最新刊期
2016 年 第 21 卷 第 9 期
- 摘要：为了有效消除引导滤波平滑图像后产生的光晕现象，提出一种新型的融合梯度信息的改进引导滤波算法。 该算法借助引导图像的梯度信息来判断图像边缘位置，并结合指数函数框架设计权值来控制不同图像区域内的平滑倍数，使改进后的引导滤波能够自适应地区分和强调边缘，从而避免边缘附近由于过度模糊所引入的光晕现象。 与引导滤波算法相比，本文算法能在保边平滑的同时较好地抑制光晕，并在结构相似性（SSIM）评价和峰值信噪比（PSNR）评价中分别取得最高约30%和15%左右的质量提升。 本文算法具有较好的鲁棒性，在图像平滑、图像细节增强、多曝光图像融合等多种图像处理相关应用中均有着良好的表现。关键词：保边平滑;引导滤波;梯度;光晕;参数自适应4960|361|24更新时间：2024-05-07
- 摘要：屏幕图像编码要求压缩效率高、实时性好、复杂性适中。调色板编码是屏幕图像编码的主流方法之一，但是其索引图的预测编码效率仍有待提高。为此提出一种基于局部方向相关性的索引图快速预测编码算法。 实验统计发现两个相邻的索引值在0.93的平均概率下具有相同的方向性，本文称之为索引图的“局部方向相关性”，进而提出采用一个2×3的模板进行初始方向预测，在其预测失败的情况下再采用一个3×4的方向模板进行二次方向预测。 在19个标准测试视频序列和3个测试图像上进行了大量实验，实验结果表明，本文算法的预测准确率为95.43%，比典型的多级预测算法（MSP）平均提高2.48%，尤其对于包含文字字符和大量几何图元的复杂场景视频更为有效，并且计算复杂度显著低于MSP算法，能够较好地满足屏幕图像编码的要求。 本文提出的索引图的预测算法，发掘了索引图的局部方向相关性，加快了预测速度，可应用在屏幕图像文本/图形块的调色板编码中。关键词：图像编码;屏幕图像;复合图像;索引图;方向预测2976|381|5更新时间：2024-05-07
图像处理和编码
- 摘要：稀疏编码是当前广泛使用的一种图像表示方法，针对稀疏编码及其改进算法计算过程复杂、费时等问题，提出一种哈希编码结合空间金字塔的图像分类算法。 首先，提取图像的局部特征点，构成局部特征点描述集。其次，学习自编码哈希函数，将局部特征点表示为二进制哈希编码。然后，在二进制哈希编码的基础上进行K均值聚类生成二进制视觉词典。最后，结合空间金字塔模型，将图像表示为空间金字塔直方图向量，并应用于图像分类。 在常用的Caltech-101和Scene-15数据集上进行实验验证，并和目前与稀疏编码相关的算法进行实验对比。与稀疏编码相关的算法相比，本文算法词典学习时间缩短了50%，在线编码速度提高了1.3～12.4倍，分类正确率提高了1%～5%。 提出了一种哈希编码结合空间金字塔的图像分类算法，利用哈希编码代替稀疏编码对局部特征点进行编码，并结合空间金字塔模型用于图像分类。实验结果表明，本文算法词典学习时间更短、编码速度更快，适用于在线词典学习和应用。关键词：哈希编码;空间金字塔匹配模型;稀疏编码;二进制K均值聚类;图像分类3614|327|3更新时间：2024-05-07
- 摘要：针对细粒度图像分类中的背景干扰问题，提出一种利用自上而下注意图分割的分类模型。 首先，利用卷积神经网络对细粒度图像库进行初分类，得到基本网络模型。再对网络模型进行可视化分析，发现仅有部分图像区域对目标类别有贡献，利用学习好的基本网络计算图像像素对相关类别的空间支持度，生成自上而下注意图，检测图像中的关键区域。再用注意图初始化GraphCut算法，分割出关键的目标区域，从而提高图像的判别性。最后，对分割图像提取CNN特征实现细粒度分类。 该模型仅使用图像的类别标注信息，在公开的细粒度图像库Cars196和Aircrafts100上进行实验验证，最后得到的平均分类正确率分别为86.74%和84.70%。这一结果表明，在GoogLeNet模型基础上引入注意信息能够进一步提高细粒度图像分类的正确率。 基于自上而下注意图的语义分割策略，提高了细粒度图像的分类性能。由于不需要目标窗口和部位的标注信息，所以该模型具有通用性和鲁棒性，适用于显著性目标检测、前景分割和细粒度图像分类应用。关键词：细粒度图像分类;卷积神经网络;自上而下注意图;GraphCut;GoogLeNet7503|317|9更新时间：2024-05-07
