基于曲率约束因子与边缘加权法则的图像修复算法

针对当前较多图像修复算法主要通过对图像块进行方差和度量的方法来完成图像修复,忽略了图像块的显著边缘特性,使得修复图像容易出现模糊效应以及不连续效应等不良现象,导致算法修复性能不佳的不足,提出了基于曲率约束因子耦合边缘加权法则的图像修复算法.首先,通过像素点的等照度线方向构造曲率约束因子,对数据项进行约束,形成优先级度量函数,利用优先级度量函数选取优先修补块;然后,利用像素点的均值之差构造像素自相关模型,对样本块的大小进行了调整;最后,以样本块显著边缘为约束,构造了边缘加权模型,通过边缘加权模型联合SSD(sum of squared differences)模型建立了边缘加权法则,对最优匹配块进行搜索,用于对待修补块进行修复.仿真实验结果表明,与当前图像修复算法相比,本文设计的图像修复算法修复的图像具有良好的视觉效果.

利用边缘加权判别法恢复淡化档案文字

根据文字图像信息的特点，该文提出利用边缘加权判别法处理字迹淡化的文字，增强其对比度，增加可判读信息，取得较满意的效果。

边缘加权的结构相似性测度

针对结构相似性测度(SSIM)不能较好地客观评价图像模糊与强高斯噪声失真的问题,提出一种边缘加权的结构相似性测度(EWSSIM),以符合人眼视觉系统(HVS)特性。EWSSIM将原始图像和失真图像的整体轮廓信息与局部纹理细节信息加权,更充分地描述图像的结构相似度。通过LIVE图库的仿真结果表明,与SSIME相比,WSSIM能够更好地评价图像模糊与强高斯噪声失真,且在各类失真图像的评价一致性上优于SSIM。

基于互相关系数的边缘加权质量预测评估算法

多媒体应用中,图像可能需要进行缩放后观测,尤其在增大显示分辨率时,图像质量会不可避免地下降.为了对这种情况下的图像质量进行评估,提出了一种基于预测的图像质量评估算法.算法采用图像邻域像素间的互相关系数进行图像质量的评估,考虑到邻域像素的强相关性会带来图像边缘区域模糊,算法对图像不同的区域采用分类加权的处理方式.同时,为了兼顾人眼的视觉特性,对待评估图像进行多尺度分解,给予不同尺度以不同权重,从而计算出最终的图像评估分数.由实验分析结果,所提算法可在图像的原始尺度上有效地进行失真质量预测,且对比已有的DIIVINE算法,验证了该算法的准确性.

多尺度自适应加权形态边缘检测方法

针对常用的多尺度边缘检测方法因卷积运算造成模糊图像边缘 ,提出一种多尺度自适应加权形态边缘检测方法 ,利用大小不同的结构元素提取图像边缘特征 ,在大尺度下抑制噪声 ,可靠地识别边缘 ,在小尺度下定位 ,再由粗到细跟踪边缘 ,得到边缘的位置 ,再由各尺度结构元的抗噪性确定加权值的大小 ,然后加权处理得到最后的边缘结果 .实验表明 ,用多尺度自适应加权形态边缘检测算法可得到较理想的图像边缘 .

基于加权最大类间边缘准则的人脸识别

在人脸识别中,特征提取技术被广泛应用于减少数据量和增强数据可分性。该文依据最大类间边缘准则,提出一种加权最大类间边缘准则的特征提取方法,引入加权函数,对类内和类间散布矩阵分别进行加权。并设计了一个基于离散小波分解、主成分分析和加权最大类间边缘准则的人脸识别系统。在ORL人脸库上的测试结果证实,该方法提高了识别率,最高识别率达98.25%。

