基于几何矩特征与纹理度量的图像匹配算法

为提高多种几何内容变化下的特征点匹配准确度,引入双边滤波器,设计了几何矩特征耦合纹理度量的图像匹配算法。引入双边滤波器,对图像进行预处理,以去除图像中噪声,接着利用Hessian算子,准确检测图像特征。利用图像灰度信息,计算图像特征圆域内的几何矩,以形成鲁棒性较强的特征向量。通过平均梯度模型,对特征点邻域的纹理特征进行度量,并将其联合欧氏测量结果,对图像特征实施匹配。借助互相关模型,对匹配特征的相关程度进行测量,以检测特征点的匹配正确性,优化特征匹配结果。实验数据表明:较当前特征匹配方法而言,在多种几何内容变化下,所提技术具有更高的匹配准确度与鲁棒性。

基于LOG算子和灰度共生矩阵的影像纹理特征提取

随着传感器技术的发展,所获得影像的信息更为丰富,其结构、形状和纹理特征表达得更为清晰。作为影像的一个重要特征,纹理特征的提取对影像的自动化解译有着至关重要的作用。目前纹理特征提取的方法主要有分数维法、马尔科夫模型法、Gabor滤波法和灰度共生矩阵。本文选择目前常用的灰度共生矩阵提取影像的纹理特征,并结合LOG算子,研究基于LOG算子和灰度共生矩阵的窗口自适应算法,克服了灰度共生矩阵提取纹理特征时计算量大,以及固定窗口带来的影像细节保持和噪声消除的矛盾;并通过相关的试验分析,检验其应用于纹理特征提取的实用性和可靠性,为后续的影像分割提供保障。

结合纹理特征的模型简化误差度量算子

模型的细节层次化表示是图形学中的重要研究方向,可以加速虚拟漫游中的成像速度而不降低成像质量.目前的简化技术大都是基于模型的几何特征进行的,难以很好地处理带有纹理图像的模型.该文提出一种结合纹理特征的模型简化误差度量算子,能高效度量简化过程中与纹理图像相关的视觉信息的变化,并与关于几何特征的度量进行结合,使简化模型能更好地保持重要的视觉信息,提高简化模型的成像质量.新的度量算子能与高效的简化方法相结合,并支持保持重要语义信息的用户主导简化方法.

基于多特征融合的输电通道山火识别方法

针对输电通道山火频发引起线路跳闸的问题,提出一种基于多特征融合的输电通道山火识别方法。利用伽马变换和Sobel算子对输电线路山火图像进行图像增强处理,并使用由超像素分割、区域生长法及形态学处理构成的多级分割算法获取火焰区域的图像;提取分割后火焰图像的颜色特征和纹理特征,采用串行特征融合方式进行融合之后输入BP神经网络分类器进行训练,实现对输电通道山火的识别。实验结果表明,该方法对山火识别的总体精度达到92.7%,可以为电力运维人员进行输电通道山火监测提供参考。

基于Sobel算子边缘检测的太阳电池缺陷特征提取方法

利用太阳电池的红外图像对其进行缺陷的特征提取研究,提出基于Sobel算子边缘检测的太阳电池缺陷特征提取方法。首先,在RGB空间和HSV空间中,对太阳电池的红外图像进行预处理,得到太阳电池的R(红)、G(绿)、B(蓝)灰度图和H(色调)、S(饱和度)、V(明度)灰度图,初步判断太阳电池的运行状态;其次,使用Sobel算子对非正常运行的太阳电池红外图像进行边缘检测,得到红外电池表面增强图像的Sobel细节图,并利用自适应迭代法获得最佳阈值,进一步得到有较强表示能力的阈值突显边缘图,充分体现了太阳电池表面的缺陷特征细节。

基于改进Sobel算子的文物图像检索

基于内容的图像检索克服了基于文本的图像检索方法无法利用图像中所包含的丰富的视觉特征的问题,更符合人类认识事物的习惯,成为了近些年来图像检索的热点。其中,纹理特征是图像中一个重要的视觉特性。实验结合文物图像特点,首先将彩色文物图像转化为灰度图像,然后用Canny算子检测出图像边缘,再用改进的Sobel算子模拟共生矩阵检测的4个方向的纹理矩阵,最终将其转换为直方图,从而提取到文物图像的纹理特征。实验表明,使用这种纹理特征进行文物图像检索可以取得很好的检索效果。

