基于高斯金字塔和拉普拉斯金字塔融合的图像对比度增强算法研究

为了实现对图像的降噪,兼顾全局整体增强和局部细节增强,首先定义输入图像的对比度度量模型和亮度度量模型,然后构造标量权重映射,并进行归一化处理,接着综合利用高斯金字塔和拉普拉斯金字塔,制定融合规则,利用融合金字塔重构图像,实现图像增强。

基于动态规划拉普拉斯超声图像融合算法研究

目的探究基于动态规划拉普拉斯超声(Ultrasound,US)图像融合算法图像辅助放疗靶区勾画的效果。方法基于动态规划思想获取US待融合图像重叠区域内邻域像素点相似度最高而色值差异最小的缝合线掩码权重图像,利用5层高斯金字塔进行多分辨率融合。提出一种基于动态规划下最佳缝合线拉普拉斯金字塔融合,通过在图像的重叠区域寻找最佳接缝来消除动态融合场景中的鬼影和重影。比较不同US图像融合方法的融合效果,同时比较全视图US和拼接US图像所描绘的膀胱区域与CT图像中的膀胱区域,验证本研究提出的融合算法应用于放疗中辅助CT勾画靶区的可行性。结果本文提出的基于动态规划最佳缝合线结合拉普拉斯金字塔融合算法显示了良好的性能,可从不同尺度将图像典型特征进行分解,并将图像细节信息保留到不同的塔型分解层上,还原US图像拼接区域的真实信息。全视图US和拼接US图像与CT比较,在x轴和y轴方向上的平均勾画误差差异均无统计学意义(P>0.05)。结论基于动态规划的最佳缝合线拉普拉斯算法获得了最佳的融合效果,能够最大程度保留图像的细节信息,且拼接US能够辅助CT完成靶区勾画。

高斯-拉普拉斯金字塔法重建多分辨率锥束CT三维图像

为解决锥束CT重建不同分辨率三维图像需求,提出一种高斯-拉普拉斯金字塔法重建多分辨率锥束CT三维图像方法.该方法对锥束CT采集到的投影数据进行高斯金字塔分解,将分解后的低频图像集进行FDK重建得到低分辨率三维图像;构造拉普拉斯金字塔获得对应分解图像的残差图像集,均值滤波后与低频图像集融合,对融合数据重建后的三维数据双线性插值进而得到高分辨率三维图像且在重建高分辨率三维图像过程中耗费时间与传统FDK算法相比能够缩短1/2以上.

基于高斯-拉普拉斯金字塔的DR图像增强改进算法研究

目的为从数字X线成像(Digital Radiography,DR)图像中获取更多的诊断决策信息,在传统高斯-拉普拉斯金字塔算法的基础上提出了改进。方法在基于人眼视觉特性及获得更好细节增强效果的基础上,对图像低频分量采用直方图均衡使图像灰度显示更加均衡,对图像高频分量采用分层指数增强使图像细节更加清晰。结果改进算法提高了胸部、盆腔和脊椎等部位的DR图像的对比度,使图像更有层次感,获得了良好的图像增强效果。结论实现结果表明,该算法的增强效果优于传统高斯-拉普拉斯金字塔算法。

基于拉普拉斯金字塔的图像融合算法研究

提出了一种改进的拉普拉斯金字塔图像融合方法。首先将源图像进行高斯金字塔分解,接着再进行拉普拉斯金字塔分解,然后对由拉普拉斯金字塔形成的图像序列的对应层分别使用不同的融合规则进行融合。顶层采用加权融合,其余层采用基于区域能量的融合规则进行融合,最后再进行拉普拉斯反变换得到重构图像。试验结果表明,该方法能够有效的保留图像信息,融合效果良好。

基于颜色场结构和高斯金字塔的信息隐藏算法

针对秘密通信中,以数字图像为载体的信息隐藏算法的鲁棒性、不可见性和抗检测性等性能不均衡的现状,利用颜色场结构和高斯金字塔理论提出了基于数字图像载体预处理的信息隐藏算法。基于该算法对数字图像载体进行能量层次和结构状态的划分,并采用置乱、优化等预处理手段对欲隐藏信息进行解析,使得欲隐藏信息与载体信息保持最大一致性。仿真实验结果表明,该算法遵循数字图像自身的能量和结构特性,显著改善了信息隐藏算法的鲁棒性和不可见性,并且提高了算法的抗检测性。

