自动目标识别算法性能评估中的图像度量

图像度量是自动目标识别(ATR)性能评估中的重要组成部分。图像度量是否与ATR算法性能紧密相关将直接影响系统后续的评价工作。先介绍了传统的图像度量,并分析了作为传统度量代表的目标局部背景对比度度量(TBC)在复杂场景条件下与算法性能不满足单调关系的不足,针对其局限性,提出了基于灰度共生矩阵的图像杂波度量(TIC),并针对TBC和TIC设计了两组实验。结果表明,无论在指定场景还是复杂场景条件下,TIC与算法性能都具有良好的单调关系,有效地克服了TBC的局限性,从而能更好地评价ATR算法性能.

基于模糊积分的一类图像度量

通过 (S)型模糊积分和 (G)型模糊积分定义一类新的图像度量 .实验证明 ,在衡量图像失真度方面该图像度量比传统的图像度量 (包括峰值信噪比(PSNR) )更合适于人类的视觉系统 .

自动目标识别算法性能评估中的图像度量

作为评估自动目标识别(Automatic Target Recognition,ATR)算法性能,图像度量是ATR性能评估中的非常重要的部分,并且与ATR算法的相关系与否对系统后的后续评价工作有很大的影响。文章先介绍了传统的图像质量,并分析了传统目标局部背景对比度度量(TBC)的使用条件及作为ATR算法性能评估的不足。基于此,引用了基于灰度共生矩阵的图像杂波度量(TIC)的方法来进行图像度量。最后设计了实验来论证TIC图像度量算法具有良好的单调性,从而使ATR算法性能获得更好的评估。

基于多度量多模型图像投票的织物表面瑕疵检测方法

为解决自动化生产线上织物表面瑕疵检测准确率低和计算速度慢的问题,利用织物表面具有周期纹理的特性提出了一种改进的RANSac检测方法,即多度量多模型图像投票。首先将输入图像裁剪为尺寸一致的子图,计算出子图多维度量的输出值矩阵;然后与改进RANSac计算出的无瑕疵背景的多维度量标准值分别对应作差,采用投票得出每张子图的基础分;再将其在4个记数模型下得到的综合评分排序,根据顺序和偏移量在输出端得到外点所代表的瑕疵子图。实验结果表明:在自采样的织物瑕疵数据集上,选择单度量和单模型的预测精度平均可达到90.9%,平均预测时间达到0.139 s,综合多度量多模型投票的平均预测精度可达到92.7%。该算法不需要大量前期数据进行训练,适用于纯色和条纹状织物的实时表面缺陷检测。

基于信息度量的图像特征与文本图像分类

作为一种基本图像类型,文本图像在电子商务等方面得到了广泛应用。针对图像数据库中文本图像识别与分类的应用需求,依据文本图像数据与连续色调图像的总体灰度分布差异,该文提出了一种基于图像信息度量(Picture Information Measure,PIM)的图像特征和基于该特征的文本图像分类方法。约2G、800幅网络图像数据库的分析和实验表明,图像的PIM特征可以显著区分文本图像和连续色调图像,识别和分类效果好。

利用人眼视觉特性的图像结构差异性杂波度量

针对光电图像杂波效应对目标获取性能的影响,提出一种基于人眼视觉特性的图像结构差异性杂波度量。依据人眼对图像结构的高度自适应性以及图像质量评估领域广泛认可的图像结构的定义方法,计算目标和杂波的结构相似性;并根据人眼的视觉显著性原理,给出两种适用于结构相似性的显著性加权信息度量。采用外场实验对该杂波度量的合理性进行验证,得出基于该杂波度量的目标预测性能与外场目标获取性能,在均方根误差、相关性方面都优于现有的杂波度量的预测性能。

基于局部自相似性的图像质量度量

使用图像所包含的一种更本质和深层的特征———局部自相似性,并结合人眼观察图像时注意力由中央向周围递减这一特性,提出了一种基于局部自相似性的图像质量度量方法。通过与已有方法的对比实验表明,该方法能对不同类型的失真图像进行更有效的评判,评价结果能够更好地符合人眼主观视觉特性。

基于图像差距度量的阈值选取方法

依靠阈值分割出目标与背景在图像处理与分析问题中经常使用 .基于好阈值分割出的目标与背景之间的差距应该最大以及它们与原图像的差距应该都很大这一特点 ,在给出一些差距度量的基础上 ,一些新的阈值选取方法被提出 .所有方法都有与 Otsu方法类似的简单计算公式 ,特别地 ,根据这一原则 ,Otsu方法被多次导出 .这也间接地说明了依据上面原则来构造图像阈值选取方法的合理性 .所有方法均经实际图像验证证明是行之有效的 .

刑侦图像检索中的特征提取及相似性度量

为分析比较基于内容的图像检索(content-based image retrieval,CBIR)系统中各环节算法在应用于刑侦现勘(criminal scenes investigation,CSI)图像数据库时的有效性,在CBIR系统中,使用颜色特征-HSV直方图、纹理特征-三层小波分解统计特征和颜色纹理的融合特征作为特征提取算法,以欧氏距离和街区距离作为相似性度量分别在CSI图库中进行仿真测试。在COREL图库中进行类似测试,并以查准率作为有效性的衡量标准进行对比。结果显示,在CSI库中,使用颜色特征有相对高的查准率,但CSI库的平均查准率均低于COREL库,此外使用街区距离可获得较高的查准率,这表明,因CSI数据场景复杂及目标多有损毁,现有图像特征提取算法有效性低,而作为相似性度量算法,街区距离相较于欧氏距离能更好地表示CSI图像间的相似性。

利用二部图匹配进行图像相似性度量

基于内容图像检索是多媒体信息检索领域研究的热点 ,而现有的算法和系统离成熟的应用还相距甚远 ,其检索效率和准确性都相当低 .提高基于内容图像检索性能的关键在于实现对图像的对象级访问 ,但是已有的很多的基于区域的图像检索算法和系统都没有考虑多区域的匹配问题 ,因而不具有一般性、实用性 .文中提出一种基于二部图最大权匹配的图像相似性度量算法 ,该算法建立在图像分割的基础上 ,由于它能有效地解决多区域图像相似性度量问题 ,并能有效地避免由于分割不准确带来的影响 ,因此能极大地提高检索的相关性和准确性 .

