一种基于子块图像互相关的虹膜识别方法

虹膜识别是一种新兴的生物特征身份识别方法,在场所或资源的安全控制等方面具有重要的应用价值。该文提出了一种基于子块图像互相关的虹膜识别方法。在特征提取时,把图像划分为许多子块,计算两幅虹膜图像的对应子块间的归一化相关系数,并把最小的几个归一化相关系数去除掉,然后求得剩下的归一化相关系数的均值及方差,作为两幅虹膜图像的联合特征。这能够有效地减小图像强度的局部畸变对虹膜识别的影响。为了实现模式的非线性划分,判别函数采用径向神经网络来构造。最后,进行了小样本实验,实验结果表明,这种基于子块图像互相关的虹膜识别方法是可行的。

一种基于映射图像子块的图像缩小加权平均算法

针对一般缩小算法随着缩小比例降低,图像信息丢失愈发严重的现象,提出了一种基于映射图像子块的图像缩小加权平均算法。首先,根据缩小比例,求出缩小图像中每点映射在原始图像中的子块,然后,根据各子块,加权平均算出缩小图像中每点的像素值,从而达到缩小的目的。缩小后的图像具有较好的完整性,且算法简单、快速有效。实验结果表明,该算法与其他缩小算法相比,在保持图像完整性方面具一定的特点。最后,针对缩小后图像对比度偏低这一现象,提出了一种灰度拉伸的处理方法,并进行了实验对比,取得了较好效果。

图像子块特征匹配的快速分形编码算法

基于分块迭代函数的全搜索分形图像编码算法,因其编码过程特别耗时而限制了它的诸多应用。为了减少编码时间,通过定义每个range块和domain块的子块特征,根据匹配均方根误差与它的关系,设计出一个限制搜索空间的新算法。一个待编码range块和它的最佳匹配domain块的子块特征应该接近,因此,每个range块的最佳匹配块搜索范围仅限定在与其子块特征接近的domain块邻域内,以达到加快编码过程的目标。14幅图像的仿真结果表明,该算法能够在PSNR降低0.73 d B(其结构相似性SSIM值仅下降0.002)的情况下,平均加快全搜索分形编码算法的编码速度99倍左右,而且也优于其他特征算法。

基于Pivots选择的有效图像块描述子

设计图像块特征表示是计算机视觉领域内的基本研究内容,优秀的图像块特征表示能够有效地提高图像分类、对象识别等相关算法的性能.SIFT(scale-invariant feature transform)和HOG(histogram of oriented gradient)是人为设计图像块特征表示的优秀代表,然而,人为设计图像块特征间的差异往往不能足够理想地反映图像块间的相似性.核描述子(kernel descriptor,简称KD)方法提供了一种新的方式生成图像块特征,在图像块间匹配核函数基础上,应用核主成分分析(kernel principal component analysis,简称KPCA)方法进行特征表示,且在图像分类应用上获得不错的性能.但是,该方法需要利用所有联合基向量去生成核描述子特征,导致算法时间复杂度较高.为了解决这个问题,提出了一种算法生成图像块特征表示,称为有效图像块描述子(efficient patch-level descriptor,简称EPLd).算法建立在不完整Cholesky分解基础上,自动选择少量的标志性图像块以提高算法效率,且利用MMD(maximum mean discrepancy)距离计算图像间的相似性.实验结果表明,该算法在图像/场景分类应用中获得了优秀的性能.

一种基于图像块描述子学习的异源遥感图像匹配方法

针对光学-合成孔径雷达(Synthetic Aperture Radar,SAR)异源遥感图像的匹配问题,提出了一种基于图像块描述子的深度学习算法。该方法首先使用图像直方图均衡化算法提升图像质量,在此基础上使用Harris与SIFT算法提取待匹配图像块,再使用提出的深度学习方法计算图像块描述特征向量,最终使用改进的RANSAC算法求解光学-SAR图像变换矩阵。通过80组真实的光学-SAR异源遥感图像进行实验,结果表明该方法相较于无预处理与L2Net算法可以获得更高的匹配数量,并随机选取SEN-12数据集中的四幅图像直观展示了匹配结果。

基于改进分块阈值的SAR图像分割算法

提出改进分块阈值的SAR图像分割算法,该算法不但能够充分利用图像的局部细节信息,而且利用子图像块上边和左边子图像块的统计特征,增加子图像块间的连续性限制条件。通过试验对比,证明本文提出的算法能够得到更好的分割效果。

