基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估

与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上述问题,本文提出一种基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估模型.首先,使用高斯拉普拉斯算子构造由失真屏幕内容图像高频信息组成的边缘结构图,然后通过卷积神经网络(Convolutional Neural Network,CNN)对输入的失真屏幕内容图像和相应的边缘结构图进行多尺度的特征提取与融合,以图像的边缘结构信息为模型训练提供额外的信息增益.此外,本文进一步构建了基于Transformer的多尺度特征编码模块,从而在CNN获得的局部特征基础上更好地建模不同尺度图像和边缘特征的全局上下文信息.实验结果表明,本文提出的方法在指标上优于其他现有的无参考和全参考屏幕内容图像质量评估方法,能够取得更高的主客观视觉感知一致性.

基于天牛须优化算法和LP-SWT-SVD的鲁棒图像水印技术

为了有效保护数字媒体的知识产权,提出一种基于拉普拉斯金字塔和平稳小波变换(Stationary Wavelet Transform,SWT)及奇异值分解(Singular Value Decomposition,SVD)的图像水印嵌入算法。该算法首先对原始图像进行拉普拉斯金字塔分解,然后对得到的残差图像进行一级平稳小波变换,得到低频子带LL1和高频子带HH1,分别对其进行SVD分解,并将SVD分解后的水印分别嵌入低频和高频子带的奇异值矩阵中,使用天牛须算法(Beetle Antennae Search,BAS)优化水印嵌入过程。水印检测时,将从LL1和HH1子带中提取的水印进行比较,选择效果较好的作为最终结果。仿真实验与其他文献的对比分析证明该算法不可见性和鲁棒性都较好。

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。

基于小波变换的Laplacian金字塔图像数据压缩

一幅数字化后的图像的数据量非常大,在图像的传输、存储、加工处理等方面都会引起很大的困难。本文详细介绍了基于Laplacian金字塔的图像数据压缩方法,在满足人们对图像质量要求的前提下,可以用较少的比特数存储或传输数字图像,以达到数字图像传输时所要求的信道容量及数字图像处理中的存储容量。

基于Laplacian金字塔和小波变换的医学CT图像增强算法

对医学图像进行增强可提高信息的利用率。传统的图像增强方法应用于医学图像时处理效果一般,存在诸多问题,如在增强图像的同时使图像的细节丢失,减弱了图像中目标的边缘信息,降低了图像的对比度。针对上述问题,提出一种基于小波变换和Laplacian金字塔分解的图像增强算法。首先,对原医学图像进行小波变换分解,得到处理结果;然后,对原医学图像进行Laplacian金字塔分解,得到医学图像的高频信息;最后,利用小波变换的结果和Laplacian金字塔分解的结果进行重构,得到增强后的图像。实验结果表明,该方法的增强效果明显优于传统的图像增强算法,对医学图像具有较好的增强效果,同时能更好地抵抗噪声。

一种图像特征点匹配算法——Haar-Gaussian&NICD算法

提出了一种基于哈尔小波分解变换和高斯尺度空间的图像特征点匹配算法。首先利用哈尔小波变换对基础图像进行3层行列分解,然后利用高斯函数卷积核对这些分解图像,进行尺度变换。提出了一个小波高斯金字塔塔林的概念,即对通过小波变换产生的多张不同分辨率的基础图像分别进行高斯尺度变换进而产生一个个独立的高斯金字塔,进而产生独立的高斯差分金字塔林,完成特征点检测。再引进规范化强对比度描述子对特征点进行描述。结果表明:Haar-Gaussia&NICD算法的效果和SIFT算法相当,特征点数量优于SIFT算法,在局部特征匹配方面要更有优势;而且和NICD描述子搭配使用,在运行速度方面要比SIFT算法更快。

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。

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CNN双路特征融合模型的秀丽隐杆线虫寿命阶段分类研究

秀丽隐杆线虫(C.elegans)由于其有着寿命较短和人类基因高度同源的特点,作为一种被优秀的模式生物,被广泛应用于多种人类健康和疾病模型的研究中。为了准确测定当前线虫所处于的寿命阶段,论文提出了一种基于CNN双路特征融合模型的的秀丽隐杆线虫寿命阶段分类方法。首先,利用卷积神经网络分类模型对线虫图像进行特征提取;同时使用快速傅里叶变换、LoG算子等图像处理算法得到荧光蛋白亮斑坐标,然后根据坐标信息计算得到荧光蛋白亮斑聚集度信息;最后,将前两步得到的特征拼接通过分类器得到分类结果。实验结果表明,论文方法能够准确、有效地对线虫寿命阶段进行分类。

基于滚动导向滤波的可见光与红外图像融合嵌入式系统研究

在不利的环境条件下,红外图像往往会出现暗部纹理信息缺失不全、主体轮廓模糊等问题,现已提出了多种相关的算法来解决这些问题,获得了极大的成功。但这些算法大多停留于软件仿真,本文研究了一种基于滚动导向滤波的嵌入式的图像增强算法并对其融合方法进行一定的改进:首先,使用滚动导向滤波器对红外图像和可见光图像进行多尺度分解得到一系列Gauss金字塔,再对每层Gauss金字塔分解出一张Laplace金字塔,得到红外和可见光图像的高频部分和低频部分,之后对低频部分和高频部分使用Gauss分布权重矩阵进行加权平均处理,根据图像灰度级生成一个可视化权重图,生成基层融合图像,之后计算两张图像高频部分的差异矩阵,接着将差异矩阵与两张图像的高频部分进行加权平均得到一个中间图像,使用该中间图像和两张原始图像的高频部分构建一个线性的差异矩阵,根据矩阵得到一个线性特征的方程组,通过求解该方程组得到待融合图像的细节层,实现图像的细节边缘性特征保存,最后进行逆变换从而得到融合图像。之后通过一系列图像质量评价的方式:STD、AVG、SSIM、FD,证明了该方法的可行性。最后探索了基于该方法的FPGA实现方式,在嵌入式平台实现了仿真,满足了图像融合的要求。

