色度在评价增强图像时对传统算法的修正效果

增强图像是指与原始图像相比在清晰度、亮度、色彩、对比度等方面有一定增强的图像。图像增强已被广泛应用,例如很多图像处理软件PS,ACDSee等都能够对图像进行增强。与此同时,也出现了很多图像增强算法。所以,对增强图像的质量评价具有重要意义。传统的图像质量评价算法不能够对增强图像进行精确评价。增强图像与原始图像相比,在色度上存在一定差异。在此基础上,研究了色度在评价增强图像质量时对传统的图像质量评价算法的修正效果。在增强图像数据库中进行的实验证明在评价增强图像质量时,色度能够对传统的图像质量评价算法进行较好的修正。

PET/CT图像质量主观评价与感知模型

针对面向医学领域的主观评价数据库缺乏,导致医学图像质量评价(image quality assessment,IQA)算法性能难以分析的问题,基于双重刺激失真水平测试法,建立正电子发射断层显像/计算机断层扫描医学图像的主观评价数据库.对比13种国际通用IQA算法在数据库上的性能,分析不同退化方法对IQA算法的影响.结果表明,对新建立的图像评价数据库来说,特征相似性(feature similarity,FSIM)图像评价模型在相关性及稳定性方面明显优于其他IQA算法,包括目前医学领域主流的峰值信噪比评价指标.

基于边缘重构图像的边缘检测算法优选研究

边缘检测是视觉定位、零件缺陷识别、视觉测量等图像处理中的关键环节,其检测质量直接影响后续的图像目标识别与定位的精度。针对具体图像处理需选取合适的边缘检测算法的问题,提出了一种基于多方向滑动窗口线性插值重构法的图像边缘检测质量评价算法。首先,采用待处理边缘图像的最大连续非边缘矩形区域作为重构搜索窗口,设计了多方向滑动窗口线性插值图像重构法;然后,根据图像边缘的特征,建立了集成图像结构相似度和边缘错检率为性能指标的边缘检测算法的优选评价方法;最后,进行了实例应用,通过实验对重构算法的性能、优选方法的可行性和正确性进行了验证。研究结果表明:该边缘图像重构算法准确率最高,实验中重构图像的结构相似度可达到0.7087,耗时320.9021 s;采用该优选方法能快速地筛选出最佳的边缘处理算法,与人体视觉评价一致,便于实现边缘检测算法的智能优选和图像的智能处理目标。

单测度虹膜图像质量评价方法探讨

在众多生物特征识别技术中,虹膜识别技术被认为是可靠性最高的个人身份认证技术,在公共安全领域的应用越来越受到重视。然而,虹膜识别系统的性能却严重受制于虹膜图像的质量,虹膜图像质量的好坏很大程度上影响并决定了虹膜识别效果的优劣。通过虹膜质量评价算法,保留质量好的虹膜图像,摒弃质量差的虹膜图像,能显著提升虹膜识别系统的识别性能。本文将通过分析影响虹膜图像质量的各种因素,如:斜眼、遮挡、瞳孔伸缩、光照、离焦模糊、运动模糊等来介绍相应的虹膜图像质量评价方法。

基于视频的人脸识别校园安全接送系统的研究

校园安全接送作为一个严肃的社会问题,需要及时发现不明身份人员混入校园等隐患,而市场上大多数的校园人脸识别系统,基本上都需要专用的硬件设备,且只支持单人逐个检测,这无疑提高了推广的成本。针对以上问题,本文提出了使用普通摄像头的支持多人的人脸识别系统。首先采用YOLOv3算法训练人脸数据集,利用K-Means++算法改进先验框中心位置的预测,提高边界框的准确性,得到人脸检测器,对视频中的行人进行人脸检测;之后利用本文的人脸图像质量评价FIQUE算法对人脸进行筛选,增加高质量的人脸图像占比;最后使用Inception-ResNet-v1模型提取人脸特征,进行识别。本文方法利用学校现有的摄像头设备,提高了系统的普及率。实验证明了本文多人识别系统的实时性和鲁棒性良好。