金字塔影像结构在影像匹配中的应用

金字塔影像结构是影像匹配中一个很重要的研究内容。对金字塔影像结构的基本思想进行综述,构建了金字塔影像结构的数学模型,并将其应用于实际检测的影像图像,探讨高斯和拉普拉斯两种算法下的金字塔影像结构的优缺点。

图像金字塔模型应用研究综述

对近年来图像金字塔相关算法和应用的研究进展进行了详细调研,对比分析了常见的图像金字塔模型的典型算法和应用,包括图像融合和分割、图像增强、遥感图像物体检测和识别。重点总结了高斯金字塔和拉普拉斯金字塔的典型应用,包括无人机图像捕获、车辆及车牌识别等方面。最后对图像金字塔未来的研究方向进行展望。

基于归一化标量权重映射与融合金字塔的彩图对比度增强算法

为了解决当前对比度增强算法在图像纹理或高信号活动区域易出现颜色改变以及过度增强,且难以兼顾图像全局内容增强与局部细节增强等不足,提出了基于归一化标量权重映射与融合金字塔的图像对比度增强算法。基于2D方向偏导,定义对比度与亮度的度量模型,并以此构造标量权重映射模型;引入拉普拉斯金字塔分解机制得到图像的层次结构,再计算其权重映射的高斯金字塔;定义这两个金字塔的融合规则,得到融合金字塔;在图像度量模型与权重映射模型的引导下,利用融合金字塔完成图像重构。实验结果表明,与当前对比度增强算法相比,该算法的对比度增强质量最佳,失真度较小,没有影响颜色平衡,消除了过渡增强与人工饱和度的引入。该算法能够较好地增强彩图对比度。

结合金字塔技术的暗原色先验快速去雾方法

针对在雾霾天气下无人机航拍的视频图像对比度和色彩保真度差等问题,传统的暗原色先验方法虽然有较明显的去雾效果,但算法复杂度高、耗时长、无法满足实时性需求。本文提出一种基于金字塔技术的快速去雾方法,首先利用高斯金字塔将原始有雾视频图像降采样,然后将降采样后的图像通过暗原色先验的方法去雾处理,最后再采用拉普拉斯金字塔将结果图升采样为无雾视频图像。通过实验结果表明,本文方法在保证去雾效果的同时,提升了场景复原的速度。针对航拍视频场景,能较好地满足实时性要求。

利用金字塔方法增强DR图像

目的:数字化X线图像(DR)空间分辩率高、动态范围宽,对其进行影像增强处理能提取丰富的临床诊断信息,对疾病诊断,特别是早期病灶的发现提供良好的诊断依据。为此,本文提出了一种基于多尺度方法的DR图像增强算法。方法:构建高斯金字塔和拉普拉斯金字塔,利用特定函数调整拉普拉斯金字塔的系数,根据两个金字塔构成的图像序列,通过反复扩展图像并将结果加起来而重建原始图像,增强图像细节。结论:本文通过多尺度图象增强算法,扩展了DR图像的有用信息,突出了图像细节,为临床诊断提供了实用的增强显示效果。

基于金字塔方法的SAR图像与光学图像的融合

对金字塔方法和IHS方法在SAR图像与光学图像融合中的应用进行了研究。分析了它们的优缺点和局限性,并结合具体融合实验,给出了改进的算法和一些灵活的处理方法。实验结果表明,改进后的算法比传统的高斯-拉普拉斯金字塔方法有更好的融合效果。

基于多重先验的无监督学习红外图像增强算法

随着红外成像技术的广泛应用,人们对红外成像质量的要求不断提高。由于红外传感成像原理的限制,红外图像普遍存在对比度不高、缺乏细节纹理等问题。与此同时,常用的传统红外图像增强算法在提升图像对比度的同时容易引入较高的噪声,导致增强效果有限。因此,本文提出一种基于高斯-拉普拉斯金字塔、CLAHE、原始图像等多重先验知识的无监督红外图像增强算法,并通过实验与各种经典先验方法进行了对比。实验证明,本算法效果相较于传统算法有较为明显的提升,可以完全自适应地实现对比度拉伸、去除噪声等红外图像增强操作,并且对目标检测等下游任务带来了显著的精度提升。

基于图像金字塔的图像增强方法

本文采用高斯金字塔与拉普拉斯金字塔的方法对图像进行增强,通过幂函数对拉普拉斯金字塔的各层系数进行调整,再进行反向逐层重构可以得到分辨率高的图像,能够很好的使人们在正常的视觉效果下观察出图像的细节。

