基于CNN跨层融合结构的边缘检测算法

传统边缘检测算法难以处理复杂的图像,而现有基于深度的边缘检测模型,其检测结果往往存在边缘定位错误和信息丢失等现象.针对此类问题,提出一种基于RCF的高精度的边缘检测算法RCF-CLF.首先,引入HDC结构设计用于避免因叠加相同膨胀卷积而引起的网格效应;其次,设计了一种特征增强结构,旨在融合多尺度信息、扩大感受野;然后,设计了跨层融合结构,将高层信息和低层信息融合,用于提取准确的边缘信息;最后,引入注意力机制CBAM,通过聚焦物体边缘区域,抑制非边缘区域,从而提高网络对边缘信息的提取能力.本文在BSDS500和BIPED数据集上评估所提出的方法,与RCF算法相比,在BIPED数据集上,主要指标ODS、OIS和AP分别达到了0.893、0.901和0.945,提高了近5个百分点,在BSDS500数据集上,主要指标也有所提升.此外,与其他同类算法相比,本文算法也具有一定的优势,可以实现更加准确的边缘定位.

基于特征融合的低剂量CT图像降噪方法

近年来低剂量CT(Low Dose CT,LDCT)被广泛应用于临床诊断中,但LDCT会产生不规则的噪声。已有的降噪方法往往缺乏对全局特征信息的考虑,以及不注重边缘特征信息和重建图像的视觉效果。为此,提出了一种基于特征融合的低剂量CT图像降噪方法。首先,利用Transformer优异的全局感受野提取图像的全局特征信息,并利用卷积神经网络(Convolutional Neural Network,CNN)良好的局部特征提取能力提取图像的局部特征信息。在Transformer模块中加入维度变换思想,以更好地抑制噪声;在CNN模块中使用稠密连接的方式将浅层网络的特征信息复用于深层网络中,以此保存更多的特征信息。其次,为了获取更加丰富的图像细节特征,使用了改进的索伯边缘增强算子来加强模型对边缘特征信息的提取能力。最后,将Transformer模块和CNN模块获取的特征信息进行融合并输出重建图像。此外,为了使降噪重建后的图像有更好的质量和视觉效果,设计了一个多尺度复合损失函数。实验表明:在AAPM-Mayo数据集的降噪实验中,与当前主流的LDCT图像降噪方法相比,本文方法取得了更好的降噪效果。

基于区域特征优化及边缘增强的多聚焦图像融合

针对多聚焦图像融合中存在的聚焦信息缺失、边缘特征表达不充分的问题,提出了一种基于聚焦区域特征优化及边缘增强的多聚焦图像融合方法。首先,提出了一种四流向的聚焦特征增强网络,在图像编码过程中实现聚焦特征的增强与补全;其次,提出了一种新的基于空间频率(NSF)的聚焦区域提取策略,实现对聚焦区域特征的高效提取;最后,提出了一种边缘特征增强模块,通过计算图像边缘梯度,实现对目标区域的边缘信息增强。在Lytro数据集与MFFW数据集中与8种融合方法进行定性与定量对比。实验结果表明,该融合方法较好地解决了多聚焦融合图像中聚焦特征表达不充分、纹理细节不完整和边缘模糊等问题,视觉效果显著。

改进小波亮度融合的低照度图像增强算法

针对普通小波分解算法应用到夜间低照度图像增强时出现无法提取出边缘光滑特征点、且亮度拉伸曝光等问题,提出了一种改进小波亮度融合的低照度图像增强算法.在小波变换对夜间低照度图像进行频域变换的过程中分别提取出图像的低频和高频分量,并对高低频分量分别处理.对小波分解后形成的低频成分使用加入权值的引导滤波,得到边缘增强的低频分量.将高频成分基于不同的区域范围进行特性融合,得到细节均匀统一的高频分量.将处理后的分量进行亮度提取与融合,最后转入RGB空间得到增强图像.仿真实验结果表明,该算法在均值、信息熵、峰值信噪上相较于直方图均衡算法提高了21.715%、13.531%、73.768%,相较于小波变换提高了85.456%、26.014%、19.621%.

