基于边缘和对比度的小波变换图像融合算法

针对传统融合算法在图像融合时,不能很好地保留源图像信息和边缘信息的缺点,提出了一种基于边缘和对比度的加权图像融合算法。该算法利用小波变换对图像进行分解,分解后分别得到图像的低频系数和高频系数,对高频系数采用高频融合规则;对低频系数采用低频融合规则;最后通过小波逆变换得到融合图像。实验结果表明,该改进的融合算法与传统融合算法相比,融合效果更好,生成的融合图像具有边缘信息丰富、图像清晰度高等优点。

基于边缘相似度的全参考图像质量评价算法

客观图像质量评价(IQA)方法旨在利用计算模型自动实现与主观感知一致的图像质量评估,是当前计算机视觉领域和图像处理领域的研究热点。由于图像的边缘信息对理解图像语义信息至关重要,提出一种基于边缘信息的图像质量客观评价方法。通过比较参考图像和失真图像的多方向边缘强度、边缘强度对比度及亮度信息等特征的相似性,实现图像质量的客观评价。利用国外的LIVE2、TID2008及CSIQ等多个图形数据库计算结果证明,本算法能实现对多种失真类型的图像的质量预测,并且在预测准确性、鲁棒性和主观评价一致性方面与当前大多数方法相比都有明显优势。

计算机图形分离算法研究及实现

计算机图形分离就是在由计算机生成的图形和自然图像合成的混合图像中将人工区域和自然区域分开 利用自适应自组织映射对彩色图像进行量化 ,针对每种颜色组成一个色平面 ;然后将色平面转换成二值图像 ,对其中的连通区域进行快速标记 ,并提取出边缘 将标记后的区域和边缘映射到原图像 ,定义并计算每个区域的粗糙度和边缘对比度 ,最终完成各个连通区域的识别 实验结果表明 。

数字遥感图像清晰度评价研究

清晰度作为衡量数字图像质量的重要指标,现有的评价方法仍不够成熟。经对当前主要的图像清晰度评价方法分析研究,提出一种基于边缘对比度的遥感图像清晰度评价方法,并进行了实验数据分析。结果表明,该评价方法客观、高效,既能够对不同模糊程度的同一图像内容进行清晰度评价,也能在一定程度上对不同内容的遥感图像进行评价,具有很高的实用性。

浅议计算机图形分离算法的设计与实现

计算机图形分离的过程就是利用生成和自然图像合成的混合图像,将人工和自然的区域有效地区别开来,在彩色图像进行量化后再使用自组织映射进行处理,得出不同的颜色再组成一个平面图,之后转为二值图像,在连通区域做上相应的标志。得出每个区域的粗糙度和边缘对比度,再进行实验的比较。计算机图形分离算法具有实用性和科学性。

一种基于视觉显著性的边缘检测算法

提出了一种基于视觉显著性的边缘检测算法.面向红外场景图像需求,所提算法首先使用Canny进行边缘检测,然后融合3种基本边缘特征:边缘两侧对比度、边缘密度和边缘长度,提取出红外图像中视觉显著性边缘.所提算法有效地抑制了背景和纹理虚假边缘,突出了目标边缘信息,为自动目标识别系统提供质量较好的边缘图像.实验结果证实了本文算法的有效性.