基于运动与结构特征嵌入的人体行为识别

人体行为识别随着智慧城市等应用的普及逐渐受到重视。视频中的人体行为的表现主要体现在随着运动出现的像素的动态变化,以及在时空平面和空间平面中呈现出的结构信息上。受此启发,提出了基于运动与结构特征嵌入的人体行为识别方法。首先采用运动历史图像在二维平面上呈现三维运动变化信息,并结合三维运动的X-T、Y-T、X-Y平面的投影,构成7个平面来体现人体行为的结构信息。其次,利用高斯金字塔和中心-环绕机制,充分模拟人眼对尺度变化以及边缘敏感的特性,并结合Gabor滤波器的方向敏感性和最大池化的激励鲁棒性,提取人体行为特征表示。最后,采用判别局部对齐分析降维。在IXMAS数据集和真实的UCF Sports数据集上的实验验证所提出方法的有效性。

基于面部边缘细节的局部遮挡人脸图像识别

为解决人物面部遮挡情况下识别人脸信息不清楚的缺陷,优化人脸识别系统,提出了基于面部边缘细节的局部遮挡人脸图像识别方法。依据稀疏性表达对人脸图像去噪,根据图像灰度变换原理检测人脸图像边缘,分割边缘区域,计算其阈值以得到人脸图像边缘信息。标记人脸特征点增强信息识别精度,提取人脸图像的特征描述子,并将其输入支持向量机模型中,通过训练实现局部遮挡人脸图像识别。实验结果表明,该方法应用于人脸图像识别平均识别率高于73%,识别时间低于20 s。

基于卷积神经网络的移动网络目标跟踪与控制

针对移动网络目标跟踪与控制过程中易出现遮挡、形变和模糊等问题,提出了基于卷积神经网络的移动网络目标跟踪与控制方法.利用卷积神经网络构建CNN模型,在原始移动网络目标图像金字塔内,提取多尺度特征,结合滤波算法获取的移动目标响应图,在多模板条件下求解各层卷积特征滤波最佳参数,通过最佳参数和滤波响应获取最终响应图,根据最终响应图中响应最大值实现移动网络目标的自适应跟踪与控制.实验结果表明,所提方法平均跟踪精确度为97.18%,平均跟踪成功率为95.93%,中心位置平均误差为4.38,误差幅值较小,具有良好的目标跟踪与控制能力.

一种基于HT系数预测的遥感图像多分辨融合方法

信息融合的概念自 70年代形成后 ,由于其强调应用对象结果的信息优化 ,在许多方面比传统的信息处理方法有更大的优势 ,在遥感领域得到了广泛的应用。本文在分析前人算法的基础上 ,揭示了高斯拉普拉斯金字塔 ( GLP)结构融合方法与传统的哈达玛变换 ( HT)之间的内在联系 ,提出了一种基于 HT系数预测的多分辨融合方法。通过实验表明 ,这一算法对于光谱差异较大的遥感图像的融合 ,在几何分辨率改善的同时可获得较好的光谱保真度。

基于Gauss-Laplace算子的灰度图像边缘检测

在分析常用的图象边缘检测算子基础上,为更精确地检测具有灰度渐变和噪声较多的灰度图像,论文首先引入一种改进的灰度图像的边缘检测算子,接着实验验证该算子得到的图像比别的边缘检测算子处理效果更好,更清楚和更符合人或计算机识别要求。同时,给出了在VC++6.0编程环境下BMP位图处理的方法和介绍的边缘检测算子的实现方法。

像素级多分辨图像融合若干问题分析及实验

针对前人的工作和我们的实验进行了理论分析 ,讨论了像素级多分辨图像融合的三个基本问题 :①为什么基于多分辨数据结构的融合能消除来自不同图像的特征之间拼接的板块效应而过渡自然 ?②如何构造新的融合图像的多分辩数据结构 ,从而能稳定地重构融合图像 ?③所选择的系数是否携带着原始图像的显著特征 (边缘和纹理 ) ?给出了像素级多分辨图像融合的三个基本规律 :多分辨数据融合的内在机理 ,融合算法的稳定性条件以及基于能量准则的数据融合原理。并以此规律为引导 ,开发了一种新的基于小波变换域的图像融合算法 ,进行了实验验证。