一种基于梯度图像帧间差分和背景差分的运动目标检测新方法

提出一种基于梯度图像,融合帧间差分和背景差分的运动目标检测新方法。其特点是采用混合高斯背景模型,先利用针对梯度图像的帧间差分检出变化区域,再利用背景差分从变化区域中检出运动物体,最后利用连通性检验消去噪声和阴影。针对真实视频序列的实验结果表明,该方法既简单有效,又具有较小的运算量和较好的鲁棒性。

梯度图像的阈值选取

为了较精确地提取目标的边缘轮廓,针对梯度图像的特征,提出在canny边缘检测算法基础上,采用自适应阈值消除噪声,探测较精确的边缘轮廓。由于光学成像和高斯平滑滤波等作用,梯度图像中边缘上噪声的分布是呈近似单边正态分布,所以根据梯度图像的灰度均值与方差确定自适应阈值。通过实验仿真比较,采用自适应阈值获得了较准确的边缘轮廓。

基于梯度图像法的激光雷达图像融合滤波算法

为了有效消除激光雷达图像斑点噪声的干扰,针对单一滤波算法的不足,提出一种基于梯度图像法的激光雷达图像滤波融合算法。分析激光雷达图像的噪声特点,综合Lee滤波和小波滤波的优势,该算法利用图像的梯度图像来判断斑点噪声隶属于信号区域还是边缘区域,在边缘点采用小波阈值滤波的结果,在信号区域选择Lee算法的结果达到最好的滤波目的。仿真试验的结果表明:该算法具有很强的散斑噪声抑制能力,能够在噪声滤波和图像信息保持2个方面都能达到很好的效果。

运动模糊角度的梯度图像频谱估计方法

通过对运动模糊梯度图像频谱的分析,提出了利用梯度变换、二维傅里叶变换、反色、二值化以及Radon变换检测梯度图像频谱中的平行暗条纹的方向,来实现运动模糊角度精确估计方法。实验结果表明,用该方法估计的模糊角度对于93%的检测图像绝对误差都小于1°,较之前提出的方法具有较高的精度,而且在一定程度上能够抑制图像自身结构对检测结果的影响。

基于3×3块梯度图像划分和人脸几何模型的人脸检测

提出一个人脸检测算法,该算法使用3×3块划分的梯度图像和几何人脸模型来进行人脸检测。3×3块划分用来初步检测特定区域中是否有人脸,接下来利用几何人脸模型把人脸检测出来。实验结果表明所提出的人脸检测算法检测结果比较好,并且对于光照并不敏感。

多尺度小波梯度图像增强方法

传统的图像增强算法在对图像增强的同时,也增强了图像的噪声信号,不利于图像的后期处理.在小波变换增强算法的基础上,提出了多尺度小波梯度图像增强方法.实验证明,该方法在提高图像对比度的同时,有效的解决了噪声也被增强问题,使增强后的图像便于图像分析和后期处理.

基于梯度图像的改进SSDA方法

介绍梯度图像匹配相关的基本原理，针对传统匹配相关算法的不足，提出了基于梯度图像的匹配相关的设计思想，并给出了获得梯度图像的方法。为了提高图像匹配相关的定位精度和实时性，在序贯相似性检测(SSDA)算法的基础上，提出了一种基于梯度图像的改进的序贯相似性检测方法。实验结果表明，该方法具有较高的定位精度和实时性。

基于梯度图像的改进SSDA方法

本文介绍了图像匹配相关的基本原理以及常用方法，详细分析了传统匹配相关算法的不足，提出了一种基于梯度图像的改进的序贯相似性检测方法．

基于梯度指导的双通道深度压缩感知图像重建方法

针对压缩感知重建图像边界部分模糊和畸变的问题,将图像的先验特性与深度学习网络相结合,提出了一种基于梯度指导的双通道深度压缩感知图像重建方法。该方法利用梯度图像和原始图像从边缘和纹理2个方面构建了双通道的深度网络模型。一方面,通过梯度分支来恢复高质量梯度图,为最后的重建图像提供额外的结构先验;另一方面,提出了梯度损失,图像的梯度约束有助于重建网络更专注于几何结构。在原图通道中采用混合卷积残差密集连接模块,扩大感受野的同时提取丰富的细节信息。实验结果表明,本方法与其他方法相比,取得了更高的重建质量,特别是在图像边界部分的恢复上有显著提升。

基于图像梯度和改进椭圆拟合算法的视线追踪方法

针对单摄像机视线追踪系统检测精度低且速度慢等问题,提出一种基于图像梯度和改进的椭圆拟合算法的视线追踪方法.首先,利用改进的人脸识别算法和“三庭五眼”的人脸比例算法对预处理后的图像信息进行人脸和眼睛部位的检测定位;其次,采用图像梯度算法定位人眼的瞳孔中心点,再分别利用改进的星射线算法与椭圆拟合方法确定虹膜边缘和虹膜中心,通过中心坐标评判完成瞳孔中心定位;最后,使用坐标法判定视线方向.实验结果表明,该方法可有效降低头动、眼睑和眼镜等因素造成的检测误差,并且能够准确判断人眼视线方向,具有较好的鲁棒性和实时性.

