合为一幅全聚焦图像。本文提出一种基于四叉树分解和鲁棒性主成分分析(RPCA)的空间域多聚焦图像融合算法。首先利用四叉树分解算法将源图像分解为最佳的四叉树形结构图像块;同时,在四叉树形结构中,使用鲁棒性主成分分析算法对其聚焦区域进行探测,将聚焦度探测结果作为停止四叉树分解的条件;最后,从源图像中提取出聚焦区域重建为一幅全聚焦图像。本算法充分发挥了四叉树分解和鲁棒性主成分分析的优势,实验结果证明,本文提出的算法在主观视觉和客观评价指标上都取得了较好的效果。

基于四叉树分解和MB_LBP模式的人脸识别算法

针对多尺度块局部二值模式MB_LBP在分块尺寸选择上的不足,提出了一种基于四叉树分解的MB_LBP算法。算法首先利用图的四叉树分解方法对人脸图像进行高同质性的划分,得到非固定尺寸的图像子块集合;然后对每个图像块利用改进的MB_LBP算法得到图像块的LBP值;最后,将所有的LBP值形成统计直方图得到整幅图像的特征。算法有效考虑了图像块的纹理特性,优化了局部特征值选择,提高了识别正确率。通过在ORL和YALE人脸数据库中进行仿真实验,结果表明,提出的算法相比MB_LBP方法识别正确率提高约10个百分点,并且在针对高分辨率人脸图像时识别速度提高1 s左右。算法适用于高分辨率的人脸图像快速识别。

一种对残差帧的四叉树分解编码算法

为了克服在低比特率下的块效应 ,并适应实时编、解码的需要 ,提出了一种对残差帧的四叉树编码算法 ,该算法首先采用 OBMC的方法生成预测帧以有效消除块效应 ,并针对残差帧的统计与视觉特性 ,对每个 2× 2的小块取灰度平均值作为最小编码单位 ,然后用四叉树分解方法来大致标记均值大于某阈值的块的位置 ,并以标量量化和自适应算术编码器编码其灰度值 .与基于变换的编码方法相比 ,该算法简单、高效 ,码率低 ,解码质量高 ,是一种实时的编。

四叉树分解的图像认证水印算法

文章分析了图像内容认证方式和常用篡改检测定位方法,设计出基于图像四叉树分解的认证水印算法,以四叉树分解的图形信息作为水印图像用于篡改定位。实验证明,该方法在保持图像视觉质量的前提下,能够有效抵抗常规的图像处理操作,对恶意攻击进行多区域篡改检测和准确定位。

基于Top-Hat变换和四叉树分解理论的SAR图像目标检测方法

SAR图像目标检测方法没有固定的范式,是图像分析、理解和解译的基础。针对含有目标的SAR图像,提出一种基于Top-Hat变换和四叉树分解理论的SAR图像目标检测方法。对含有目标的灰度SAR图像,利用Top-Hat变换减小图像的突变,并使用图像的特征均值和特征方差值作为阈值进行动态阈值的四叉树分解。最后根据目标固有的特征对候选的若干区域选择一个真实的目标,并采用X波段SAR图像验证该方法能够有效地实现SAR图像目标区域的检测。

基于四叉树分解和自适应焦点测度的多聚焦图像融合

为了克服基于块的融合方法对块的大小敏感以及融合图像中存在伪影等问题,提出一种新的基于四叉树分解和自适应焦点测度的多聚焦图像融合方法。首先,设计一种新的基于修正拉普拉斯能量和(SML)和导向滤波的自适应焦点测度,用于获得源图像的焦点图。然后,采用一种新的四叉树分解策略,并结合已经得到的焦点图,进一步将源图像分解成最优大小的树块;同时,从树块中检测出聚焦区域,并构成决策图。最后,对决策图进行优化和一致性验证,并重构出一幅全聚焦图像。通过公共多聚焦图像数据集进行实验,与11种先进的融合方法进行视觉质量和客观指标比较。实验结果表明,本文所提出的融合方法取得了更好的性能。

基于四叉树分解法改进的ORB特征匹配算法

针对ORB(Oriented FAST and Rotated BRIEF)特征匹配算法在复杂环境变化下匹配精确率低以及匹配速度过慢的问题,提出了一种基于四叉树分解法和RANSAC(随机抽样一致性)方法的改进ORB算法。首先对待处理的原始图像经过四叉树分解法来剔除掉灰度变化不明显的区域,然后再进行FAST特征点检测,在特征点匹配环节通过改进的RANSAC方法消除掉错误匹配。实验结果表明,改进后的ORB算法有效匹配精度提升23.5%,时间缩短了18.4%,在环境复杂变化时具有良好的鲁棒性与实时性。

四叉树分解在海空重力测网交叉点搜索中的应用

交叉点快速搜索是海空重力测量数据质量评定的前提和基础。随着海空重力测网规模的不断扩大和不规则测线的出现,现有的交叉点搜索方法无法保证快速、精确地搜索到所有交叉点。引入四叉树分解方法来遍历测网交叉点,实现了交叉点附近的自动加密剖分;利用遍历比较大小取出主、副测线包络矩形的重合区域,取出的索引和实际交叉点数量相当,有效避免了大量的冗余计算。实验结果表明,该方法对于十万测点级别的美国EN01数据块,只要0.28 s即可完成搜索,对于数百万测点的测网的搜索效率也大幅优于常规方法和成熟商业软件。该方法利用遍历搜索保证了100%的准确率,同时具有很高的搜索效率,普遍适用于海空重力测网的交叉点搜索。