基于分数阶微分和Sobel算子的边缘检测新模型

现有的边缘检测算法对噪声敏感,检测到的图像边缘效果不够理想,得到的图像边缘有可能模糊不清。为了克服这些不足,以分数阶微分理论为基础,结合Sobel算子边缘检测方法,提出了一种基于分数阶微分和Sobel算子的边缘检测新模型。理论研究和实验结果表明,与现有方法相比较,该模型不仅能较好地提取图像边缘特征,而且对噪声具有一定的抑制作用;特别地,对于纹理细节较丰富的图像而言,该模型能够检测出更多的纹理细节信息,优于常用的整数阶微分方法,是一种有效的边缘检测方法。

一种基于纹理特征抽取的车牌定位预处理方法

研究了车牌区域的字符和边线纹理特征,改进了传统的Sobel算子,以求更好地提取车牌区域的45°,135°方向的边缘纹理;同时设计了两种模式滤波器,以滤除不具备车牌纹理特征的噪声纹理。实验结果表明,该预处理方法很好地突出了车牌区域的纹理特征,有利于快速、准确地定位出车牌所在的区域。

基于纹理特征的火箭目标跟踪方法

为解决姿态剧烈变化的火箭目标跟踪问题,提出了一种新的基于纹理特征的跟踪方法。相对于传统的模板匹配方法,这种方法能对助推器和子级分离的捆绑式运载火箭进行跟踪。在对火箭目标特性进行分析的基础上,采用局部二值化模式(LBP)纹理特征结合Hu不变矩特征描述进行跟踪。跟踪过程中特征匹配采用简单的相似性度量准则,实时模板更新算法为加权更新。测试结果表明,这种方法对发生位移、旋转和尺度变化的火箭目标同样具有比较好的跟踪效果。

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。

基于图像处理的河流相储层边缘特征增强方法研究

河道边缘的识别是河流相储层精细描述的重点。受河道叠置、交叉,砂体厚度薄,地震信噪比、分辨率低等因素影响,传统的切片解释、相干技术难以满足精细勘探的需求,新发展的基于算子处理的边缘检测仍存在应用误区。本文以分析河道边缘的几何特征为切入点,明确一阶导数、模值及二阶导数的物理含义;建立具有不同速度特征的三维河道模型,并通过模型与实际资料相干属性的提取,指出该项技术在河道精细描述中存在的问题。针对该问题以Sobel算子为例,图解说明使用此项技术处理后河道边缘的标志性特征,提出采用直方图均衡化与模糊集理论的河道边缘相干增强技术,并取得较好的应用效果。该方法技术对深化河道边缘特征的认识,提高河流相储层识别能力,有一定的借鉴作用。

融合颜色与LBP纹理特征的布料色卡图像检索

针对在采购与销售布料中存在人工配色不准确、查找分类难等问题,基于图像检索相关技术,通过融合布料色卡图像的颜色特征和纹理特征进行图像检索应用研究。设计了布料色卡图像颜色特征提取算法和基于LBP的纹理特征提取算法,并提出融合颜色特征和纹理特征的布料色卡检索算法。对提出的融合颜色和纹理特征的布料色卡图像检索算法在3个标准图像纹理库和实际布料色卡图像数据集进行了详细的对比测试。通过对测试结果的分析,得出在融合颜色和LBP纹理特征的布料色卡图像检索方法中采用先颜色后纹理的策略进行布料色卡图像检索是最有效的检索方案。

肋骨皮质纹理特征提取分类算法设计

肋骨的皮质纹理特征是判断骨折的重要依据.提出了肋骨皮质纹理特征提取与分类算法,利用Canny算子图像进行预处理,利用Gabor小波实现纹理特征提取,利用KPCA完成降维和分类.实验结果表明,该算法得到的肋骨纹理特征提取与分类,提高了肋骨骨折的诊断率.

