视觉传感网络图像破损数据交互方法仿真

针对传统破损数据交互方法未考虑位置系数导致交互效果差的问题,提出基于双边非局部均值算法的视觉传感网络图像破损数据交互方法。根据采集图像与真实场景之间的关系,构建像素多尺度域模型和多传感器矢量模型,确定传感器噪声特征信息;引入双边非局部均值算法获得位置系数,结合像素及其周围像素点之间的关联性进行去噪处理;按照贝叶斯理论建立破损数据观测模型,计算图像破损区域分布函数的均值和方差;设定扩展结构,定义像素参数,提取图像梯度边缘特征;将归一化互信息作为交互准则,选择两幅图像做空间变换,并使用金字塔分解方法优化交互过程,减少计算量。仿真结果证明,所提交互方法能够达到图像修复、增强图像质量的目的。

一种道路图像破损自动识别系统的设计

为了适应现代公路的高速发展,提高路面检测的工作效率和准确率,取代传统人工检测方法,本文基于CCD摄像机方法设计了一种道路图像破损自动识别系统。系统由图像采集单元、图像处理单元、GPS定位单元组成,其中,硬件设计中包括GPS定位单元、CCD摄像机采集单元、辅助照明单元、UPS电源等;软件设计中包括图像采集程序设计和图像处理程序设计。设计结果表明:通过GPS定位技术和CCD摄像技术能够快速、科学、准确地连续采集路面图片,系统软件能够实现对破损路面图片的自动识别与处理等一系列工作,可以应用到工程实际中。

保留老旧建筑门窗图像破损优化复原仿真

对保留老旧建筑门窗图像的破损进行复原,能够有效解决老旧建筑门窗中存在的安全隐患。对图像破损的优化复原,需要融合模糊理论得到破损部位边界特征,计算出破损部位模糊相似度,完成图像的复原。传统方法计算出样本区域中的像素点,得到复原上去的破损像素点的可靠性,但忽略了计算出破损部位模糊相似度,导致图像复原效果不理想。提出基于模糊理论的老旧建筑门窗图像破损部位优化复原方法。对破损部位进行划分,对破损部位的各断裂边界线进行配对和连接,融合模糊理论得到破损部位边界特征,计算出破损部位模糊相似度,将具有相似性的破损部位图像进行基于像素点加权平均,得到老旧建筑门窗图像破损部位像素的权系数,并完成对老旧建筑门窗图像破损部位优化复原。实验结果证明,所提方法复原精度较高,为解决老旧建筑门窗中存在的安全隐患提供了精准的依据。

基于感知去模糊的高分辨率破损图像修复方法

为提高修复图像的视觉效果,提出基于感知去模糊的高分辨率破损图像修复方法。将高分辨率图像样本输入卷积自编码生成对抗网络中,利用编码器降维处理并输出其低维特征矩阵后,由解码器对其升维并解码,最终采用生成器完成映射学习。通过不断搜寻,获得与输入高分辨率图像L_(1)距离差异最小的生成图像,由判别网络对其作真假判断,实现高分辨率破损图像的粗修复后,再将其输入感知去模糊网络模型中,增强图像细节信息后实现高分辨率图像修复。实验结果表明:该方法修复后的高分辨率图像细节丰富、颜色自然、视觉效果突出。

关于破损区域全局优化的图像修复方法研究

对于破损图像的修复,现有方法通常无法有效保证破损区域结构平滑、准确高效的补全。为此提出了全局优化的破损区域修复方法。方法分析了修复模型存在的缺陷,充分考虑到图像结构与图像关联性的同时,设计了由数据项、可信项与关联项共同描述的优先级计算,同时将像素标记候选状态,迭代过程不断刷新优先级与状态,直至破损区域全部像素状态均被标记完成。为进一步提高修复质量,对图像采取全局增强处理,针对破损区域具有的模糊属性,引入模糊理论处理图像灰度的隶属度,同时通过灰度梯度,构造辅助图像,最终实现对破损图像轮廓和细节的增强。通过仿真,证明了全局优化修复方法能够对图像破损区域进行更加准确、连续的填充,并且具有更好的保真性与修复效率。

