一种基于边缘轮廓线的LoG角点检测

角点是数字图像中目标的重要局部特征,提供了目标的低层次视觉特性。将Laplace of Gaussian变换引入到平面曲线,提出了一种基于边缘轮廓的LoG角点检测算子。深入分析LoG变换的几何特征,建立了边缘轮廓曲率和LoG范数间的等价度量关系。角点响应函数被定义为边缘点的LoG变换范数,边缘轮廓上LoG范数的局部极值点被认为是角点。并针对Γ-角点模型和圆周曲线模型,验证了这种定义的合理性。实验结果表明,相比经典角点检测算子,该文算法具有高效、稳定的优点。

Log Gaussian Cox场手部指节的图像偏移特征学习与识别

针对手部指节图像结构特征模糊与建模困难的问题,以Log Gaussian Cox随机场为图像建模基础,给出了随机图像上偏移特征的抽取与学习方法,实现了手部图像中指节的识别。在缺乏Cox过程图像模型先验假设的条件下,结合随机图像的水平集分解,得到了图像偏移表示的逼近结果。在图像灰度分布非参数密度核估计基础上,利用非线性各向异性滤波对偏移特征进行增强,建立了偏移测度特征的Bayesian估计。提出了不同偏移参数下偏移特征的模型学习与融合算法,获得了指节图像特征的融合表示,并在手部指节图像数据库中比较了不同分层偏移模型下的识别结果,给出了批量识别ROC曲线统计规律。结果表明,识别方法具有较为稳定的正确分类能力,具有可行性。

结合视觉及方向尺度LoG算子的肺节点图像增强

针对医学X胸片影像对比度低,视觉效果差,不利于临床医师对X胸片肺部节点进行检诊的问题,在对X胸片肺部节点图像特点以及传统拉普拉斯高斯图像增强算子深入分析的基础上,提出一种基于视觉及方向尺度拉普拉斯高斯(Laplace of Gaussion,LoG)算子的医学X胸片肺结节增强方法。该方法是在传统拉普拉斯高斯滤波算子的基础上,通过对不同方向纹理引入不同算子尺度,并考虑视觉因素,进行视觉矫正实现的。实验表明,该文算法能有效增强X胸片肺部节点影像。与已有方法相比,该方法具有更好的增强效果。

磁场下二维量子点能级自洽场计算中的Gaussian函数展开方法

介绍了磁场下二维量子点自旋极化态能级的自洽场计算中的Ｇａｕｓｉａｎ函数展开方法，给出了用这一方法对三电子量子点基态能量的计算结果，并与不考虑Ｌａｎｄａｕ能级混合的数值对角化方法的计算结果进行了比较。

关于Log Gaussian Mixture Cox过程模型的研究

Log Gaussian Cox过程模型(简称LGCP模型)常用来描述关于空间变化的随机过程,但是它不能很好地拟合强度取对数后是非高斯过程情况下的数据。因此,通过将它的强度取对数后看成是一个混合高斯过程来改进LGCP模型,并研究改进后模型的性质。采用极大似然估计法和MCMC方法来估计模型参数,以及用AIC准则作模型选择。最后通过实例验证,结果显示改进后的模型能够有效地拟合数据。

基于LOG算子边缘检测提取特征点的平显振动算法研究

针对平显测试过程中图像抖动检测实时性要求较高的特点,通过对图像振动检测算法进行分析,提出了基于LOG算子边缘检测提取特征点的平显振动算法,利用该算法提取图像序列的特征点后并进行特征点匹配,根据特征点对位移量计算图像序列的振动量。实验结果表明该算法可以满足平显图像振动实时检测要求。

声波测井成像图中的反射体自动精确识别

针对声波测井成像图噪声多、图像模糊导致的反射体自动识别困难、依赖专家识别、费时耗力等问题,提出反射体自动识别方法。通过高斯混合模型将像素点按颜色进行聚类,拆分为多通道子图,筛选有效子图进行组合;基于局部连通性进行粗降噪;以连通区域内像素点数量为基准进行精细降噪,最终完成反射体区域的像素级精确识别。整个过程完全自动化,在油田开发所用声波成像图上进行实验,实现反射体区域像素级精确识别,极大地提高了开发效率。