基于纹理特征融合的指纹活性检测方法

针对当前指纹识别系统容易遭受伪造指纹欺骗攻击的问题,提出一种基于纹理特征融合的指纹活性检测算法。通过设计边缘纹理增强(ETE)和对称差分统计(SDS)2种脊线纹理特征描述算子来表示真假指纹的显著性纹理,前者用来提取指纹图像脊线的方向纹理信息,后者用来描述邻域内脊线的频率纹理信息。首先,利用感兴趣区域(ROI)提取算法对指纹图像进行预处理,以消除指纹图像中背景空白噪声的干扰;然后,利用ETE和SDS分别提取指纹的脊线纹理特征;接着,统计上述2类特征的直方图,描述真假指纹的纹理特征;最后,将生成的特征输入支持向量机(SVM)中进行训练和测试。在LiveDet 2011指纹数据集的测试中,分别使用Biometrika、Italdata、Sagem 3种传感器,且与Best、韦伯局部描述算子(WLD)、局部相位量化(LPQ)和局部二值模式(LBP)4种指纹检测算法进行了比较,该文算法的检测性能优于其余方法,能够完成当前的活性检测任务。LiveDet 2013数据集使用Biometrika、Italdata和Swipe 3种传感器,通过与WLD、不变梯度直方图(HIG)、统一局部二值模式(ULBP)、深度表征结构优化(DRAO)和Winner 5种指纹活性检测方法对比,该文算法的指纹活性检测准确率有一定的提升。

交互式双分支特征融合的草莓病害程度快速诊断方法

针对现有草莓病害程度诊断方法存在识别精度低、参数量大、推理时间长等问题,提出了一种基于交互式双分支特征融合的草莓病害程度快速诊断方法。该方法首先以短程密集连接模块为基础,构建一种轻量化的交互式双分支特征融合网络(Interactive bilateral feature fusion network,IBFFNet),用于提取图像的语义特征和细节特征。然后,通过注意力简化的金字塔池化模块获取上下文分支中的多尺度语义特征,利用边缘增强模块丰富空间分支中的边缘细节特征。最后,融合多尺度语义特征和空间细节特征,实现病斑和叶片区域的精确分割。在草莓叶部病害程度数据集上的实验结果显示,IBFFNet2_Seg的平均交并比达到77.8%,在单张NVIDIA GTX1050显卡上处理速度可达40.6 f/s,满足实际应用中对算法实时性和分割精度的要求。此外,在测试集上IBFFNet2_Seg预测病害程度与真实程度的决定系数R2为0.98,说明该模型可以准确预测草莓病害严重程度。本研究可为草莓病害精准防治提供可靠的技术支撑。

基于深度可分离选择性残差网络的真实图像增强算法

图像去噪作为低级视觉任务,在图像处理领域常被重点研究。针对图像去噪网络训练周期长和图像纹理细节模糊的问题,为提升图像去噪效果,减少训练参数量,缩短训练周期,提出了一种改进M⁃Net网络融合深度可分离卷积及选择性残差网络的图像盲去噪方法。所提方法在两个合成数据集和两个真实世界噪声数据集上的定量指标及视觉质量评价均达到对比去噪算法的性能,同时具有更小的FLOPs。

边缘特征增强算法和小波分析在精确聚焦中的应用

在数字成象系统中 ,如何快速而且有效地实现精确聚焦一直是成象系统研究中的焦点 .本文提出了利用增强图象边缘特征来提高精确聚焦能力 ,并将常见的边缘增强滤波器与以小波变换为基础构建的滤波器进行了比较 ,实验数据表明 ,虽然常见滤波器和基于小波变换滤波器都能提高聚焦能力 ,但后者能更有效地分辨出只有微小的离焦量的图象 ,有很好的应用前景 .

基于边缘特征的多传感器图像融合算法

针对传统像素级图像融合方法在低频系数融合中,采用偏袒法和平均法容易导致融合图像出现模糊、对比度下降的问题,结合像素级和特征级融合的优势,提出一种基于边缘特征的图像融合算法。算法对于低频系数,采用区域能量自适应加权的方法;对于高频系数,通过对低频边缘特征的融合以指导其融合。分别对红外与可见光图像和多聚焦图像进行实验,并对融合图像进行主客观评价,实验表明,该算法得到的融合图像具有较好的主观视觉效果和客观量化指标,融合性能优于传统的融合方法。

基于特征的遥感图像信息融合模式研究

基于图像特征的遥感图像信息融合是在突出目标地物的空间结构和纹理特征情况下的信息融合。本文在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨率遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合。在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,并对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像。该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息。本文最后通过融合实验验证了上述结论。

小波变换在图象边缘提取中的应用

详细介绍了小波变换在图象边缘提取中的优越性，在参考大量文献的基础上，小结出常用于边缘提取的小波函数及其提取边缘的方法与效果，得出在图象边缘提取中高斯函数一阶导数是一种常用的且较有效的小波函数，最后给出用高斯函数一阶导数对静态物体边缘提取的计算机模拟。

利用小波分析改进Brovey遥感影像融合方法

Brovey变换的遥感图像融合方法要求高分辨率全色波段和多光谱波段的光谱响应范围要一致或相近,从而限制了遥感数据的融合,存在着融合图像受噪点影响大、高分辨率影像零星细节保留过多等缺点。文中针对以上问题,引入了小波分析的方法进行改进。首先在小波多分辨率基础上对高分辨率影像进行去噪及边缘增强,然后在小波分析基础上与多光谱影像进行融合。通过实验发现,改进后得到的融合图像与原方法融合图像相比,细节信息更为突出,整体信息更为丰富,基本达到了改进的目的。