基于子图像特征的目标提取方法

针对特定目标提出一种新的基于子图像块的目标提取方法。先对图像分块,再对分块后的特征图重新构建特征量并进行阈值分割,从而实现粗检,辅以知识确定目标的大概区域,最后借助边缘特性提取出精确目标。试验结果表明,该方法计算量较小、便于硬件实现,对于复杂自然背景中对比度低及不均匀光照条件下的一定形状尺寸的目标提取获得满意效果。

基于图像分块和改进Criminisi算法的图像修复方法

图像在采集和传输过程中,由于多种因素的干扰,图像会受到一定的损伤,导致图像质量下降。针对目前图像修复方法存在修复时间长,修复效果有限等不足,提出基于图像分块和改进Criminisi算法的图像修复方法。首先将原始图像划分为多个子块,然后采用Criminisi算法对每一子块图像进行修复,并针对传统Criminisi算法存在的局限性进行相应的改进,最后通过具体的图像修复实验分析所提方法的有效性和优越性。结果表明,所提方法减少了图像修复时间,可以加快图像修复的速度,图像修复后的质量要远优于对比方法,是一种速度快、效果好的图像修复方法。

双场景类型遥感图像的配准拼接优化

为了提升包含2种场景类型的遥感图像的配准拼接质量,提出基于误差权重再分配的遥感图像配准拼接优化方法.使用尺度不变特征变换(SIFT)特征检测算子,提取2幅具有重叠区域的遥感图像的特征点,计算得到初始的单应性矩阵.针对遥感图像细节丰富,但在某些特定区域分布不均匀的特点,将图像按照网格分割成若干小子块,进行信息熵聚类.图像熵反映的是灰度分布的分散程度,较大的熵意味着更大的信息量和纹理细节.按照信息量分布,将图像分隔为2个大的图像区域,每一区域近似代表一种场景类型.以特征点匹配的残余误差为目标函数,对不同场景区域的特征点分配不同的优化权重,权重来源于各图像子块的信息熵,反映了图像各场景信息量的多少,从而改善拼接效果,使之符合人眼视觉要求.实验表明,采用该方法可以再分配特征点匹配残余误差,细节丰富区域的匹配残差降低14%,提升细节丰富区域的配准拼接质量,降低随机性,提高了配准过程的稳定度.

基于局部和全局特征融合的图像检索

为了有效地组织、管理、浏览、检索图像数据库,提出了一种综合全局统计特征和局部二值位图特征的图像检索算法。分别计算图像R、G、B三通道的均值和方差,获取了图像的全局统计特征。然后,根据块截断编码思想,将图像划分成4×4的图像子块,同样计算其均值。若块均值大于图像全局均值,则该块设为"1",否则,设为"0",由此,得到图像的二值位图特征。最后,对归一化的特征进行有机融合并采用最佳相似匹配函数进行检索。实验结果表明:综合两种特征的效果比使用单一特征的效果好;和同类算法相比,该算法鲁棒性好,前100幅图像的平均检索准确率达到63%,相对本文提到的另外两种算法都提高了4%以上。

卫星遥感图像中河流的快速提取方法

利用高分辨率卫星遥感图像中河流的灰度和几何特性,提出了一种从卫星遥感图像中快速提取河流的方法.该方法首先将原图像划分成互不重叠的图像子块,利用图像子块的灰度均值和标准差的统计特征将其二值化,然后对图像子块进行四连通标记,最后利用连通区域的面积和体态比几何特征提取河流目标.对真实高分辨率卫星遥感图像进行的实验验证了该方法的有效性.

一种利用边缘方向直方图检测绝缘子的方法

在图像/视频中自动检测和定位绝缘子是绝缘子故障诊断重要前提,但是目前还没有高效的、成本较低的检测绝缘子方法。本文提出了一种利用边缘方向直方图定位绝缘子的方法。首先,分别计算图像子块和模板的边缘方向矢量,并通过矢量变换得到变形模板的边缘方向矢量;之后,针对分块的图像,通过模板与之边缘方向矢量匹配,得到绝缘子的候选区域;而后,对候选区域进行连续性判断,从而实现绝缘子的准确定位。实验表明该算法能够较好地在图像/视频中检测和定位绝缘子。

基于蒙特卡罗方法和粗糙熵标准的图像分割方法

提出了一种新的图像分割方法。这种分割方法首先利用粗糙集理论将图像按照一定的规则划分为大小相等的若干图像子块,而后利用蒙特卡罗方法基本原理对划分的图像子块进行一定规模的随机抽样,以随机抽样所得的图像子块为样本进行粗糙熵计算,用所得最大粗糙熵所对应的灰度值为分割阀值对图像进行分割,在采用较小的图像子块划分以取得更好的分割效果的情况下,极大的提高了算法的分割速度。通过对测试图像的MATLAB仿真试验验证了算法在降低计算机消耗方面的有效性,且所得的分割阀值也令人满意。

