基于高斯金字塔的多级滤波

设计了一种用于检测红外图像小目标检测的多级滤波器。采用级联不同级数的滤波器可以将不同大小的候选目标从复杂背景中分离出来。通过图像高斯金字塔的多分辨率处理,能够改善多级滤波器的滤波效果。

自动定位彩色图像中的文本

提出一种适用于万维网搜索、彩色图像索引和视频索引等多种应用的彩色图像文本定位方法.算法采用多尺度图像分割方法把彩色图像分割为一系列可能包含文本的图像块,用连通区域方法确定每一个文本图像块中文本的精确位置和大小.采用多颜色图像分解方法提取具有相似颜色的连通区域,通过聚类相邻的连通区域得到文本的位置和范围.利用一个图像数据库来测试本文算法,试验表明算法具有较高的正确率.

一种图像拼接新方法

0引言:图像拼接技技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像配准是图像拼接的基础。文献[1]提出Harris算子,它们在图像匹配和目标跟踪方面有成功的应用,但不适用尺度和旋转变化的场合。近年来。

用于图像分割的强制召回特征注意力网络

为解决医学图像中前景背景比例严重失衡及小目标区域难以分割的问题,该文提出了一种基于高斯图像金字塔的注意力网络。具体地,首先在特征解码阶段将空间信息与抽象信息进行特征融合;其次,设计了一个特征召回器以强制编码器减少遗漏感兴趣区域的特征;最后,引入分类精度和全局区域重叠项组成的混合损失函数来处理医学图像前景背景严重不平衡问题。所提出的方法在膝关节软骨数据集和COVOID-19胸部CT数据集中进行了验证,其分割区域分别占2.08%和10.73%。与U-Net及其主流变体相比,该方法在两个数据集上都得到了最佳的Dice系数,分别为0.884±0.032和0.831±0.072。

基于多尺度图像块分类的字典学习算法

针对传统字典学习算法未考虑训练数据集流形结构的问题,提出一种基于KD树分类的多尺度字典学习算法。首先在预处理阶段建立图像高斯金字塔,提取不同尺度下各层图像的角点并建立KD树进行分类;以各类角点为中心截取图像块并生成每层图像的训练数据集来完成各个子字典的学习。在字典训练阶段,提出一种基于局部保持投影的多原子更新算法,在保持字典中各类原子集的流形结构的情况下进行原子更新,高效训练出自适应稀疏字典。对测试图像进行压缩感知重构实验,仿真结果表明,该算法在保证图像重建精度的前提下,显著提高字典学习效率。

一种改进的Shi-Tomasi角点检测方法

针对Shi-Tomasi角点在单一尺度下角点提取精度低、易提取伪角点、抗噪性差的问题,提出一种改进的Shi-Tomasi角点检测方法,通过构建图像金字塔实现在不同尺度下Shi-Tomasi角点的提取,形成候选点集,对候选角点采用双模板组合的方式去除伪角点,实现精提取。通过实验证明该算法可以在多尺度下提取角点,且增强了图像的抗噪性以及提升了提取角点的精确性。

一种基于多分辨率和统计的笔刷绘制方法

采用高斯图像金字塔生成多幅参考图像,使用不同大小的笔刷进行多层绘制,模拟画家由粗到细的创作过程,设计一种新的笔刷绘制方法。在每层绘制时,使用统计方法确定笔刷的颜色,运用像素8-邻域的概念控制笔刷的走势。实验结果表明,通过多个参数的不同设置可以将一幅照片渲染成具有一定风格的艺术图像。