综合颜色和Contourlet直方图的图像检索方法

为提高图像检索性能,使用Harris彩色点提取器提取颜色特征点,设计一种基于颜色特征点的环形颜色直方图,在对图像进行Contourlet变换的基础上,提出Contourlet直方图的概念,改进其旋转不变性,并提取图像的纹理信息。仿真实验结果表明,该方法能够快速准确地检索彩色图像。

基于Contourlet和MeanShift的交通视频车辆跟踪算法

提出一种基于Contourlet直方图的MeanShift交通视频车辆目标跟踪算法.首先,利用Contourlet变换提取交通视频中感兴趣区域下跟踪目标的纹理特征和轮廓,并用其直方图统计跟踪目标的纹理特征;然后,通过Kalman滤波技术来进行跟踪目标轨迹的相关性函数计算,并将计算结果迭代到MeanShift跟踪算法中选取最优估计值,进而实现对交通视频车辆在复杂场景中的精确定位.通过与传统的MeanShift跟踪算法以及基于Kalman滤波的MeanShift跟踪算法等比较表明,此算法不仅能够对复杂场景中的视频车辆进行有效跟踪,同时还具有较好的稳定性和抗干扰性.

综合contourlet变换和颜色特征的图像检索算法

针对单一特征图像检索效率不高的缺点,提出一种基于轮廓波变换(contourlet)和颜色直方图的多特征检索方法.Con-tourlet变换采用"双重滤波器组"结构,具备多分辨率、多方向性和各向异性等性质,能以接近最优的方式表示图像的边缘.颜色直方图计算简单,具有旋转、平移的不变性.本算法充分利用Contourlet变换后系数分布特点和HSV空间颜色直方图的旋转平移不变性,构造图像的特征向量,以Euclidean distance作为相似度量标准进行图像检索.实验结果表明,提出的算法具有更高的查准率.

基于非下采样Contourlet信息熵的纹理图像检索

提出了一种基于非下采样Contourlet信息熵的纹理图像检索新方法.首先对原始图像进行三层非下采样Contourlet分解;然后计算各个子带的能量,并对其进行排序、合并,得到纹理直方图;最后以纹理直方图为概率密度函数,并用改进的信息熵方法求得函数的熵,以此作为纹理特征进行检索.实验结果表明,该方法与当前基于多分辨率的纹理图像检索方法相比具有更高的查全率和查准率.

基于非下采样Contourlet变换系数直方图匹配的自适应图像增强

由于非下采样Contourlet变换(NSCT)域图像增强方法需要手动调节参数,无法实现自适应增强,本文将直方图均衡化和NSCT域增强相结合,提出了一种基于NSCT系数直方图匹配的自适应图像增强算法。该算法首先对低对比度含噪原图像进行直方图均衡化,然后对原图和直方图均衡化后的图像分别进行NSCT分解,得到低频子带系数和各高频方向子带系数。对低频子带,将原图的低频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。对各个高频子带,则先进行阈值去噪,再将原图的各个高频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。最后,经NSCT重构得到增强后的最终图像。实验结果表明,本文方法增强效果明显优于直方图均衡化,与Contourlet变换增强法相比,实验所采用的两组图像的图像评价函数(EMEE)值分别提高了24.05%、16.97%、13.29%和20.63%,且与NSCT域非自适应增强法(人工选取参数)的处理效果相当。该方法无需手工调节参数,具有自适应性和实用性强的优点。

基于Contourlet直方图的目标跟踪算法

提出一种基于Contourlet直方图的目标跟踪算法。对图像先进行Contourlet变换,并利用变换后的Contourlet系数建立Contourlet直方图,将其作为meanshift算法的迭代参数来实现目标跟踪。实验结果表明,本算法具有较好的鲁棒性,能够在遮挡、小目标等情况下实现快速准确的跟踪。

基于非下采样Contourlet变换的彩色图像拼接算法

文中分析研究了非下采样contourlet图像表示方法及在图像变换中的优点,提出了一种基于非下采样contourlet变换的图像拼接方法。利用SIFT算法和最近邻算法求得待拼接图像的匹配点和匹配区域,将待拼接图像分解成不同尺度、多方向的频带,对得到的频带对应地进行拼接,最后利用重构算法将拼接的各频带进行逆非下采样contourlet变换得到拼接图像。针对光照和数码相机的白平衡导致的拼接图像明暗差异,提出了一种基于二维直方图的B样条曲面拟合的的颜色校正方法。实验表明,文中方法优于传统的非下采样小波域中的拼接效果,过渡更平滑,拼接后的图更加自然,细节更清晰。

基于非下采样Contourlet梯度方向直方图的人脸识别

针对人脸识别系统准确度不高的问题,提出一种基于非下采样Contourlet梯度方向直方图(HNOG)的人脸识别算法。先对人脸图像进行非下采样Contourlet变换(NSCT),并将变换后的各系数矩阵进行分块,再计算各分块的梯度方向直方图(HOG),将所有分块的直方图串接得到人脸图像HNOG特征,最后用多通道最近邻分类器进行分类。在YALE人脸库、ORL人脸库上和CAS-PEAL-R1人脸库上的实验结果表明,人脸的HNOG特征有很强的辨别能力,特征维数较小,且对光照、表情、姿态的变化具有较好的鲁棒性。

