纹理去除的皮革图像颜色分类方法

针对皮革图像存在天然纹理,凸凹结构纹理会使得扫描或摄影的皮革图像亮度变化明显,影响皮革图像颜色的准确分类,提出一种去除图像纹理的皮革图像颜色分类方法。首先利用相对总变差模型去除皮革图像纹理,获得只包含皮革图像颜色信息的图像;然后利用均匀彩色空间模型L*a*b*具有的较强的色差分辨能力,提取去除纹理后的皮革图像L*a*b*颜色分量的平均值作为皮革图像的整体的颜色特征;最后运用SVM支持向量机对皮革图像颜色特征进行分类。实验结果表明,该方法能够比较精确地区分皮革图像颜色,实现皮革图像的颜色分类,具有可行性。

基于区间梯度的联合双边滤波图像纹理去除方法

图像纹理去除是指保留图像的语义结构并去除图像中的纹理和噪声部分,从而将纹理区域与结构特征划分开,是计算成像和图像分析的基础研究问题。近年来,在该领域中出现了许多优秀的算法,但它们在结构纹理的区分效果、纹理滤除的干净程度和算法运行的效率等方面仍存在一些问题和矛盾。鉴于此,提出一种基于区间梯度的滤波方法来去除图像纹理。首先,为简化先验模型的复杂度,将区间梯度的概念应用到结构提取模型中,实现了纹理与结构的二元化标记,为下一步单独对纹理区域进行滤波处理做准备。其次,针对复杂多变的纹理部分,将最值替换机制融入到联合双边滤波算法中,即在目标像素的邻域中选取颜色差异最大的像素作为颜色权重分布的中心点,使其在滤波过程中起主导作用。实验证明,所提方法能应用于多种纹理图像,可有效缓解强纹理去除与运算效率之间的矛盾,同时,因在达到相近纹理去除效果时所需迭代次数更少,其在同类滤波方法中取得了更好的边缘保持效果。

结合邻域方差和各向异性窗的引导滤波算法

针对引导滤波会导致边缘附近出现光晕且难以识别精细边缘的问题,提出了一种结合邻域方差与各向异性窗的引导滤波算法.首先,利用各向异性高斯滤波器的方向选择性实现对边缘的精细识别,并利用滤波器的狭长空域结构可实现局部窗口内不同像素信息融合,以抑制边缘模糊和光晕效果;其次,基于局部结构相似性原理,引入邻域方差以实现对局部线性变换参数的优化,同时保证强边缘结构和非边缘区域的最大扩散.实验结果表明,在102类花卉图像数据集上,文中算法的视觉效果、定量评价(PSNR和SSIM)均优于其他边缘保持滤波算法,并且测试图像的失真度比引导滤波、加权引导滤波和各向异性引导滤波分别小46.72%,48.64%和29.61%,能够在识别精细边缘的同时有效地抑制伪影现象的发生.

街景建筑物立面纹理遮挡恢复方法研究

依据建筑物丰富的直线信息来分割面状遮挡物,并采用边缘保护的模板匹配方法进行遮挡纹理的恢复。同时,对于简单的线状竖直遮挡物,采用边缘检测和跟踪的方法提取影像上的遮挡区域,采用一维水平均值内插和块状填充的方法恢复遮挡纹理。实验表明,该方法取得了较好的效果。