多层曝光图像序列轮廓波域平滑算法

提出一种基于伪信息去除的多层曝光图像序列轮廓波域平滑算法,首先设计图像序列块曝光生成和轮廓边缘检测算法,基于非局部均值滤波进行图像特征提取,对图像进行连续性小波变换,得到图像的伪信息中心矩特征,求得多层曝光图像的最大后验估计算子,最终生成灰度直方图二进制均衡系数,进行特征匹配后得到了去除伪信息的输出图像,实现对轮廓波域平滑算法改进。仿真实验表明,采用该算法得到图像轮廓波域平滑处理后的PSNR最高,保留了图像大部分的细节信息,展示了较好的伪信息去除性能,图像纹理清晰可见,图像的视觉效果更好,实现准确的轮廓波域平滑处理。

结合轮廓波域与空域特征的无参考图像质量评价

为了有效评价不同失真类型的图像质量,提出了一种基于轮廓波域与空域特征的无参考图像质量评价方法,利用轮廓波域与空域的不同特点,从尺度、方向、像素3个方面提取图像特征建立质量评价模型。该方法在轮廓波域内对图像进行轮廓波分解,分别提取尺度特征互信息和方向特征能量;再在空域内提取经过高斯函数拟合得到的像素特征形状、方差和均值;通过支持向量回归进行训练学习,建立图像质量预测模型。实验结果表明,该方法与主观得分有较好的一致性,总体性能优于当前相关文献报道方法,并且该方法具有较低的时间复杂度,能更好地推广及应用。

复数域轮廓波变换的图像质量的仿真研究

从数据库databaserelease 2中提取所需要的图像,基于皮尔逊线和斯皮尔曼等级结合法对图像质量进行对比分析,运用MATLAB软件运行后得到五种失真类型的散点图,分析了白噪声与高斯模糊高质量失真效果与JPEG2000和JPEG低质量失真效果的原因,为深入研究复数域轮廓波变换多分辨率、局部性、方向性以及各向异性特点具有重要参考价值.

光照不变量特征提取新方法及其在目标识别中的应用

针对LNSCT光照不变量提取方法因舍弃低频分量而丢失目标轮廓信息的问题,本文提出了一种新的光照不变量提取方法 MLNCST.新方法首先用NSCT将对数域的输入图像进行第一重多尺度分解,实现低频分量和高频分量的分离;其次对高频子带系数进行Bayes Shrink阈值滤波,低频分量做逆NSCT得到其特征图像;然后对特征图像进行第二重NSCT分解,并对分解后的高频子带阈值滤波以及低频分量逆NSCT;经多重NSCT分解,最后由多次分解后的高频子带系数集提取光照不变量特征.经进一步研究光照不变量特征与原始图像之间的关系,设计了并行同步卷积神经网络-Dual Lenet,通过融合两者的高层特征来提高地面目标识别的准确率.实验结果显示,在Lenet模型下,MLNSCT比LNSCT具有更高的分类准确率,并且随着分解重数的增加分类准确率更高;同时融合了光照不变量特征的Dual lenet能进一步提高地面目标识别准确率.