基于图像金字塔的分维融合算法

数据融合是进行目标检测和识别的重要技术之一,但是在融合过程中不可避免地会产生信息损失。如何保留尽可能多的有用信息,关键在于融合算法的选取。由于图像金字塔中不同级的图像之间具有自相似性,而自相似性又是分形分维的基础。于是,根据图像金字塔的特点,提出了一种新的图像融合方法———基于图像金字塔的分维融合算法,将不同源图像分别分解成不同尺度的金字塔图像序列,在相应的尺度上以分形分维作为权系数进行融合,并采用中波红外和长波红外图像作为源图像进行融合实验, 实验结果表明该方法是可行的。

一种改进Contourlet变换的图像去噪算法

针对Contourlet分解的细节图像在奇异点附近产生振荡,在去噪过程中会产生伪吉布斯现象,提出一种改进的拉普拉斯金字塔实现基于Contourlet变换的图像去噪算法。阈值的选取不仅考虑不同尺度中噪声含量的不同,而且在不同方向上对阈值进行了调整。实验结果表明,利用该文去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。

基于易操纵金字塔的多传感器图像融合

针对目前传统方法在图像未完全配准时融合效果差的问题,提出了一种基于易操纵金字塔的多传感器图像融合方法。首先,对多光谱图像进行易操纵金字塔分解;然后,恰当地合并分解得到子带图像系列来构造融合图像对应的易操纵金字塔,并通过逆变换重构融合后图像。最后利用熵和空间频率对该方法的融合性能进行了评估分析,并与基于拉普拉斯变换和小波变换的图像融合方法进行了比较。实验结果表明,该方法综合性能优于基于拉普拉斯变换和基于小波变换等传统图像融合方法,图像未完全配准情况下也能获得好的融合效果。

基于HSV空间的简牍图像增强算法研究

针对简牍图像存在对比度低、噪声大、文字模糊等问题,采用了一种适合简牍的彩色图像增强算法。该方法按人的视觉特性选择了HSV空间,并将线性变换、中值滤波、高斯—拉普拉斯级联作用于图像的亮度分量,同时也对饱和度做了相应的拉伸处理。理论分析和实验结果均表明,增强后的简牍图像更清晰,文字信息更突出,增加了可读信息,达到了令人满意的结果,有利于后期信息提取工作的开展。

基于Contourlet变换的遥感图像增强算法

提出了一种基于Contourlet变换的空间域和变换域增强相结合的遥感图像增强算法。首先对原图像进行拉普拉斯塔式变换(LP)得到原图像的细节图像,并将它和原图像线性相加实现空间域增强;然后对空间域增强后的图像进行Contourlet变换得到不同尺度和不同方向上的变换系数,构造非线性增强函数对变换系数做增强处理,实现变换域增强;最后对增强处理后的变换系数进行Contourlet反变换,实现最终的图像增强。实验结果显示:与其他增强算法相比,用本文算法增强后图像的均值可达到127,信息熵提高了10%以上,清晰度提高了7%以上,表明遥感图像得到了更好的增强效果。

基于改进轮廓波变换的图像去噪算法

在轮廓波变换中进行拉普拉斯金字塔分解时,所得的带通图像在奇异性点附近产生振荡,影响了图像去噪的效果。针对该问题,提出一种改进的拉普拉斯金字塔分解,可消除边缘附近的震荡。利用改进的拉普拉斯金字塔实现轮廓波变换,并对图像进行自适应去噪。实验结果表明,该算法所得的峰值信噪比较轮廓波变换自适应去噪算法有显著提高,且视觉效果有较大改善。

基于复数小波变换增强带噪图像的空间自适应方法

针对目前的多尺度增强方法一般很难实现抑制噪声和凸显细节间有效均衡的问题,提出一种基于复数小波变换增强图像方法,充分利用复数小波兼具平移不变性和方向选择性的优势,首先通过相邻两层小波系数的相关性来有效区分噪声和图像边缘,并根据各层小波系数的分布设置局部阈值抑制噪声;在此基础上,自适应地选取增强函数来增强较弱的细节并保护原图像中的清晰边缘不产生失真.实验结果表明,运用该算法增强带噪图像可以在较好地抑制噪声的同时,显著地放大细节特征.

基于拉普拉斯金字塔与PCNN-SML的图像融合算法

基于拉普拉斯金字塔(LP)与脉冲耦合神经网络(PCNN)变换,提出了一种有效的多聚焦图像融合算法。首先,利用拉普拉斯金字塔对图像进行对多尺度分解,并利用PCNN对每一尺度的分解图像进行处理,以获取描述特征聚类的神经元点火频率图;然后,利用点火频率图的局部拉普拉斯分量绝对和(SML),实现了图像每一尺度LP分解的融合;最后,通过LP分解的重构实现了对多聚焦图像的融合。实验结果表明,所提方法在各项客观评价指标上均优于传统融合算法,体现出了良好的性能。