关于古建筑图像中破损点优化提取仿真

对古建筑图像中对破损点的优化提取,对古建筑后续原貌恢复具有重要意义。对图像破损点的提取,需要获得破损点分量特征信息,计算图像的破损点超像素级视觉特征,完成图像中破损点优化提取。传统方法保留破损图像关键区域特征点,删除古建筑图像背景区域特征点,但忽略了计算图像的破损点超像素级视觉特征,导致提取精度偏低。提出基于小波阈值自适应修正的古建筑图像破损点提取方法。基于RAC约束的两步法来标定系统,对图像进行灰度化转换,进行图像的边缘检测和小波降噪处理,对小波降噪提纯后的古建筑图像进行破损点深度超像素特征分割,获得破损点分量特征信息,计算图像的破损点向量量化区域的超像素级视觉特征,实现破损图像破损点提取优化。仿真证明,所提方法从视觉对比和量化分析的角度实现了破损区域的轮廓分割与检测,破损点提取效果优越。

路面破损图像的模糊增强方法研究

针对传统路面破损图像模糊增强算法增强效果不明显、无法划分与背景灰度区域重叠的病害区域、控制参量难以设置、运算复杂等问题,提出了一种改进的路面破损图像模糊增强算法。首先对图像进行分块,并设计一种新的分段隶属度计算函数,使每个块区域内各像素点的灰度值完整细致地映射到隶属度上,能通过少量迭代次数获得一定的增强效果。在模糊逆映射上,采用灰度级扩展的逆变换函数,使增强效果进一步提升,消除了由于截断带来的灰度信息损失。新算法对多灰度级的路面破损图像的增强取得了很好的结果,并且控制参量无需人为设定。

基于流形学习的路面破损图像多特征融合与可视化

针对路面破损图像自动识别中的多特征融合问题,提出了一种基于流形学习的多特征融合方法,利用流形学习方法将组合投影、混合密度因子和二阶不变矩3种特征的高维数据映射到低维空间中,提取出路面破损图像的本质特征,实现了多特征融合和路面破损图像的可视化。在试验中,将这种多特征融合方法应用在路面破损图像的检测中,首先从8个组合特征中提取出二维特征,然后比较ELM、KNN、SVM、BP神经网络在二维特征上的识别效果。试验结果表明:利用特征融合方法有效提高了路面破损图像的识别精度;通过可视化得到了二维特征的物理含义,一个特征初步表明了路面裂缝的复杂程度和破损程度,另一个特征给出了裂缝的方向。

融合流形特征的路面破损图像识别方法

研究路面破损图像识别的特征提取优化问题。为了克服常见的破损密度因子或坐标轴投影等特征提取时易受噪声影响,仅从底层视觉角度描述破损图像裂缝特性,不能高效、精确地区别不同裂缝的问题,提出一种融合流形特征的路面破损识别方法。首先利用流形学习中的Laplacian Eigenmaps算法提取图像的低维流形特征,令其作为图像裂缝的高层语义,然后将流形特征与破损密度因子或坐标轴投影等底层视觉特征融合,利用融合后的特征识别裂缝类别。仿真结果表明,将流形特征与其他特征融合后,可以从高层语义、底层视觉两个层面全方位的描述路面裂缝,极大地提高路面裂缝的识别精度。

破损图像丢失区域自适应优化修复方法仿真

针对传统修复方法存在图像模糊、修复速度低的问题,提出一种基于纹理合成的破损图像丢失区域自适应修复方法。对破损图像丢失区域进行纹理分割提取破损图像边缘能量特征,完成自适应纹理密度量化估计,计算丢失区域纹理向量量化区域的超像素级视觉特征。利用基于Criminisi算法根据纹理特性计算优先修复区域,不断更新图像的可靠度对丢失区域进行纹理修复,完成破损图像丢失区域的自适应修复。通过实验结果验证,所提修复方法与传统修复方法相比,修复后的图像更清晰、完整,修复用时更短。