基于巴特沃斯滤波的改进型Sobel算子边缘检测

为解决传统Sobel算子图像边缘检测时计算方向单一、定位不准确、边缘连通性差的缺陷,提出了一种巴特沃斯高通滤波与改进型Sobel算子结合的图像边缘检测算法,利用二者结合的技术对图像进行边缘检测和特征提取。首先采用巴特沃斯高通滤波器进行图像预处理,然后利用在传统Sobel算子基础上增加45°和135°等六个方向模板的改进型Sobel算子进行边缘检测。通过实验仿真,与传统算法相比较,该算法具有边缘突出、连通性好、对噪声敏感度低、定位精度高等优点。

非整数步长的分数阶微分Sobel算子的应用

针对现有的分数阶边缘提取算子对于具有大量的平滑区域图像和丰富纹理图像的边缘检测精度较低的情况,对Gruwald-Letnikov(G-L)分数阶微分整数步长和传统的Sobel算子进行了相关的改进,并利用高斯加权的拉格朗日插值方法确定非整数点的灰度值,构造了一个新的分数阶微分掩模模板。理论研究与实验分析表明:该模型可用于检测含有丰富的纹理细节与大量的平滑区域的图像,且检测精度与清晰程度都有显著的提高。

多特征融合与卡尔曼预测的车辆跟踪算法

为了解决道路中背景光照变化和部分遮挡条件下单特征跟踪失败的问题,提出了一种基于多特征融合与卡尔曼预测的车辆跟踪算法。多特征融合包括:跟踪车辆的颜色、边缘、纹理,使用颜色直方图描述颜色分布情况,使用具有旋转不变性的局部二值模式(LBP)描述纹理分布特征,使用改进的Canny算子计算边缘分布信息,建立特征融合函数,利用平均峰值相关能量构造本次跟踪的最佳特征描述。在车辆跟踪过程中相邻两帧之间的特征匹配大于设定阈值时,判定有遮挡,跟踪中断,使用卡尔曼滤波预测当前位置,最后通过不同的实验证明了算法的有效性。

基于RULBP与GLCM的已加工工件表面纹理特征表征

不同磨损状况的刀具在工件表面切削后形成的纹理特征也各不相同,工件表面纹理蕴含着大量表征刀具状况的信息。为有效、高效地提取反映刀具状况的工件表面纹理特征,提出1种结合旋转不变均匀算子的局部二值模式(rotation-invariant uniform local binary pattern,RULBP)与灰度共生矩阵(gray-level co-occurrence matrix,GLCM)的纹理特征提取方法。该方法利用RULBP与GLCM的计算原理分别提取工件表面纹理的微结构特征和宏结构特征,达到全面提取纹理“微宏观”特征的目的。实验结果表明,同常用的工件表面纹理特征提取方法相比,所提方法能显著提高纹理特征的表征度。

灰度共生矩阵与Sobel算子结合的图像检索方法

为了加快基于纹理的图像检索的速度,提出了一种灰度共生矩阵和Sobel算子结合的图像检索方法.该方法克服了灰度共生矩阵算法在表示纹理特征时计算量过大的缺点,又较好地保留了灰度共生矩阵算法的优点.实验结果表明,该方法取得了较好的检索效果.

基于纹理分析和字符特征结合的车牌定位方法

车牌定位是车辆牌照识别的重要基础。传统的车牌定位方法由于受到光照变化、图像尺寸大小或者车身颜色与车牌颜色相近的影响具有局限性。该文提出了一种基于纹理分析和字符特征相结合的方法，重点介绍了图像预处理、梯度化、纹理分析和字符特征分析等主要步骤并给出了实验结果。

综合灰度与LBP纹理特征的高分三号卫星SAR图像建筑区提取方法研究

高分三号卫得是我国首颗分辨率达到1 m的C频段多极化合成孔径雷达(SAR)卫星,它能够提供丰富的对地观测信息,在建筑区的提取工作中可以发挥重要的作用。LBP算子是一种运算简单、易于实现的纹理提取方法,在医学、计算机图像识别等领域得到了广泛的应用。根据SAR图像的建筑区纹理特征较其他地物更为特殊的特点,提出了一种综合利用灰度与LBP纹理特征的高分三号卫星SAR图像建筑区提取的方法。首先对数据进行预处理并获取Span强度图像,然后利用lBP算子提取图像的纹理特征;将经过尺度变换后的Span图像和得到的纹理特征进行波段组合,利用K均值聚类算法对组合后的图像进行非监督分类;最后通过分类后处理获得建筑覆盖区域。以高分三号卫星QPSI影像和Radarsat-2全极化影像为数据源进行了实验,结果表明该方法能够有效提取图像中的建筑区,效果明显优于无纹理特征参与的方法。