基于边缘特征的遥感影像小波变换融合法

如何将不同空间分辨率遥感影像合理有效地融合在一起,保持原始多光谱影像的光谱特性,提高影像的分类精度和空间分解力,这是遥感影像数据融合处理的热点研究问题。在对原始遥感影像进行小波变换的基础上,提取高空间分辨率影像边缘特征信息,并与原始多光谱影像进行了融合处理。以IRS、SPOT和ETM卫星影像为资料进行实验,结果表明,该方法在提高影像的空间分辨率的同时,能够很好地保持影像的光谱特性,尤其在空间分辨率差异较大的影像融合中,该方法在保持影像光谱特性方面要优于其他的融合方法。

粗糙集理论在图像增强处理中的应用

对粗糙集理论在图像主要特征提取、图像自动识别与边界检测等方面的应用方法进行研究.采用地学实地野外调查中获取的彩色图像作为实验对象,选用表征颜色、纹理的17个特征属性作为条件属性构建决策表,通过属性约简、分类和规则提取指导图像处理,最终实现了对目标地物的分类分区增强处理及区域边界划分.实验结果表明:该方法可以较好地对图像进行分区处理和边界划分,结果较令人满意;并且得出影响实验图像分区的主要条件属性为蓝色标准偏差、红色方差、红色与蓝色相关性、彩色特征、对比度及熵.

一种基于特征的遥感影像融合新方法

基于特征的影像融合主要是在突出目标地物的空间结构和纹理特征情况下的信息融合,在小波多分辨率分析理论基础上,采用小波变换方法对高分辨图像的目标地物边缘信息增强后与多光谱图像进行特征融合,在融合过程中,没有采用传统的HIS小波融合方法,而是采用RGB小波变换的方法,用多光谱图像中的R、G、B3个波段经小波分解后的低频图像与特征增强后的高分辨率图像、经小波分解后的高频图像分别进行融合,再经RGB合成为彩色图像得到最后的融合图像,这样既改善了图像的清晰度和分辨率,同时也保留了原多光谱图像的光谱信息。最后通过实验验证了上述结论。

小波变换在医学图像边缘增强中的应用

小波变换是在傅立叶分析基础上发展起来的,它通过尺度参数和定位参数将时域和频域联系起来,通过伸缩和平移等运动对信号或图像数据进行多尺度的细化分析,其应用领域很广。提出了一种基于小波变换的图像边缘增强的方法,通过对小波变换产生的高低频信息进行相应处理,再进行图像重构,最后将生成的各个图像进行融合以实现图像边缘增强。使用Visual C++6.0完成编程实验,其实验结果表明本文所提出方法的边缘增强效果较好。

基于边缘特征和能量的图像融合方法

根据低频域平均法,提出基于低频边缘特征和能量的多聚焦小波图像融合方法,对需要融合的图像进行小波多尺度分解,按区域能量最大化原则对高频细节分量图像进行融合,对低频近似分量图像采用能量与边缘特征相结合的融合方法。实验结果表明,与原有方法相比,该方法能更好地体现低频域边缘特征和区域特征。

利用Gabor小波系数融合进行图像增强的研究

在传统图像增强技术的基础上,提出了一种基于GABOR小波系数融合的图像增强方法。通过Gabor小波对图像进行滤波,产生八个方向的滤波图像系数,对这些图像系数用求平均值融合方法得到图像边缘图,再融合经传统空域增强方法得到的直方图均衡化图像以产生最终增强的边缘信息以便于分析处理的图像。

基于改进区域生长的红外与可见光图像融合方法

针对红外图像和可见光图像的成像特点,提出了一种红外与可见光图像融合方法。首先,采用改进的区域生长法,提取红外图像目标区域。将提取到的红外目标区域映射到可见光图像中,进行一次局部信息融合。然后,将第一步的融合结果与原始红外图像通过一种边缘增强的小波变换融合法得到最终的融合图像。实验结果表明,该方法得到的融合图像红外热目标突出、背景清晰,具有良好的目视效果。

一种突出边缘特征的遥感图像快速融合方法

针对像素级遥感图像融合处理数据量大、实时性差,融合结果不能直观表述目标特征的问题,提出一种边缘特征加强的多光谱与全色图像快速融合方法。为提高算法的运行速度,采用提升小波与快速IHS变换相结合的算法生成像素级融合图像。同时,利用数学形态学方法提取全色图像的边缘,与像素级融合图像进行再次融合,加强了最终融合图像的边缘信息。实验结果表明,该算法不仅融合效果好,而且实时性强。