基于非局部CTV-L1模型的大破损彩色纹理图像修复

针对大破损彩色纹理图像的修复问题,将TV-L1模型推广到非局部CTV-L1模型。该模型不仅包含非局部算子,同时还引入了CTV(color total variation)规则项,前者可以修复大破损纹理图像,后者充分考虑了彩色图像层与层之间的耦合关系,在处理彩色图像时可以有效地保持边缘。为提高模型的运算效率,通过引入辅助变量和Lagrange乘子为其设计了相应的增广Lagrangian算法。数值实验结果证实所提出的模型在处理彩色图像时可以有效地保持边缘,同时去除图像中异常的不规则点。该研究可以推广到彩色纹理图像椒盐噪声去除及彩色纹理图像分割中。

破损图像子区域自适应划分标注方法仿真

针对当前图像标注方法中存在准确率与召回率低的问题,提出基于多示例学习的破损图像子区域自适应划分标注方法。利用模糊增强算法计算图像模糊隶属度,对得到的图像隶属度进行非线性变换增强图像对比度,通过隶属度的逆变换获取整体得到增强的破损图像。在对数域上分离整体增强后图像中大特征和小细节,并采用二次函数分解图像中的大特征,得到增强细节后的破损图像。将增强后图像代入图像分割中,利用相邻像素之间差分计算得到图像中具有梯度突变的点,利用形态学处理突变点,并确定初始分割阈值。将互信息量当作目标函数,通过计算分割图像和原始图像互信息量,得到最佳分割阈值,实现破损图像分割。经图像分割,利用多示例学习法与多样性密度法相结合的方式将训练图像集合中图像划分成正包、负包,利用计算图像各分割块有关各标注自身多样性密度的得分值实现图像子区域自适应划分标注。实验结果表明,该方法标注准确率与召回率均较高。

一种金属铜破损图像纹理特征提取方法研究

对金属铜破损图像纹理特征点的快速定位,提高破损故障信息分析能力。提出一种基于纹理超像素边缘分割的金属铜破损图像纹理特征提取方法。对采集的金属铜破损图像进行边缘检测和图像融合处理,对降噪提纯后的图像采用自适应纹理密度量化估计方法进行图像的深度超像素特征分割,得到图像的显著性主颜色分量特征信息,计算图像向量量化区域的图像超像素级视觉特征,实现不同像素级深度内的特征匹配和融合,实现图像纹理特征提取优化。仿真结果表明,该算法能准确识别金属铜破损图像纹理特征信息参量,从视觉对比和量化分析角度能实现对破损区域的轮廓分割和检测,性能优越。

大范围船舶破损图像的快速修复算法

图像修复对于研究船舶海上运行状态有重要意义。传统的船舶图像修复算法针对范围很小,修复速度很慢,难以满足目前人们的要求。为了解决这一问题,研究一种新的船舶破损图像快速修复算法,分析压缩和编码过程,建立船舶修复数学模型,根据建立的数学模型计算船舶图像信息,完成船舶破损图像修复。为了验证研究算法的有效性,与传统算法进行对比,从修复范围和修复速度两方面设计对比实验。由实验结果可知,所研究算法能够针对大范围船舶图像进行快速修复。本研究对于船舶海上运行状态分析有一定的指导意义。

虚拟三维破损图像复原真实性优化研究

破损图像复原技术是在传统美术学的基础之上,应用计算机技术还原被破损画作的原貌,且要求复原后的图像必须与原图保持统一格调。本文对原有破损图像复原技术进行了创新,建立了一种新型虚拟三维破损图像复原优化仿真模型,且通过实验证明经过该模型复原的图片在图像复原时间和复原清晰度上都具有更高的可行性。