- 摘要：为了进一步提高噪声图像分割的抗噪性和准确性，提出一种结合类内距离和类间距离的改进可能聚类算法并将其应用于图像分割。 该算法避免了传统可能性聚类分割算法中仅仅考虑以样本点到聚类中心的距离作为算法的测度,将类内距离与类间距离相结合作为算法的新测度，即考虑了类内紧密程度又考虑了类间离散程度，以便对不同的聚类结构有较强的稳定性和更好的抗噪能力，并且将直方图融入可能模糊聚类分割算法中提出快速可能模糊聚类分割算法，使其对各种较复杂图像的分割具有即时性。 通过人工合成图像和实际遥感图像分割测试结果表明，本文改进可能聚类算法是有效的，其分割轮廓清晰，分类准确且噪声较小，其误分率相比其他算法至少降低了2个百分点，同时能获得更满意的分割效果。 针对模糊C-均值聚类分割算法和可能性聚类分割算法对于背景和目标颜色相近的图像分类不准确的缺陷，将类内距离与类间距离相结合作为算法的测度有效的解决了图像分割归类问题，并且结合直方图提出快速可能模糊聚类分割算法使其对于大篇幅复杂图像也具有适用性。关键词：模糊聚类;可能聚类;图像分割;误分率;类内距离;类间距离4045|422|1更新时间：2024-05-07
- 摘要：针对复杂条件下人脸识别鲁棒性差的问题，提出了一种基于频率簇（FC）模型的人脸识别方法。 该方法首先在人脸图像内检测目标区域，在目标区域内划分特征子区域并设定采样单元，统计采样单元内前景区域和背景区域的信息熵；然后计算采样单元的熵能量和能量频率，归一化频率系数，利用能量频率的二阶偏导确定人脸子区域边界，以此得到有效采样单元，建立人脸主特征信息；最后，根据采样单元的坐标位置、熵能量和能量频率信息进行排序，得到每个采样单元的几何布局，以采样单元的熵能量、能量频率和几何布局构建人脸的频率簇模型，并以此作为人脸特征进行识别匹配。 在FERET、ORL、Yale组合人脸库和CMU-PIE人脸库上进行实验测试，该方法的识别准确率分别为99.11%和97.36%，单幅人脸图像的平均识别速度为0.077 s，结果表明，该方法对复杂条件下的人脸识别具有很好的实时性和准确性。 该方法可以有效克服光照变化、特征模糊、姿态和表情变化等因素对人脸识别的影响，具有较好的鲁棒性，对提高人脸识别性能具有重要意义。关键词：人脸识别;熵能量;能量频率;几何布局;频率簇2672|484|1更新时间：2024-05-07
图像分析和识别
- 摘要：基于卷积神经网络的深度学习算法在图像处理领域正引起广泛关注。为了进一步提高卷积神经网络特征提取的准确度，加快参数收敛速度，优化网络学习性能，通过对比不同的池化模型对学习性能的影响提出一种动态自适应的改进池化算法。 构建卷积神经网络模型，使用不同的池化模型对网络进行训练，并检验在不同迭代次数下的学习结果。在现有算法准确率不高和收敛速度较慢的情况下，通过使用不同的池化模型对网络进行训练，从而构建一种新的动态自适应池化模型，并研究在不同迭代次数下其对识别准确率和收敛速度的影响。 通过对比实验发现，使用动态自适应池化算法的卷积神经网络学习性能最优，在手写数字集上的收敛速度最高可以提升18.55%，而模型对图像的误识率最多可以降低20%。 动态自适应池化算法不但使卷积神经网络对特征的提取更加精确，而且很大程度地提高了收敛速度和模型准确率，从而达到优化网络学习性能的目的。这种模型可以进一步拓展到其他与卷积神经网络相关的深度学习算法。关键词：深度学习;卷积神经网络;图像识别;特征提取;算法收敛;动态自适应池化4661|468|26更新时间：2024-05-07
