基于梯度能量函数的调焦窗口构建方法

光电跟踪取证系统对运动目标进行跟踪拍摄时需要进行变焦和调焦,目标姿态和位置改变而产生调焦窗口偏离是导致传统自动调焦方法失效的主要原因。针对该问题,提出了一种针对跟踪目标动态建立调焦窗口的方法。该方法利用梯度能量评价函数提取目标特征,通过相关性处理和边界扩展建立调焦窗口,能克服调焦窗口偏离的缺陷。实验结果证明,对704×576像元不同离焦状态的图像都可以在20 ms内根据目标的位置和大小,构建准确有效的调焦窗口,满足光电跟踪取证系统对运动目标进行实时自动调焦的特殊要求。

基于动态规划的Seam Carving裁剪算法

随着科技的发展,图像应用和分享越来越普遍。图像尺寸调整在不同设备和屏幕上的显示非常重要。传统的方法只是简单地复制或计算像素值,而不考虑图像内容的重要性。然而,基于动态规划的Seam Carving裁剪算法提出了一种更优化的方法。该算法采用多尺度处理,对不同尺度的图像进行Seam Carving操作,并将处理结果整合起来,以实现更全面、更精细的图像调整。

一种针对图像模糊的无参考质量评价指标

在成像模型的基础上,分析了图像模糊的原因,提出了一种为图像构造参考图像的方法,进而将结构相似度(SSIM)评价方法引入到无参考图像质量评价中,提出一种无参考结构清晰度(NRSS)的新的无参考图像质量评价方法,将其用于对模糊图像的质量评价。该方法通过低通滤波器来构造参考图像,通过计算原始图像与参考图像的结构相似度值来评价原始图像质量,很好地结合了成像系统的数学模型和结构相似度评价方法的优势,实验结果表明无参考结构清晰度评价指标能够给出和主观评价方法以及其余有参考评价方法一致的结果。

数码3D打印木纹图像清晰度的调整与评价

本研究以建立高品质的木纹数字图像库为目标,对天然木纹进行扫描采集与图像处理,为数字化木纹3D打印技术在家具和木制品表面装饰中的应用提供技术基础。为获得高品质的木纹图像,通过主观评价从Photoshop与MATLAB常用的几种去噪方法中选取3种较优的去噪方案,并利用调制传递函数(MTF)与能量梯度函数(EOG)系统评价了这3种方案的去噪效果;比较了Lab与RGB两种颜色模式下的木纹图像应用USM锐化的效果,并从“叠加/高反差保留”方法与USM锐化中选出最佳方案进行素板木纹图像与透明底漆涂饰木纹图像的锐化效果对比。研究结果表明:去噪效果越好,图像的MTF值越大,EOG值越小;锐化效果越好,图像的MTF值与EOG值越大,木纹图像越清晰。2种函数对木纹图像清晰度的评价与主观评价具有一致性,其中,能量梯度函数的灵敏度更高,但对锐化效果的评价存在一定误差。在还原扫描得到原木纹图像纹理细节的同时,去噪与锐化也在一定程度上改变了原木纹图像的色泽。

RGB彩色图像自动聚集系统

根据RGB图像与灰度图像转化关系和各分量特征,提出了改进的局部最大梯度分量评价函数。与灰度图像梯度评价函数相比,局部最大梯度分量评价函数具有更好的适应性和尖锐性。经区域定位爬山算法实验表明,局部最大梯度分量法具有很好的聚焦精确度。