基于直方图信息和灰度偏移网格的数字减影图像灰度矫正算法

本文首次提出一种利用数字减影图像直方图信息和灰度偏移网格进行灰度矫正的新的矫正算法.该算法能够有效去除灰度失真带来的蒙盈片灰度级差异,使减影图像丢失的细节信息得以重现.通过分析减影图像直方图,提取其中的灰度偏移量信息,有效消除了减影图像中的灰度级噪声.首次提出灰度偏移网格,较好地解决了数字减影图像灰度矫正过程中减影质量与矫正速度的矛盾.

基于局部灰度聚类的高斯分布拟合模型

针对高斯分布拟合模型对初始轮廓敏感的问题,提出一个基于局部灰度聚类的高斯分布拟合模型.新模型根据图像局部像素灰度聚类特点,采用灰度偏移场和一个分片常量函数共同拟合图像的局部灰度均值,实现了图像全局信息和局部信息的有机结合,使轮廓可以从任意初始位置向目标边缘演化,最后收敛在边缘上.新模型采用一种快速有效的数值方法实现,水平集函数在整个演化过程中不必重新初始化,活动轮廓演化速度得到显著提高.实验结果表明,本文算法能够在不同的轮廓初始化情况下获得准确的分割结果.

梯度与曲率变形力相结合的图像配准方法

针对Demons算法将形变配准视作扩散问题,仅靠梯度信息确定浮动图像的位移,在梯度非常小时图像形变方向不能确定,会导致错误的配准变换这一弊病,将等照度线曲率作为一个控制形变的驱动力因素引入Demons扩散方程,建立了一个具有梯度与曲率双重驱动力的非线性扩散模型,将其应用于图像配准。实验结果表明,这一模型较经典Demons算法具有更好的配准性能。

一种新的图像放大方法及其评价体系

针对数字图像放大问题,重点考虑了图像的两个重要特征:梯度和光滑性,提出了一种新的非线性偏微分PM-MF方法,并将其应用于图像放大。进一步从灰度偏移、信噪比、均方误差和梯度模值4个方面,提出了一套衡量图像放大质量的评价体系。实验结果表明该方法无论从保护边缘信息、灰度偏移以及图像清晰度等视觉特性方面均优于线性偏微分方法。

亚像素级模糊图像配准算法

针对目前的特征点匹配算法不能有效配准边缘模糊的图像,提出一种灰度偏移极值特征。将局部像素灰度偏移均值最明显的点作为特征点,利用最小二乘拟合曲线,通过曲线导函数将偏移极值点精确定位于亚像素级,最后采用分块的NMI为特征点分配32维特征向量,再对比向量间距离以实现配准。该特征易于提取、运算简单,而且能在阶跃边缘不清晰的图像中稳定存在。经实验验证,算法应用于模糊图像配准具有较高的匹配精度。

一种改进的分形图像压缩算法

为了缩短分形编码时间,通过对图像定义域块和值域块的统计特性分析,提出了改进的分形压缩算法。设计最优匹配定义域块自适应搜索方法,缩短搜索范围;用值域块均值代替灰度偏移量,减少计算量。实验证明,运用这种改进的分形图像压缩算法进行图像压缩,在保持较高的解压图像质量的情况下,大幅缩短图像压缩编码时间。

织物表面条纹效果的自动识别与定量评价

条纹是重要的织物表面效果之一。基于计算机图像处理技术提出了一种全新的定量评价织物表面条纹效果的方法——灰度偏移分析法,并展示了在此基础上建立起来的评价系统进行条纹效果评价的一些应用实例。

梯度与曲率变形力相结合的图像配准方法——大形变非刚性图像配准

Active Demons算法是Demons算法的改进形式,其将形变配准视作扩散问题,利用牛顿作用力与反作用力思想,仅依靠梯度信息确定浮动图像的位移,在处理大形变配准问题时存在配准精度不高的弊病。将等照度线曲率作为一个控制形变的驱动力因素引入Active Demons扩散方程,建立了一个具有梯度与曲率双重驱动力相结合的非线性扩散模型(Active G&C model),并在Active G&C模型应用于大形变图像配准的算法实现过程中加入多分辨率策略,以提高大形变图像的配准精度。实验结果表明,这一模型较经典的Active Demons算法具有更好的配准性能。

一类新的广义形态学混合滤波器

传统形态学滤波器滤波后的图像灰度值产生偏移,滤波算子抑制噪声效果较差.基于双路对偶形态学算子的混合滤波器解决了传统形态学滤波器存在的灰度值偏移问题,但运算次数多,处理速度较慢.提出了广义混合交变序列滤波器,该滤波器继承了一般混合交变序列滤波器的重要性质,保持了对偶滤波器的强对称性,且运算量减少了一半.仿真实验表明,该混合滤波器不仅去除了图像中的高斯噪声,而且保留了图像细节,最终滤波后的图像具有较高的峰值信噪比和较小的均方根误差.在保证峰值信噪比的前提下,广义形态学混合滤波器较一般形态学混合滤波器的处理速度提高了一倍多.

基于人眼视觉特性的信息隐藏算法研究

本文主要研究如何利用数字图像中存在的冗余信息进行信息隐藏,从而使得在网上传播的信息具有更大的安全保障。人眼在区分两幅相同(或相近)的图像时,是通过对比图像之间的差异来进行判断。根据人类视觉系统对灰度图像分辨能力的不同,本文提出了基于人眼对灰度敏感性而改良的LSB算法。该算法最大限度地利用人类视觉系统对灰度的不同分辨能力,尽可能多地存储秘密信息的同时,提高了隐蔽信息的不可感知性,加强了隐蔽位的安全性。

基于大气校正提升亚米级卫星影像质量

大气对太阳辐射的吸收和散射会导致卫星影像的亮度和对比度降低,大气能见度越低、卫星空间分辨率越高,这种现象越明显,以至于低能见度条件下的亚米级空间分辨率光学卫星影像看起来非常模糊。基于辐射传输方程开发的自适应大气校正算法充分考虑了大气和目标物周围环境对卫星入瞳处目标辐亮度的影响,定量化描述了目标物周围像元的反射率与目标像元的反射率差异对邻近效应的影响。利用自适应大气校正算法对低大气能见度条件下的亚米级空间分辨率卫星影像进行大气校正,并且将其与常规图像处理结果进行对比。结果表明,利用自适应大气校正算法校正后的卫星影像质量得到了明显改善(清晰度提高了4.5275倍,对比度提高了44.61%,信息熵值提高了64.22%)。相对于常规图像处理方法在提升卫星图像质量时会带来噪声和过度增强的问题,自适应大气校正算法在提升卫星图像质量时不会带来噪声和过度增强问题。