基于非下采样轮廓波变换耦合对比度特征的遥感图像融合算法

为了解决当前较多遥感图像融合方法忽略了图像的对比度特征,使得融合图像存在振铃效应等问题,设计了基于非下采样轮廓波变换耦合对比度特征的遥感图像融合算法。引入HSV(hue,saturation,value)色彩模型,提取出多光谱(MS)图像的V因子。借助非下采样轮廓波变换(NSCT),计算出V因子与全色(PAN)图像的不同系数。随后,利用傅里叶变换来求取图像的显著性因子,并将其与图像的区域能量特征相结合,形成低频系数融合规则,实现低频信息的融合。通过利用图像的标准差信息对图像的对比度特征进行度量,并将其与图像的平均梯度信息相结合,形成高频系数融合规则,实现高频信息的融合。最后,通过逆NSCT对其进行重构,以更新V因子。将更新后的V因子,联合MS图像的H因子和S因子,通过逆HSV色彩模型进行重构,得到融合结果。通过实验发现,较当前遥感图像融合技术而言,所提算法的融合图像具备更高的光谱相关系数值以及信息熵值。

基于频谱对比度特征的音乐风格分类

自动化音乐风格分类能提高数字音乐库的管理效率,本文提出利用基于八音阶频谱对比度特征表现某段音乐剪辑的频谱特性,它表现了相对频谱的分布而不是平均谱包络。实验表明基于频谱对比度特征的方法在音乐风格分类方面表现良好。另一个对比实验展示了基于频谱对比度特征比以前在音乐风格分类系统中常用的MFCC特征能更好的区分不同音乐风格。

融合颜色特征和对比度特征的图像显著性检测

图像显著性检测能够获取一幅图像的视觉显著性区域,是计算机视觉的研究热点之一。提出一种结合颜色特征和对比度特征的图像显著性检测方法。首先构造图像在HSV空间的颜色函数以获取图像颜色特征;然后使用SLIC超像素分割算法对图像进行预处理,基于超像素块的对比度特征计算图像显著性;最后将融合颜色特征和对比度特征的显著图经过导向滤波优化形成最终的显著图。使用本文算法在公开数据集MSRA-1000上进行图像显著性检测,并与其他6种算法进行比较。实验结果表明本文算法结合了图像像素点和像素块的信息,检测的图像显著性区域轮廓更加完整,优于其他方法。

基于对比度特征深度学习的图像表格识别

在大数据飞速发展的今天,探索从图像中自动解译表格信息具有重要现实意义,基于此提出了一种基于对比度特征深度学习的图像表格识别方法。首先基于数学形态学的方法进行图像单元格提取,然后通过分析表格图像特征,构建对比度特征进行图像单元格增强,将增强图像作为深度学习模型的输入进行训练,模型通过ResNet-18网络进行前期特征提取,再通过文本定位和识别子模型输出识别结果,最后按顺序合并文本识别结果得到最终表格。通过开展具体实验,结果表明:提出的对比度特征深度学习方法表格识别效果较好,Precision、Recall和F1-Score精度指标值均在0.93以上。

基于多级特征融合的红外图像多目标分割研究

为解决采用单一特征分割红外图像多目标时,分割精度过低的问题,提出基于多级特征融合的红外图像多目标分割方法。分别提取红外图像的熵特征、对比度特征和梯度特征,采用并行加权特征融合方法融合所提取的红外图像的多级特征,构建红外图像的多级特征融合空间,设置红外图像的多级特征融合空间作为Mean-shift算法的遍历空间,对多级特征融合空间内的全部特征点实施均值漂移处理,获取红外图像多目标分割结果。实验结果表明,该方法可以利用所提取红外图像的多级特征,分割红外图像的多目标,红外图像多目标分割精度高达99.5%。

在基于上下文机场识别中减少虚警率的方法

主要针对基于上下文的机场识别算法存在较高虚警率的情况进行了改进,提出了一种新的减少虚警率的方法。此方法首先进行基于对比度特征的跑道识别,通过定义恰当的跑道对比度特征,采用两种判别准则对此对比度特征进行分类。在此基础上,进一步完善联络道的识别方法,使之能排除剩下虚警的情况。经实验表明,绝大部分的虚警都能在前面的跑道识别中排除,剩下的则能在联络道识别中排除。

复杂光照环境的车道线检测方法

为了解决高速公路和城市道路上复杂天气环境下车道线检测的问题,提出一种复杂光照环境的车道线检测方法。该方法通过自动调节复杂光照环境下图像的对比度特征,从而更好地提取道路上的车道线,实现黑暗及雾天环境下的车道线检测。通过实验验证,该方法在黑暗环境下车道线检测识别率为96.7%,雾天环境下的车道线检测识别率为95.2%,具有较好的算法鲁棒性、准确性和实时性。