图像规格化的一种新方法

图像规格化是图像理解系统中的一种常用方法。通常来讲,二维模式有四种失真形式:平移、旋转、伸缩和歪斜。本文提出了一种新的图像规格化方法,该方法对上述四种形式的失真图像都能正确规格化,而已有的规格化算法至多只能处理三种形式的失真。本算法首先计算给定模式的协方差矩阵,然后根据协方差矩阵的特征向量旋转模式,并根据特征值沿特征向量伸缩模式。这时,模式已变换为最紧凑形式。经过上述处理后,结果模式对平移、伸缩和歪斜失真都是不变的。但是,旋转问题没有解决。本算法的最后一步是根据“图像椭圆倾角”旋转图像以使其对旋转变换也保持不变。这样,结果模式对平移、伸缩、旋转和歪斜变换都是不变的。对飞机图像的实验验证了这种新型的图像规格化方法的正确性和有效性。

一种指纹图像规格化期望值自动估计方法

图像规格化中的期望均值和方差值的选取,直接影响图像规格化后的质量和后续图像的处理。通过求取一组图像中少部分指纹图像的灰度边界值,对图像的期望均值和方差进行估计,并应用于该组中的其他指纹图像,可以使指纹图像获得较大的动态范围,而不至于使图像灰度受到限幅,从而实现对图像期望值的自动估计。实验结果表明,该方法简单可靠,能在不降低对比度情况下,保持图像的灰度层次。该方法鲁棒性好,能适应各种不同图像,是图像规格化的实用方法。采用该方法对图像的期望值进行自动估计,有利于自动指纹识别算法的改进以及采集设备无关性的相关研究。

图像规格(连载6)——信号和格式及接口

３．５．３ 误码检出与监测方法(ＥＤＨ:Ｅｒｒｏｒ Ｄｅｔｅｃｔｉｏｎａｎｄ Ｈａｎｄｌｉｎｇ)

基于加权小波分形的卫星遥感图像飞机类型识别

针对卫星遥感图像中飞机目标的特点,提出一种基于加权小波分形的识别算法。首先利用小波对图像的“显微”能力和“极化”能力,提取子波段显著特征;然后应用分形理论对其进行分析降维,由分形维构成特征向量;并根据各子波段的不同描述能力,对分形维向量进行加权处理;用最小距离分类器识别分类。实验结果表明:该算法能够兼顾目标的整体信息和局部细节,与Hu不变矩、Zernike矩、Fourier描述子相比,识别率高。

一种基于特征匹配的人脸配准判断方法

现有的人脸识别应用系统大都忽略了人脸配准的检查,造成"误配准灾难",导致识别性能下降。因此,对规格化后的人脸图像进行判断筛选,以保证只有正确配准的人脸图像才能用于后续识别。选用一定数量正确配准的规格化人脸图像平均值作为标准人脸,用SIFT关键点定位方法得到标准人脸的多个关键点,采用分块的梯度方向直方图统计方法提取关键点的邻域图像特征;然后,将标准人脸的关键点位置作为待检测人脸的定位点,用同样的方法提取定位点的邻域图像特征;计算待检图像与标准人脸图像对应关键点的特征矢量相似度,设定合理阈值判断待检测图像是否配准。实验证明,该方法能有效去除误配准人脸图像,有利于提高人脸识别系统的可靠性。

基于多时相遥感影像去除朵云及阴影的改进方法

利用多时相遥感影像进行相应区域替换是一种有效的去除朵云及阴影的方法。针对常规方法存在的不足,对去除过程中的一些关键技术进行改进。利用矩形区域表示不规则的云区域进行替换,并给出了矩形区域的确定方法;替换前采用多图像亮度规格化技术改善两幅影像的亮度差异;对替换后矩形区域边界与背景图像之间的拼接缝进行消除,得到最终去云影像。

全色遥感影像上厚云去除的若干关键技术研究

利用多时相遥感影像进行相应区域替换是一种有效的去除厚云的方法。分析了云覆盖影像的光谱特征,针对常规方法存在的不足,对去除过程中的一些关键技术进行了研究并提出了新的方法。具体包括:利用矩形区域表示不规则的云区域进行替换,并利用轮廓跟踪以及Freeman链码技术给出了矩形区域的确定方法;替换前采用多图像亮度规格化技术改善两幅影像的亮度差异,并且提出了像素替换的最佳时机;基于四方向对替换后矩形区域边界与背景图像之间的拼接缝进行消除,得到最终去云影像。实验结果表明,经文章方法去云的结果影像质量得到了明显改进,优于常规方法。