基于特征域聚类下Radon变换的火车票图像方向检测算法研究

随着我国交通服务行业的发展,火车票票面信息的自动化识别已经成为提升铁路服务效率的重要手段,针对票面信息识别系统中获取火车票方向不一致的问题,本文提出了一种基于特征区域聚类下Radon变换的方向检测算法。首先,算法通过k均值聚类对火车票图像进行聚类分块,消除复杂背景的干扰,提取到火车票信息区域;然后,通过数字形态学闭运算结合图像块操作保留能够反映火车票位置信息的图像方向特征区域;最后,利用改进的Radon变换检测出火车票的倾斜角度。实验结果表明:该算法的矫正正确率为97.8%,矫正的时间为16.79s;该算法能够消除图像复杂背景、方向特征区域领域像素点对方向检测的干扰,能够对全角度任意方向的火车票图像进行方向检测,具有较高的实用价值。

图像方向性的条纹分析方法

在图像分析方法研究中，提出了用条纹概念来分析图像，并成功地把这一理论应用于图像的方向性检测。文章首先从直观的条纹图像三维对比中，归纳出图像条纹概念的两个基本属性，然后构造了区别于传统的方向滤波方法的三角分形基迭代函数系统的图像方向提取模型，最后定义了图像的方向统计表征量。实验证明了条纹分析方法的高效性和实时性要求的独特性能。

一种基于图像方向信息测度算法的自适应表格图像增强算法

图像增强是图像处理的重要任务。为了有效地增强对比度极低的表格图像,提出了基于图像方向信息测度算法的自适应图像增强算法。该方法首先在像素级利用图像方向信息侧度将图像像素分为平滑点和阶跃边缘点;然后针对表格图像特点,再对平滑点细分为平滑点和屋脊边缘点,同时,对不同类型的点设计不同的滤波方法,以便通过算法自适应来初步增强图像;最后,利用模糊增强算法来对图像进行对比度增强,以达到更好的增强效果。实验表明,该算法能有效地增强对比度极低的表格图像,并使得结果图像有很好的视觉效果。

基于改进图像方向信息测度的表格图像增强算法

提出了基于图像方向信息测度的图像增强算法。算法利用图像方向信息测度,在像素级对图像像素进行分类,然后针对表格图像特性,利用改进的图像方向信息测度,对边缘点进行区域连接,使得边缘点能完全地覆盖图像中的字线和表格边缘;利用得到的边缘信息和平滑信息,对图像进行空域滤波处理,初步增强图像;利用模糊增强算法,对图像进行对比度增强,达到较好的增强效果。实验表明,该算法能有效增强对比度极低的表格图像,使得结果图像有很好的视觉效果。

基于图像局部方向特性的自适应全变分去噪模型

针对全变分模型(total variation,TV)以图像的梯度信息作为去噪的尺度参数,未考虑图像局部纹理的方向性的缺点,提出了一种基于图像局部方向特性的自适应全变分去噪模型(Adaptive directional total variation,ADTV),并推导出该模型的迭代数值求解过程。在该模型中,首先,计算出图像局部方向的角度矩阵。然后,构造与图像纹理方向一致的椭圆区域代替TV模型的圆形区域。最后,通过优化最小化算法迭代求解以获得去噪后图像。通过对比实验证明,本文提出的模型取得了更高的峰值信噪比,去噪过程中更好地增强了图像的细节信息。

太阳实时位置计算及在图像光照方向中的应用

介绍了基于天球理论的太阳位置计算方法并给出了具体表达形式,实现对太阳方位角和高度角的实时计算。通过与实际测量得出的太阳位置的比较和分析,证明该公式能够实时准确的计算太阳位置,且易于编程。同时,将该方法确定的太阳位置应用于实际拍摄的图像,以确定图像的实际光照方向。

基于频谱边缘检测和Radon变换估计运动模糊图像的方向

为了准确估计运动模糊图像的方向,在理论推导部分,以定积分、Fourier变换和Sinc函数的性质为依据,得出了运动模糊方向、图像尺寸和频谱图像平行条纹方向三者的关系。在算法优化部分,系统分析了Radon变换法、Gabor变换法和频谱分块法的原理和不足,并提出了基于频谱边缘检测和Radon变换的改进算法。在数值实验部分,编写Matlab程序对几种方法进行了测试和比较,结果表明,该方法的估计精度最高,更适用于估计运动模糊图像的方向。

估计运动模糊图像方向角的数学模型研究

从实拍的运动模糊图像出发,建立了数学模型来估计运动模糊的方向角.经理论推导,得出了运动模糊方向角、图像尺寸和频谱图像中平行条纹方向角三者的关系,将问题转化为估计频谱平行条纹方向角.在模型求解部分,分析了常用的Radon变换法以及两种改进方法即Gabor变换法和频谱分块法的不足,并提出了基于频谱边缘检测的改进方法.数值实验部分比较了三种方法,结果表明,方法的估计精度更高,具有更广泛的应用性.