基于图像信息度量与关键词的邮件智能分类系统

如何利用邮件的正文与附件信息有效地实现其分类,是现在邮件处理领域一个重要的课题。该文从商业应用角度提出了一种基于图像信息度量与关键词的邮件智能过滤与分发方法,通过基于朴素贝叶斯分类器的邮件关键词信息处理,及附件图像信息的基于归一化PIM文本图像检测理论的分析,能够综合运用邮件正文、地址等文本信息与附件图像信息作为分类的评价参数,有效地实现了邮件的智能分类。

基于假设检验的图像质量的度量方法

图像质量的正确评价是图像信息工程领域里一项很有意义的研究课题,但是现有的图像客观评价方法并不完全符合人的视觉特性.基于人的视觉特征和误差的结构与分布的特性,提出了对编码图像质量尺度假设检验的方法,结果显示,该方法能有效地度量图像的质量.

基于改进SoftTriple的编程作业图像相似度量学习研究

目前,高校学生课程作业抄袭现象十分普遍,特别是编程相关作业中除了文字内容以外,还存在大量的图片抄袭。针对传统图片抄袭检测算法需要通过裁剪等方式固定输入图像的尺寸导致丢失图像信息问题,本文提出一种基于改进SoftTriple的图像相似性度量算法,用于高校课程作业中图片抄袭的检测。实验结果表明,本文提出的模型在Caltech101数据集上取得了最好的召回率和归一化互信息值。

分形图像编码算法的参数选择对算法性能的影响

实际应用中的分形图像编码算法有众多参数需要确定,参数选择的恰当与否直接影响算法的性能,而如何确定参数的最佳值是每个研究者和使用者需要首先面对的问题.通过对基本的分形图像编解码算法的分析,发现解码图像的质量(PSNR)不仅跟值域块的分块大小相关,还跟图像的活跃度(IAM)相关.实验进一步表明,对应每一种分块大小,PSNR与IAM均存在对数关系;而且在解码过程中,仅需要6次迭代,解码图像就进入稳定状态.

景德镇陶瓷图像检索技术研究

结合景德镇陶瓷图像的特点,研究基于内容的图像检索技术在景德镇陶瓷图像检索中的应用。并利用动态调整特征权重方法,帮助用户快速的找到相关感兴趣的陶瓷图像。

基于图像的广义隐写分析

主要对基于图像的广义隐写分析算法进行了研究,选取4种对信息隐藏分析效果最好的图像质量度量标准(Image Quality Metrics),运用误差反传(Back Promulgate)神经网络设计了一套广义隐写分析系统,并将其用于最终隐写图像的检测分类上.经实验证明,该方法具有较高的准确率和普遍的适应性,因而可用于实际的隐写图像检测分析中.

基于人类视觉系统的融合图像质量评价方法的研究

在融合图像的质量评价方法中引入人眼的各种视觉特性,从而使客观计测的结果符合图像质量的主观评价,符合人眼的实际观看质量。讨论了一种新的基于人类视觉系统(HVS)的融合图像质量度量,该方法无需理想图像,同时,将质量评价与人的视觉结果直接关联。对多类图像的不同融合算法的质量评价表明该方法是一种实用、有效的图像融合质量评价方法。

基于图像合成的多姿态人脸图像识别方法

由于人脸图像的姿态变化会导致识别效果大幅下降,文中通过同一个人的多张多姿态人脸图像的融合图像识别该人身份.从几何信息与纹理信息两个层面进行融合,利用人脸图像的几何信息挑选待融合图像集合以保证人脸信息的完整性.在现有的通用人脸数据库的基础上,利用网络多姿态人脸图像测试组测试原始图像与融合图像的识别率,结果表明融合后的图像能获得更好的识别效果.

图像协同分割方法综述

文中对图像协同分割方法目前的发展进行了回顾和总结,根据协同分割问题的特点,对该问题给出了形式化定义;在此基础上,将协同分割方法分为单目标和多目标两大类,分别归纳和阐述了其中的主要方法,对各种方法在分割模型构建、特征选取、协同信息使用方式以及优化方式这4个关键问题上的异同和优劣进行了深入分析;最后分析了图像协同分割所面临的挑战以及未来的发展方向,为后续研究提供有益的参考.

无参考图像质量评价综述

图像质量评价是图像处理领域的热门研究课题之一。图像质量评价研究的目标是设计算法，给出和人的主观视觉感受相符合的评价结果。在客观图像质量评价的几种方法中，由于无参考图像质量评价方法的灵活性，该方法正受到越来越多的关注。文章首先概述了图像质量评价的相关知识，并从无参考图像质量度量方法和评价算法等角度对无参考图像质量评价进行分析．最后概括了无参考图像质量评价发展的现状及其发展趋势。