由Chvátal定理引出的关于一些无穷可分分布的概率函数的下确界

受Chvátal定理的启发,本文研究了概率P(X≤κE[X])的下确界,其中κ是一个正实数, X是一个随机变量.利用分析的方法,我们得到了当随机变量的分布属于无穷可分分布,包括逆高斯分布,对数正态分布, Gumble分布和Logistic分布,时该随机变量不超过其期望的概率的下确界.

融合多种特征点信息的最小生成树医学图像配准

针对医学图像配准鲁棒性强、准确性高和速度快的要求,提出了一种基于融合多种特征点信息的最小生成树医学图像配准算法.该算法首先提取3种特征点,Harris-Laplace,Laplacian of Gaussian和网格点;然后使用遗传算法去除特征点集的冗余,并通过对位映射构建无向完全图顶点集合;进而使用改进的Kruskal算法来构造最小生成树;最后使用得到的最小生成树估计Rényi熵.该算法较好地解决了在噪声数据中使用最小生成树估计Rényi熵面临的特征点不稳定导致鲁棒性低和构造最小生成树遇到的速度瓶颈.实验结果表明:在图像含有噪声、灰度不均匀以及初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度.

基于Rényi熵的互补尺度空间关键点医学图像配准

针对医学图像配准对鲁棒性强、准确性高和速度快的要求,本文提出一种基于Rényi熵的互补尺度空间关键点配准算法。该算法首先从图像上提取Harris-Laplace(HL)和Laplacian of Gaussian(LoG)两种互补的尺度空间关键点,然后将关键点对应的灰度信息融入到联合Rényi熵中,最后使用最小生成树来估计联合Rényi熵。新算法结合了互补关键点的鲁棒性,和最小生成树估计Rényi熵的高效性。实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度。

基于尺度空间理论的Harris角点检测

研究了一种基于尺度空间理论的Harris角点检测方法。建立Harris函数的尺度空间表示,检测每个尺度水平上的极值,利用迭代算法验证每个尺度水平上LoG算子是否获得最大值,从而得到特征角点的位置及其尺度。该方法在保持Harris角点不受光照条件及摄像机姿态变化影响的同时,还能检测出多尺度下的特征点。通过实验验证该方法具有尺度不变特性,适用于尺度变化较大的视觉系统。

改进的LOG算子与小波变换融合的边缘检测方法

传统的LOG算子在高斯滤波方差的选择上不具备自适应能力,方差的大小会直接影响到去噪和边缘保持效果.针对此问题给出了一种改进的LOG算子方法,并对原图像分别采用改进的LOG算子和小波变换两种方法进行边缘提取,最后将这两种方法检测出来的边缘图像进行融合.实验表明,融合后的图像结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果.

一种改进的多尺度Harris特征点检测方法

多尺度Harris方法检查到的特征点存在很多冗余点,虽然Harris-Laplace方法可以除去一些冗余点,但是还会出现一个局部结构内存在多个特征点的情况或一个特征点代表多个不同尺度的局部结构。为此,提出一种改进的方法,在检测多尺度Harris特征点时进行跟踪分组,使代表同一个局部结构的特征点被分为一组,用归一化的Laplace函数去除冗余点,再利用点的度量值选出最能代表该局部结构的特征点。实验结果证明,该方法能够有效去除冗余点,在模糊和旋转变换时性能优于Harris-Laplace方法,具有尺度不变的特性。

基于LOG和Canny算子的边缘检测算法

针对传统Canny算子抑制噪声和检测低强度边缘能力不足的问题,提出一种将LOG算子和Canny算子相结合的边缘检测方法。采用LOG算子对图像进行噪声过滤,从以下3个方面改进Canny算子实现边缘检测:(1)设计高斯滤波核对过滤掉噪声的图像进行边缘增强,使低强度边缘更容易被检测;(2)在M×N邻域中计算梯度幅值和方向;(3)将梯度方向结合梯度幅值计算,使梯度幅值在边缘检测中更具依据性。对增加椒盐噪声的图像进行实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘。