基于SGC变换耦合边缘特征加权的图像融合算法

当前图像融合主要通过图像特征取大的方法来融合图像系数,忽略了图像边缘特征的相关性,使融合结果中存在块现象和不连续现象等不足。为此,引入二代曲波(SGC)变换,设计边缘特征加权的图像融合算法。将输入图像通过SGC变换,分解出其低频和高频系数;采用区域能量模型,计算出图像所包含的能量特征,通过均值模型,计算出图像所包含的亮度特征。利用图像的能量和亮度特征,构造双特征低频系数融合函数,获取能量特征和亮度特征都较为理想的融合低频系数。利用Sobel算子对图像的边缘特征进行检测,利用检测结果构造边缘特征加权的高频系数融合准则,获取高频系数融合结果。最后,借助二代曲波逆变换处理融合系数,获取融合图像。实验测试结果显示,相对于当前融合技术,所提算法具有更好的融合效果,其融合图像具备更好的边缘连续性以及清晰度。

基于边缘频率加权的Hausdorff距离人脸检测定位算法

为解决现有的基于Hausdorff距离人脸检测定位算法误差较大的问题,提出了一种边缘频率加权的Hausdorff距离人脸检测定位算法,并经实验验证能较有效的解决图像中人脸因姿态、光照、遮罩等原因对检测定位的干扰,且精度较高,耗时较少。

基于DCT域加权最大类间边缘准则的模式识别

本文提出一种加权最大类间边缘准则(WPMMC)特征提取算法,它是最大类间边缘准则(MMC)的一般形式;同时证明了这种新的特征提取方法在DCT域的提取结果与空间域是相同的。对于JPEG格式的压缩域图像,WPM-MC直接在DCT域应用,可以省去计算IDCT的过程。最后,在人脸识别系统中检验这种基于DCT和WPMMC的特征提取方法。实验结果表明WPMMC方法比PCA、LDA和MMC方法提取的特征更为有效;保留部分DCT系数的识别结果略高于保留全部DCT系数和在空间域应用WPMMC方法的识别结果。

基于双边缘主次加权法的平面标志检测与识别

道路平面交通标志的检测识别对于保障智能汽车的行驶安全具有重要意义,但车载摄像头所采集的车前道路图像存在周围环境干扰问题,严重影响识别的准确性。为此,提出一种基于车道线双边缘Hough检测和主次加权法的路面交通标志自适应识别方法。首先依据行均值变化率剔除车前道路图像中的不相干环境区域,而后利用Hough变换得到备选直线集,提出车道线双边缘主次加权法以筛选最优直线、得到感兴趣区域。在此基础上根据HOG特征和SVM分类器,运用机器学习进行交通标志的识别。结果表明,该算法在多车道并存、环境干扰等情况下表现均较为优异,且无须人为干预,自适应性良好。

基于局部熵的边缘检测算子选择算法

为了在图像处理中选择恰当的边缘检测算子,保证边缘提取的质量,提出边缘点加权平均边缘局部熵,对利用边缘点加权平均边缘局部熵选择边缘检测算子的算法进行了研究。通过边缘检测算子抽取出图像的边缘,计算图像边缘的局部熵,使用边缘像素的灰度信息进行加权,计算出边缘点加权平均边缘局部熵。依据边缘点加权平均边缘局部熵进行边缘检测算子的选择。实验结果表明:算法能有效地选择合适的边缘检测算子,保证获取的图像边缘质量。

多边缘法实现对高速扩展目标解体的自动跟踪

根据一般扩展目标的性质,结合某些高速扩展目标分离(如高速再入大气层的目标)的实际情况,分析了此类目标发生分离、特征产生剧烈变化的特点,指出了一般图像跟踪算法中基于对比度跟踪算法在此情况下难以适用的原因,并综合这些算法的特点,提出基于光学图像序列的加权多边缘跟踪算法,结合FDEKF滤波,实现了对此类(超)高速扩展分离目标的自动稳定跟踪。通过对多个此类目标序列图像进行仿真验证,并与其它四种基于对比度的跟踪算法所得结果进行比较,结果表明,该算法稳定性好、精度更高,且易于实现。

基于加权总广义变差的Mumford-Shah模型

给出了加权总广义变差(Total generalized variation,TGV)的定义.利用图像的2阶加权TGV半范作为正则项,利用水平集函数的2阶加权TGV半范近似边界长度,提出了基于加权TGV的Mumford-Shah模型.对未知函数分别利用交替Split-Bregman方法、Fenchel对偶方法及FISTA(Fas titerative shrinkage-thresholding algorithm)给出数值计算模型.仿真实验结果表明,利用图像的2阶加权TGV半范的去噪效果优于常用的梯度模2范数和加权TV(Total variation)半范正则化;利用水平集函数的2阶加权TGV半范近似边界长度的边缘检测效果优于传统的TV半范和加权TV半范约束.