多方向图像模糊边缘缺陷在线检测方法仿真

由于现今图像复杂度不断提升,目前的图像边缘检测方法不能满足当前环境对多方向图像模糊边缘缺陷检测的要求,为了准确地提取多方向图像模糊边缘缺陷信息,提出了一种基于互信息图像融合的边缘缺陷检测方法。利用多方向灰度值矩阵将图像中无用的图像信息进行删除,通过计算多方向图像的像素灰度值标准差来计算单个像素点算子,完成多方向图像灰度值矩阵预处理操作。将上述处理完成的多方向图像作为检测样本,实际的多方向图像作为对比样本,计算出它们之间的互信息,将图像进行几何变换,提取出图像中相同大小的模糊边缘部分,进行旋转缩放操作,将大小相同的两个图像进行融合,实现对多方向图像模糊边缘缺陷的在线检测。仿真结果证明,所提方法提高了多方向图像边缘缺陷的检测速度与准确性。

一种新的方向图像的获取与编码方法

本文提出了一种新的方向图像的获取与编码方法。详细介绍了在空域直接进行分离的方向图像的提取方法和一种新的方向性链码的编码方法。与M.Kunt等[1][2]的方案相比较,在计算代价与编码性能方面有一定改善。

结合二维EEMD和小波分解的遥感图像纹理方向检测

遥感图像纹理特征的提取和分析,可以弥补光谱特征在提取遥感图像信息特征方面的不足,提高遥感图像分类、识别的精度。为了得到遥感图像纹理特征中较重要的方向性特征,提出一种检测遥感图像纹理方向特征的新方法:先用改进后的二维集合经验模态分解算法(BEEMD)对原始图像进行处理;再对分解结果进行小波分解与Radon变换来检测图像纹理的方向性特征。实验结果表明,所提算法既能克服小波分解高频信息泄露的缺陷,增强小波分解的适用性;又能获得遥感图像纹理在低频、垂直和水平等部分较为准确、精细的方向特征检测结果,为遥感图像的识别与区分提供更有效的依据。

融合图像梯度方向的客户相关算法分析

针对人脸图像受光照变化影响导致大部分传统的依赖图像表征信息的子空间学习算法鲁棒性差这一问题,在图像梯度方向和客户相关技术的研究基础上,提出一种融合图像梯度方向的客户相关算法(CS-IGO-LDA).采用图像梯度方向来代替像素强度表示原始样本,并用客户相关方法提取每一个不同个体的样本特征向量以更好地描述不同类别之间的差异.提出的CS-IGO-LDA方法充分利用了图像梯度和客户相关方法在人脸识别中的优势.在XM2VTS人脸库上的实验证明了新算法在人脸验证方面的有效性.

基于图像特征方向的PDE去噪方法

基于PDE的非线性扩散滤波方法对接近高斯分布的噪声可以取得较好的效果,但对脉冲噪声效果不是很理想。文中应用了基于图像特征方向的正交坐标系,使噪声消除具有了方向性,并提出了新的扩散系数函数,改变了图像边缘阈值,使其能在消除高梯度图像噪声的同时保持了边缘,在一定程度上解决了边缘保持和噪声消除之间的矛盾。