一种改进的基于互信息和梯度特征的图像配准方法的研究

基于互信息的配准方法广泛应用于医学图像的配准,但当两幅待匹配图像重叠部分较少或图像包含的信息不够充分时,配准目标函数会出现较多的局部最优解而影响匹配精度。本文构造了新的配准目标函数,在互信息的基础上引入图像梯度信息,使两者相互补充,减少了目标函数中局部最优解的数目,突出了全局最优解。本文还设计了一种新的基于单纯形的模拟退火优化算法,该算法能以较大的概率迅速搜索到目标函数的全局最优解,以获得较满意的配准结果。本文使用该方法对二维医学图像进行配准,实验结果表明,该方法配准速度较快、精度较高,是一种有效的配准方法。

基于自适应矢量参数的彩色图像梯度计算方法

由于灰度图像梯度计算方法难以直接推广到彩色图像梯度计算中,提出了一种基于自适应矢量参数的彩色图像梯度计算方法。该方法在HSV彩色空间内利用空间矢量求导方法计算彩色图像梯度,并结合彩色图像直方图均方误差得到HSV三分量的矢量参数,从而实现基于自适应矢量参数的彩色图像梯度计算方法。该方法解决了传统彩色图像梯度计算方法难以获取图像的细节梯度信息的问题,以及现有的彩色图像梯度计算方法不够稳定,普适性差的问题。实验结果表明,针对多种不同类型的彩色图像,该方法均能得到较好的梯度图像,较传统的方法获得更多的图像细节。

基于视觉感知的梯度结构相似度图像质量评价

在SSIM算法的基础上,结合亮度和对比度掩蔽等视觉感知信息构造视觉感知(visual perception)函数,提出基于视觉感知的梯度结构相似度评价方法VI_GSSIM(visual perception and gradient based SSIM)。该方法通过图像质量与图像内容和失真类型的相关性,结合图像的误差可视性与内容可视性构造视觉感知函数,对HVS底层视觉系统建模;同时利用梯度重新定义结构信息,得到基于视觉感知的梯度结构相似度模型,对图像进行质量评价。实验结果表明,提出的VI_GSSIM算法比SSIM更符合人眼的视觉特性,尤其适合评价降质较严重的图像。

一种结合灰度和梯度方向的图像修复方法

描述了一种结合灰度和梯度方向的图像修复方法。通过优化一个图像灰度和梯度方向的能量函数来实现修复。在定义能量函数时,综合考虑了灰度、梯度和曲率,并用梯度方向角来表示曲率,这降低了要求解的偏微分方程阶次。方法具有较好的图像平滑能力,符合人眼的连通性原则,并能较好地修复物体的拐角。

图像梯度分类的概率模型及在边缘检测中的应用

从图像梯度分类的概率模型出发,提出一种自动确定Canny算法阈值的新方法。通过实验表明,这种改进的Canny算法是有效的,性能优于传统Canny算法。

一种梯度变换的水下图像对比度增强算法

在水下激光成像系统中,针对海水对光的散射而引起的图像对比度下降的特点提出了一种自适应改变图像梯度来增强水下图像对比度的算法。该算法分三步对图像进行处理:首先利用双边滤波器对图像进行滤波,以消除噪声;其次根据图像的局部灰度强度,对图像梯度进行处理;最后通过解泊松方程,将处理后的梯度图像还原成灰度图像。实验结果表明:该算法能有效地改善水下图像的对比度。

基于梯度信息的自适应邻域噪声图像分割模型

现有分割模型多数不能兼顾概率噪声图像和非均匀图像的分割精度,为此,构建一种改进的活动轮廓模型。引入新的邻域拉伸变形机制,使用图像梯度引导邻域变形,以降低无关信息和噪声点对分割结果的影响。将局部相关性系数引入能量泛函,使模型可以准确辨别信息价值较高的像素点。在此基础上,通过最小化能量函数驱动活动分割轮廓向目标边缘演化。实验结果表明,该模型可有效分割具有弱边界性质的概率噪声图像,且分割精度高于自适应LCV模型、LCK模型等。

基于图像梯度匹配的自动泊车系统车位识别方法

针对自动泊车系统利用视觉方法识别车位线的需求,提出了一种基于图像梯度和高斯加权余弦距离的车位线识别算法.首先对采集的车位图像进行去畸变和逆透视变换生成俯视图,并进行灰度化和图像滤波处理;然后利用Sobel算子提取预处理后的图像的梯度,选取车位线的车位角位置,建立图像梯度模板,并利用双线性插值法建立旋转模板以识别不同角度的车位;最后以高斯加权余弦距离作为相似度量,识别图像中车位线的位置,设计了算法的终止条件以提高算法运行速度.结果表明:该算法实现了对不同工况下多种车位的识别,具有识别速度快、不易受光照路面裂纹等因素影响的优点.

基于图像梯度场序列的双向GDIM光流计算方法

提出了一种基于图像梯度矢量场的双向广义动态图像模型(GFBD-GDIM)光流计算方法.本文方法:在图像梯度场上进行光流估计以减弱光照变化带来的影响;将一个大的运动矢量分解为两个不同方向的子矢量进行估计,有助于减小估计误差,提高计算精度;采用广义动态图像模型(GDIM)对图像梯度场的变化进行建模,可使模型适用于更加一般的场合.图像序列实验表明,本文方法可以获得更加精确和鲁棒的运动矢量估计.

融合梯度信息的最小生成树医学图像配准

针对传统的均匀子采样的最小生成树配准方法对采样率敏感,导致配准鲁棒性降低的问题,提出了一种融合梯度信息的最小生成树医学图像配准算法.该算法首先提取均匀子采样点集,并在此基础上构造最小生成树;然后使用最小生成树来估计Rényi熵;最后将图像间的边缘梯度信息融入到配准框架中.通过在公共数据集RREP上,与传统的基于均匀子采样的最小生成树配准算法和基于归一化互信息配准算法相比,提出的算法在达到良好配准精度的同时,具有更平滑的配准函数和较强的鲁棒性.