基于小波兴趣突出点的破损轮胎图像检索方法

简单叙述了破损轮胎图像检索的背景意义,描述了图像检索研究的发展及现状,分析了基于人工和兴趣点的图像检索方法的不足,提出了一种基于小波兴趣突出点的破损轮胎图像检索方法。该方法需检测破损轮胎图像的兴趣突出点,具体做法是在小波域提取兴趣突出点,将小波兴趣突出点标记在轮胎图像中破损区域并提取特征,用该特征来描述破损轮胎图像;为了弥补传统颜色直方图仅有色彩信息而缺少其颜色信息的相关位置信息描述的不足,设计了环形二值化颜色直方图。在提取破损轮胎图像特征时,利用环形二值化颜色直方图对小波兴趣突出点的颜色特征和其相对位置特征相结合的方法进行特征提取,图像检索时的小波兴趣突出点邻域内的二值化颜色直方图就增加了位置描述的功能,使得提高破损轮胎图像检索准确率成为了可能。实验结果表明,该方法对破损轮胎图像的检索是有效可行的。

一种基于漫射的图像修补算法

提出了一种新的破损图像修补方法-漫射修补算法,该算法的基本思想是:选定斑块区的一个边界点S作为待修补点,从S出发向四周引出N条像触角一样的漫射线,探寻其周围图像的边缘信息与颜色信息,由这些信息确定待修补点的填充色.通过实验证明了该方法的有效性和实用性.

基于卷积自编码生成式对抗网络的高分辨率破损图像修复

目的破损图像修复是一项具有挑战性的任务,其目的是根据破损图像中已知内容对破损区域进行填充。许多基于深度学习的破损图像修复方法对大面积破损的图像修复效果欠佳,且对高分辨率破损图像修复的研究也较少。对此,本文提出基于卷积自编码生成式对抗网络(convolutional auto-encoder generative adversarial network,CAE-GAN)的修复方法。方法通过训练生成器学习从高斯噪声到低维特征矩阵的映射关系,再将生成器生成的特征矩阵升维成高分辨率图像,搜索与待修复图像完好部分相似的生成图像,并将对应部分覆盖到破损图像上,实现高分辨率破损图像的修复。结果通过将学习难度较大的映射关系进行拆分,降低了单个映射关系的学习难度,提升了模型训练效果,在4个数据集上对不同破损程度的512×512×3高分辨率破损图像进行修复,结果表明,本文方法成功预测了大面积缺失区域的信息。与CE(context-encoders)方法相比,本文方法在破损面积大的图像上的修复效果提升显著,峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity,SSIM)值最高分别提升了31.6%和18.0%,与DCGAN(deep convolutional generative adversarial network)方法相比,本文方法修复的图像内容符合度更高,破损区域修复结果更加清晰,PSNR和SSIM值最高分别提升了24.4%和50.0%。结论本文方法更适用于大面积破损图像与高分辨率图像的修复工作。

Nondestructive visualization of graphene on Pt with methylene blue surface modification

Efficient large-scale nondestructive quality assessment of graphene on Pt is essential to the in-depth growth research and practical applications of graphene.Here,we present a very simple method for directly observing the domains and defects in graphene on Pt using an ordinary optical microscope.This was achieved by modifying graphene on Pt using methylene blue(MB).Because the chemical activities of graphene and Pt surface differ significantly,the adsorption and reaction of MB on graphene and platinum surface differ.We can determine the distribution of graphene crystal domains and defects by comparing the colors in the optical images.In addition,this characterization method causes no obvious damage to the Pt substrate and graphene.Moreover,it does not affect the recycling of the substrate or the subsequent characterization or application of graphene.Our study provides a nondestructive method for measuring the quality of graphene on Pt on a large scale,as well as a reference for the characterization and doping of other two-dimensional materials.