对称性的图像梯度方向在人脸识别中的应用

人脸识别中,样本图像很容易受到光照、表情以及姿态等这些外部因素变化的影响,通过利用图像梯度方向代替传统的像素强度来表示像素之间的相关性,一定程度上缓解了这个问题.然而训练样本的有限性很难准确地描述原始样本图像产生的变化,特征提取过程中容易导致样本图像部分信息的损失.利用原始样本的镜像原理重构对称样本图像,在图像梯度方向的基础上,提出对称性的图像梯度方向人脸识别方法(S-IGO),将S-IGO方法分别与PCA、LDA、IGO-PCA、IGO-LDA以及扩展的E-IGO方法在不同人脸库上的识别结果进行比较,并分析改进算法的在人脸识别中的优势.实验结果表明,相较PCA、LDA和IGO方法,E-IGO方法和S-IGO方法通过利用样本图像的镜像原理生成对称样本图像,在拓展样本集合上进行特征提取,可以选择更稳定的特征空间,从而提高最终的识别结果.大部分情况下, S-IGO方法的识别结果要优于E-IGO方法,这是因为S-IGO算法在E-IGO方法的基础上,进一步利用了人脸对称性这个先验信息,在降维过程中,尽可能多地保留了原始样本的有效信息,提高了算法的准确度.

全方向M型心动图像量化效应的一种消除方法

介绍了一种全方向M型心动图像的量化效应消除方法.全方向M型心动图像的边缘线代表了心脏某结构部位的运动方程,富含临床诊断的各种信息.但由于数字化因素,存在量化效应.依据M型心动图像的边缘特点,使用巴特沃斯滤波器平滑边缘,较好地消除量化效应并减弱噪声干扰,从而为提取心脏各结构各部位功能性运动的动态信息提供可靠的保证.

民族院校图形图像专业的改革与实践

随着计算机和互联网的普及,计算机专业的就业优势下降,民族院校计算机专业学生的就业更是困难重重,为此,计算机专业分支方向的课程急需改革。文章以内蒙古民族大学为案例校,分析其图形图像专业的改革,包括改变课程设置和培养目标、调整教学路线、改进教学方法、突出实践教学,以及改革取得的实效。

基于扇区投影-小波描述子的图像轮廓识别

针对传统轮廓描述子不能识别相似样本或者确定图像方向复杂等一系列缺陷,本文提出了基于主轴归一化方法的轮廓扇区投影-小波描述子。该方法根据图像识别中的畸变不变性原理,采用先位置、大小、方向归一化,后扇区投影和小波分析的方法。该描述子不仅能消除掉主轴归一化方法的不精确性对轮廓描述的影响,而且还能够解决傅里叶描述子和环投影方法不能解决的一些特殊轮廓样本的分类问题。实验结果表明,无论是差别比较大的轮廓样本还是差别细微的轮廓样本,扇区投影-小波描述子都有着很好识别效果。

一种改进的各向异性扩散图像去噪方法

研究了基于图像特征方向的正交坐标系,分析了在此框架下的各向异性扩散图像去噪原理。然后根据人类视觉系统的一些特性提出了一种改进的各向异性扩散方法。该方法避免了各向异性扩散方程的不适定问题。实验结果表明,该方法在噪声消除和边缘保留方面能获得较好的效果。

基于可控滤波器和空间频率的图像融合算法

对像素级图像融合进行研究,提出一种基于可控滤波器和空间频率的多聚焦图像融合算法。利用可控滤波器处理源图像,得到源图像在不同方向上的解析图像,计算并比较方向解析图像的局部空间频率,得到源图像的方向解析空间频率谱,通过融合规则选取源图像中的像素构成融合图像。实验结果表明,与传统融合算法相比较,该算法在主观评价与客观质量评价方面都具有一定优势。

基于噪声空间结构嵌入和高维梯度方向嵌入的鲁棒人脸识别方法

基于核范数的矩阵回归方法(Nuclear norm based Matrix Regression,NMR)对人脸图像中因遮挡和光照变化等噪声引发的误差具有很强的鲁棒性。分析了NMR的鲁棒性的基本原理:首先,误差的核范数度量的是误差在其主方向上的能量,而主方向上的能量通常都去除了常规噪声的干扰;其次,误差的核范数度量嵌入了噪声的空间结构信息,而噪声的空间结构对于表示并排除噪声的影响至关重要。然而,仅仅考虑噪声的空间结构并不能有效消除噪声的影响。将具有噪声抑制能力的高维梯度方向(High-dimensional Gradient Orientation,HGO)特征嵌入NMR,提出了一种基于高维梯度方向特征的NMR方法(High-dimensional Gradient Orientations-based NMR,HGO-NMR)极大地提升了NMR的识别性能。其重要意义在于指出噪声空间结构信息和噪声抑制机制对于面向现实的鲁棒人脸识别系统同等重要,单方面强调其中任何一种机制都将导致不稳定的识别性能。