一种基于四叉树的数字图像压缩算法

基于四叉树的数字图像压缩算法是一种利用四叉树结构对图像中平滑区域进行压缩编码的技术。而现有的压缩算法由于存在诸多缺陷,使得其效果很难与诸如Jpeg2000的主流压缩算法相比拟。论文基于现有的四叉树分割算法,提出了一种高效的编码方式来记录四叉树的结构信息,同时引入了泰森多边形方法和自然邻点插值法来解决四叉树重构时的平滑问题。实验结果表明,该算法在尽可能小的失真前提下,最大限度地保留了图像的细节信息,且具有较高的压缩比,其整体效果可以与Jpeg2000比拟。

基于暗通道先验和四叉树空间索引的图像去雾算法

本文针对暗通道先验算法中大气光值估计不准确的缺点,采用了一种用四叉树层次分解估计大气光,然后进行图像去雾的方法。首先,用四叉树分割对原图像进行分割,得到4个区域;其次,选定像素均值减去所对应的方差结果最大的区域进行递归操作;最后,计算出大气光值.实验结果表明,本文算法能在保证去雾效果的前提下,运用四叉树大气光值估计得到改进后的大气光值,从而弥补暗通道先验算法当中的不足之处.

昏暗环境下自适应ORB-SLAM2算法研究

本文针对ORB-SLAM2算法在黑暗环境或纹理较少的环境下提取特征点少,从而导致SLAM系统定位精度不高、匹配对数较少,进而导致系统崩溃的问题,提出了一种基于自适应阈值的特征点提取算法与改进的四叉树均匀化策略。首先基于图像的亮度进行基于自适应阈值的FAST特征点提取,之后通过改进的四叉树均匀化策略对图像的特征点进行剔除与补偿,完成特征点选取。实验结果表明,与原算法相比,改进后的特征点提取算法在黑暗环境与纹理较少的环境下,匹配对的数量提升了17.6%,SLAM轨迹精度提升了49.8%,有效的提升了SLAM系统的鲁棒性和精度。

基于SURF-HOG与显著性特征的红外可见光图像配准融合

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。

高效高精度光照自适应的ORB特征匹配算法

针对非均匀光照下ORB图像特征检测算法存在特征点过于聚集、匹配准确率不高等问题,提出了一种高效高精度光照自适应的ORB图像特征匹配算法。利用自适应阈值提取待测图像的oFAST特征点,通过优化的四叉树分解法均匀分配,进一步提高了低照度或高曝光区域特征点的数量,随后,根据汉明距离进行特征匹配,使用改进的RANSAC算法剔除误匹配,提高ORB算法中特征点的匹配准确率。实验结果表明,针对具有明显光照变化的数据集,相较于ORB、MA、Y-ORB及S-ORB算法,本文算法的平均特征分布均匀度提高13.1%,特征提取时间节省26.3%,综合评价指标提升18.5%,可高效完成复杂场景变化下的特征匹配,对目标识别和三维重建等领域具有较强的应用价值。

一种基于形态学梯度的多聚焦图像融合方法

多聚焦图像融合作为信息融合的一个重要分支,广泛应用于计算机视觉、医学诊断、数字成像等领域。文中针对现有融合算法存在融合图像易出现“块效应”等问题,提出了一种基于形态学梯度的多聚焦图像融合方法。该算法首先对源图像进行形态学梯度测量得到对应的得分矩阵,然后对得分矩阵进行四叉树分解得到初始分割图。进而利用形态学滤波和小区域滤波,除去边缘信息和小洞得到期望的决策图。实验测试表明,文中提出算法相对于现有的算法在结构相似度、峰值信噪比等定量指标上皆有较好的表现。

图像稀疏表示的结构自适应子空间匹配追踪算法研究

如何设计高效的图像稀疏表示模型及其分解算法是稀疏表示领域的研究热点.文中首先构建了图像的结构自适应多成分稀疏表示模型,该模型采用相对阈值标准对图像进行结构自适应的四叉树区域剖分,并将其分类为平滑、边缘和纹理结构的同性区域,构建与其结构形态相一致的多成分字典进行表示.进一步提出了一种结构自适应的子空间匹配追踪图像稀疏分解算法,将每一区域只在与其结构类型相一致的单一结构类型子成分字典中进行低维子空间搜索,降低了图像维数与字典搜索复杂度,提高了稀疏分解效率.实验结果验证了文中算法的有效性.

用分块图像特征进行商标图像检索

提出一种使用全局和局部图像特征检索商标图像的方法 首先确定图像的形状主方向 ,根据形状主方向对图像进行旋转 ;然后对旋转后的图像提取目标区域 ,对目标区域用四叉树分解的方法划分多级分块 ;最后抽取分块图像特征进行图像相似性度量 对图像库中 2 0 0 0幅商标图像实验表明 ,分块图像特征具有良好的旋转、平移、尺度和变形不变性 。