基于NSCT和CLAHE的乳腺钼靶X线图像微钙化点增强方法

针对微钙化点容易漏检的问题,提出一种非下采样轮廓波变换结合对比度受限自适应直方图均衡的乳腺图像微钙化点增强新算法。对乳腺图像预处理,提取乳房区域并将胸肌区域去除;再对图像进行非下采样轮廓波变换提取多尺度、多方向的子带,对其中的多个高频子带采用高斯拉普拉斯算子检测边缘并增强;进一步采用对比度受限自适应直方图均衡算法,提高图像局部小区域的对比度,实现乳腺图像微钙化点增强算法。结果表明该方法是一种有效的乳腺钼靶图像微钙化点增强方法,为微钙化点检测和乳腺癌诊断提供支持。

基于图像融合和改进阈值的管道机器人探测图像增强方法

管道机器人探测能快速、准确和直观地识别管道结构性和功能性隐患,受管道内环境限制,探测的图像存在光照不均、对比度低和细节模糊等问题。为此,提出了一种管道机器人探测图像的增强技术。首先采用限制对比度自适应直方图均化(Contrast Limited Adaptive Histogram Equalization,CLAHE)和同态滤波(Homomorphic Filtering,HF)处理光照不均匀和对比度低的问题,并将2种方法结果进行融合。而后将融合的图像进行非下采样轮廓波变换(Nonsubsampled ContourletTransform,NSCT),并采用改进的Bayes-Shrink阈值对高频系数进行噪声去除。最后采用非线性映射函数对细节进行增强,并进行 NSCT 逆变换得到最终增强图像。选取 5 幅典型管道机器人探测图像进行增强处理,并与4种常见的图像增强技术进行对比。结果表明,基于图像融合和改进阈值的管道机器人探测图像增强技术可有效提高图像的整体和局部对比度,并有效增强图像的细节,能有效解决管道机器人探测图像存在的主要问题。

面向光流分析的机器人红外视觉图像对预处理

为了增强机器人单目视觉系统在黑暗环境下的环境感知能力,提高其在视觉图像序列处理过程中光流场计算的准确率,对由红外摄像机所采集的红外图像序列的预处理方法进行了研究,建立了一种空域与变换域相结合的处理方法。为平衡红外图像序列对之间的亮度差异并提高图像亮度,在空域中采用直方图均衡化方法进行处理;然后,对图像进行非下采样Contourlet变换,在变换域中利用图像的强边缘、弱边缘和噪声在不同分解尺度和分解方向上具有不同几何流的性质进行区分,分别采取保留、增强以及去除处理;最后利用调整后的系数进行图像重构。该预处理方法在平衡图像亮度的同时增强了图像纹理并减少了噪声。实验结果表明,预处理程序有效地提高了红外图像对的光流有效点识别率,该方法增强了机器人单目视觉系统在黑暗环境中对环境的感知能力。

采用改进结构特征度度量分析的噪声标准差估计算法

提出了一种基于改进的噪声标准差估计的轮廓波去噪算法,在常用的轮廓波去噪算法基础上提出了新的解决方案。该方案将滤波法与改进的图像结构特征度度量分析算法结合起来,筛选出适合计算噪声标准差的图像子块集合,再用直方图法估计图像噪声标准差,然后将该标准差用于轮廓波去噪。在标准差估计对比试验中,将滤波法、分块法、改进的分块法与文中的标准差估计算法进行对比;在去噪对比试验中,采用基本的小波阈值去噪算法(universal阈值),由小波阈值法引申出的普通轮廓波阈值去噪算法,基于维纳滤波的轮廓波去噪算法,基于系数建模的轮廓波去噪算法与文中算法做对比。实验结果表明:文中算法能够更加精确地估计图像噪声标准差,且去噪效果与普通轮廓波去噪及其他轮廓波去噪算法相比更加稳定,鲁棒性更好。

利用Contourlet变换和谱直方图进行多源遥感影像纹理特征检索

将Contourlet变换应用于多源遥感影像多尺度多方向纹理特征提取,分别采用Contourlet变换低频子带谱直方图和多尺度多方向高频子带谱直方图实现多源遥感影像库的初步过滤和精确检索。通过USC和QuickBird影像组成的纹理检索实验表明,所提出的检索算法在检索精度和效率方面优于小波变换。

融合显著区域和非下采样Contourlet变换的图像检索方法

为了提高图像的检索性能,基于显著区域直方图和非下采样Contourlet变换技术,提出了一种图像检索新方法。首先,以兴趣点为基础实现图像显著区域和背景区域的划分,并提取这两个区域的直方图作为颜色特征;其次,对图像进行非下采样Contourlet分解,获得高频子带的均值和方差作为图像的纹理信息;最后,将得到的颜色特征和纹理信息有机结合对图像进行检索。实验结果表明,该方法性能稳定,具有较高的检索效率。

基于多尺度几何分解的光照不均图像增强方法

针对光照不均匀的图像,结合W系统和NSCT变换,提出了一种新的图像增强方法.方法首先利用W变换对图像进行多尺度分解,然后利用NSCT中的非下采样方向滤波器组对尺度分解中的高频部分进行方向分解,得到不同尺度不同方向上的变换系数.在多尺度几何分解的基础上,对低频子带图像采用动态直方图均衡化、高频子带图像采用同态滤波的方法进行增强处理,最后利用非线性函数减小图像明、暗部分灰度值的差异,得到最后的增强结果.仿真实验结果表明,算法无论在视觉效果上还是客观评价指标上都优于其他被比较的四种增强算法,对于过亮、过暗以及局部光照不均匀的图像均取得了更好的增强效果,在增强图像细节的同时能有效抑制图像的伪吉布斯失真和过增强失真.在评价指标上,算法对三组经典图像处理后的增强图像的信息熵分别达到了10.0755、9.7879、10.5338,明显优于其他方法.