基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法。该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标。实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果。

去雾图像质量客观评价方法研究

针对目前去雾图像质量客观评价方法少和已有评价方法存在局限性等问题,提出一种去雾图像的客观质量评价新方法。针对去雾图像中存在的Halo效应,采用边缘加权结构相似性测度的方法,将雾化图像和去雾图像的整体轮廓信息与局部纹理细节信息加权来描述图像的结构相似度。从人类视觉感知的角度出发,定义了图像归一化灰度差,用来描述图像的亮度。将彩色图像转换到HSV颜色空间,利用S分量的信息熵和直方图相似度来描述图像的色彩还原能力。最后综合边缘加权结构相似性测度、图像归一化灰度差和色彩加权还原度建立去雾图像质量评价模型,并进行客观评价和比较。实验结果表明,与已有评价方法相比,所提出的评价方法能够获得与主观感受一致的结果,并具有较好的有效性和可靠性。

加权边缘损失函数的代价敏感支持向量机

已有的非平衡数据分类算法主要采取直接对损失函数进行加权的方法.文中提出一种加权边缘的hinge损失函数并证明它的贝叶斯一致性,得到加权边缘支持向量机算法(WMSVM),并给出类似于SMO的求解方法.实验结果表明WMSVM在一些数据库上是有效的,从而从理论和实验上说明基于加权边缘的损失函数方法是已有代价敏感方法的一种较好补充.

基于可编程GPU的多源图像融合

针对可编程GPU模型,提出了基于CPU-GPU的并行边缘强度加权融合算法,利用CPU和GPU协同工作模式达到图像融合的目的,其中CPU负责串行任务,而GPU负责并行任务。实验结果表明,并行边缘强度加权融合算法得到的融合图像有着较好的视觉效果,信息熵和QAB/F这两个评价指标均高于文中对比算法的相应指标;从运行时间上分析,基于CPU-GPU的融合方法所需要的运行时间远低于基于CPU方法所需要的运行时间,并且图像尺寸越大,加速比越高。

自适应多尺度分块压缩感知算法

目的基于小波域的多尺度分块压缩感知重构算法忽略了高频信号在重构过程中的作用,丢失了大量的边缘与细节信息。针对上述问题,提出一种自适应多尺度分块压缩感知算法,不仅合理利用低频信息还充分利用图像的高频信息,在图像细节复杂度提高的情况下保证图像重构质量的提高。方法首先进行3层小波变换,得到一个低频信号和9个高频信号,分别进行小波逆变换后分成大小相同互不重叠的块,对低频部分采用2维邻块边缘自适应加权滤波的方法进行处理,对高频部分采用纹理自适应分块采样,最后利用平滑投影Landweber(SPL)算法对其进行重构。结果与已有的分块压缩感知算法、基于边缘和方向的分块压缩感知算法和基于纹理和方向的分块压缩感知算法相比,本文算法在不同的采样率下,性能均有所提升,代表细节信息的高频信号得到充分重建,改进的算法所得到的重建图像具有较高的分辨率,尤其对细节较为丰富的图像进行重建后具有较高的峰值信噪比;2维邻块边缘自适应加权滤波有效的去除了重建图像的块效应,且重建时间平均减少了0.3 s。结论将三层小波变换后的高频分量作为纹理部分,利用自适应多尺度分块重建出图像的轮廓与边缘;将低频分量直接视为平坦部分,邻块边缘自适应加权滤波重建出图像细节,不仅充分利用了图像的高低频信息,还减少了平坦块检测过程,使得重建时间有效缩短。经实验验证,本文算法重建图像质量较好,尤其是对复杂图像明显消除了块效应,边缘和纹理细节较清晰。因此主要适用于纹理细节较复杂的人脸图像、建筑图像和遥感图像等。