图像边缘的DCT频谱特征分析

以理论推证和事例分析相结合，对图像边缘的ＤＣＴ谱特征进行了深入分析．证明了含平直单边缘图像子块，其ＤＣＴ变换系数能量并不总是集中分布在与其空间边缘走向垂直的方向上。

基于分数阶傅立叶变换的图像数字水印技术

提出了一种基于分数阶傅立叶变换的chirp图像数字水印算法。首先对原始图像进行分块,然后根据HVS特性有选择性地对图像子块嵌入chirp信号,最后通过对嵌入水印的图像进行分数阶傅立叶变换提取出水印图像。实验仿真证明,本算法实现了在原始图像中加入有意义的chirp图像数字水印并能顺利提取,有效地增加了水印的嵌入强度和保密性。

基于图像全局和局部颜色特征的图像检索

图像检索是一项新型的技术,该项技术在多个领域得到广泛应用,并取得了诸多优秀成果。近年来,国内外越来越多专家学者置身于图像检索层面研究,并推出一种基于图像全局和局部颜色特征的图像检索方法:(1)从符合视觉感知特征的Lab颜色空间中提取全局颜色特征;(2)采用一定的手段将图像划分为若干个图像子块,并依托于具有人眼视觉特征的高斯加权系数对各图像子块予以加权;(3)将局部颜色特征定位于凭借二值化获取的颜色位图,同时,对各图像子块作垂直与水平投影处理;(4)基于全局和局部颜色特征做出图像检索。大量的实践研究验证了基于图像全局和局部颜色特征的图像检索具备高质量性、高效率性。

低秩矩阵恢复的超分辨图像重建算法

超分辨图像重建是提高图像质量的重要技术,为了提高图像重建的精度,以获得高质量的图像,针对当前图像重建算法存在缺陷,提出了基于低秩矩阵恢复的超分辨图像重建算法。首先根据低分辨率图像和高分辨率图像间的关系,选择训练样本,并将图像划分为多个子块,然后采用低秩矩阵恢复算法对子块进行学习,根据块与块间的相关性找到低分辨和高分辨图像子块重建的权值,实现图像超分辨率重建,最后在Matlab 2012平台上进行了图像超分辨率重建实验,结果表明,该算法提高了图像重建的精度,保留了边缘等细节信息,重建速度可以满足图像处理的实时性要求,而且重建效果要优于当前经典的图像重建算法。

一种新的结合区域与边缘特征的目标提取方法

该文借助知识理论,提出一种新的基于子图像块的区域分割与边缘检测相结合的目标提取方法。先对分块后的图像进行粗检,辅以知识确定目标的大概区域,然后借助改进的方向Canny边缘检测器增强并检测出较弱的目标边缘。实验结果表明该方法计算量较小、便于硬件实现,使复杂自然背景中,低对比度及不均匀光照条件下的一定形状尺寸的目标提取获得了满意的效果。

灰度共生矩阵纹理特征选块的可逆图像水印

针对当前灰度共生矩阵(GLCM)的4个主要特征参数与图像子块纹理复杂度之间没有准确的数学关系和隐蔽图像遮蔽性上不足的问题,提出一种GLCM纹理特征选块的可逆图像水印。首先把原宿主图像分成128×128大小的子块;然后利用均方误差(MSE)给4个纹理特征参数赋予权值,建立特征参数与图像子块复杂度的数学关系;最后计算得出各个子块的复杂度,选择复杂度最大和次大的子块,采用基于预测误差对扩展的可逆算法进行数据隐藏。提出的特征参数与纹理复杂度之间的数学关系,能够准确计算图像子块复杂度,嵌入水印后的自然图像和医学图像平均峰值信噪比(PSNR)值较现有方法分别高出2.65%和0.93%左右。本文算法能准确反映子块内部的纹理复杂度并具有更好的隐蔽性,适用于医学、军事和卫星等领域。

基于Lab颜色空间纹理特征的图像前后景分离

针对图像前后景分离的传统算法需要人机交互且分离效果差、效率低和种子点选取难等问题,提出了基于Lab颜色空间纹理特征的图像前后景自动分离算法。对图像进行分块,并将图像转换到由国际照明委员会(CIE)制定的CIE Lab颜色空间;然后提取各图像子块的颜色和纹理特征,选取种子点;最后采用区域生长算法得到分割图像,采用区域合并改善过分割现象。结果表明,所提算法的分离结果较好,处理时间和算法复杂度较传统算法更优。