轮廓曲线的LoG变换及图像共变区域的检测

本文将LoG(Laplacian of Gaussian)变换应用到轮廓曲线上,其范数的平方具有稳健的曲率特性,由此构造了轮廓角点的响应函数;在此基础上,结合轮廓LoG所检测的角点和角点邻域内轮廓方向的尺度共变性设计了一种新的关于旋转和尺度共变的特征区域检测算法.最后,利用相关度准则对多组受干扰的图像进行特征共变区域匹配,实验结果验证了所提出的共变特征区域检测算法具有计算简单、容易实现和较强的鲁棒性等特点.

一种改进的LOG遥感数字图像边缘提取算法

边缘提取 ,是遥感图像处理的基本工作之一 .LOG算法是一种较常用的边缘提取方法 ,但缺点也很明显 .通过去除光照强度影响、寻找空间常数σ最佳取值范围以及插值计算精确边缘等方法对LOG算法进行改进 ,使得边缘提取更加精确和有效 .

图像角点和边缘提取的相位叠合算法

提出了一种通过相位叠合模型来检测角点和边缘的算法,这种方法利用图像傅里叶分量在特征叠合次数最多的概念,采用相位叠合后的关键点来确定角点和边缘信息,利用相位叠合来标记特征点比用梯度方法有明显的优点:相位叠合是一种无量纲量,而且对图像的亮度或对比度是不变的,因此它能提供对特征点的绝对度量.实验结果证明本算法提取的角点和边缘特征不随图像照度而改变,提高了不同照度下提取图像边缘特征的可靠性.

LoG边缘算子改进的加权引导滤波算法

针对原始全局的引导滤波算法对整幅图像各个区域使用统一的线性模型与相同的规整化因子,从而未能适应图像本身不同区域的纹理特性,提出了基于LoG边缘检测算子改进的加权自适应规整因子。通过在局部窗口内计算LoG幅值响应,对原有的规整化因子进行惩罚来取得对图像平滑区域与边缘区域的自适应,使得在保证降噪效果的前提下进一步突出边缘像素和平坦区域像素之间的差异。对开源医学图像库Brain Web中不同断层的T1、T2与PD加权图像,共18张图像,添加9%的莱斯噪声作为测试库,并采用结构相似性因子(SSIM)与无参考图像锐化因子(CPBD)作为算法的定量评估指标。实验结果表明,与原始的引导滤波算法相比,所提方法的SSIM指标获得了最高5%左右的提升,CPBD指标获得了最高6%左右的提升。在引导滤波不同规整化因子的条件下,所提算法均优于原始的引导滤波算法和现有的基于方差图像加权改进的引导滤波算法,并保留了原始引导滤波O(N)的复杂度。与现存的主流滤波算法比较,所提算法能够兼顾SSIM与CPBD指标,具有最高的综合性能,且具有最低的算法复杂度,能够用于医学图像和彩色图像的快速滤波降噪。

一种改进的Log边缘检测算法

在分析传统Log边缘检测原理的基础上,针对高斯滤波器尺度因子的选取,引入高斯滤波空间尺度因子计算方法,提出了一种自适应的多尺度Log边缘检测算法,克服了传统Log算法的不足.实验结果表明,改进后的Log算法能有效抑制噪声,并能准确检测图像边缘信息.

Gaussian09软件在结构化学教学中的应用:优化分子的结构

众所周知,二茂铁的结构是经过了一系列的研究才被确认的,其在结构化学教学中也是相对抽象的重要内容,本文将借助Gaussian09量子化学计算软件对比研究具有不同点群对称性的二茂铁分子结构的能量,从而给出最稳定的构型。这一研究探索的方法有利于学生对二茂铁分子结构特点、点群对称性进行深入的理解,从而有助于教学质量的提高。