- 摘要：鉴于随机游走过程对人类视觉注意力的良好描述能力，提出一种基于惰性随机游走的视觉显著性检测算法。 首先通过对背景超像素赋予较大的惰性因子，即以背景超像素作为惰性种子节点，在由图像超像素组成的无向图上演化惰性随机游走过程，获得初始显著性图；然后利用空间位置先验及颜色对比度先验信息对初始显著图进行修正；最终通过基于前景的惰性随机游走产生鲁棒的视觉显著性检测结果。 为验证算法有效性，在MSRA-1000数据库上进行了仿真实验，并与主流相关算法进行了定性与定量比较。本文算法的Receiver ROC（operating characteristic）曲线及F值均高于其他相关算法。 与传统基于随机过程的显著性检测算法相比，普通随机游走过程无法保证收敛到稳定状态，本文算法从理论上有效克服了该问题，提高了算法的适用性；其次，本文算法通过利用视觉转移的往返时间来刻画显著性差异，在生物视觉的模拟上更加合理贴切，与普通随机游走过程采用的单向转移时间相比，效果更加鲁棒。关键词：显著性检测;随机游走;惰性随机游走;往返时间3546|366|3更新时间：2024-05-07
- 摘要：背景建模在计算机视觉领域中是检测、跟踪、行为学习和识别的基础，被广泛地应用于视频监控的运动目标检测。混合高斯（MOG）和Codebook是其中具有代表性的方法，但它们假设像素点间信息是独立的，只保留了时域信息而忽略了空域信息，使得模型对背景的描述局限于时间上的连续性。针对上述问题，提出了一种自适应邻域相关性的背景建模方法（ANC）。 ANC在保留原始方法时域信息建模特性的同时，增加对邻域模型的复用，同时利用计算结果反馈自适应调整邻域区域，提高对前景值判断的准确性。首先利用原始基于像素点的背景建模方法进行候选前景检测，然后将候选前景检测结果为前景点的像素与邻域像素点模型进行对比，若邻域范围存在匹配则为背景点，若不存在则为前景点；最后引入像素置信度概念，自适应调整邻域范围的大小。 与MOG和Codebook相比，在changedetection标准数据库上，ANC在ROC（受试者工作特征曲线）和度量值等方面的平均精度和F-measure都提高了7%以上。 自适应邻域相关性的背景建模方法适用于复杂多模态背景，克服了基于像素点背景建模方法假设的局限性。与普通基于像素点的背景建模方法相比，具有更好的鲁棒性和抗噪性，对复杂背景具有更强的适应性。关键词：混合高斯模型;Codebook算法;背景建模;自适应邻域;像素点3049|260|0更新时间：2024-05-07
- 摘要：针对传统的图像特征点匹配算法数据量大，计算耗时长的特点，提出一种实时鲁棒的特征点匹配算法（RRM）。 通过微分操作确定图像的边缘区域，找出边缘区域中很有可能成为特征点的锚点，即梯度局部最大的点。对于每个检测出来的特征点，通过计算Intensity Centroid来确定特征点的方向，并且使用改进的Brief来对特征点进行描述，使之具有旋转不变性。最后，结合Hamming距离和对称匹配检验对特征点进行匹配。 本文算法与多种算法进行对比，在光照发生变化的情况下，RRM表现出明显的优越性和稳定性，正确匹配率达到83%左右，而其他算法的准确匹配率随着光照的变暗明显下降；在视角、尺度和旋转变化条件下，RRM也具有较高的准确匹配率。 实验结果表明，RRM在保证匹配精度的前提下，有效地解决了传统特征点匹配方法中的缺点。因此，本文算法能更好地应用于图像拼接、目标跟踪和对象识别等领域。关键词：特征点匹配;实时;鲁棒;锚点;对称匹配;图像拼接4473|386|10更新时间：2024-05-07
- 摘要：针对暗通道先验图像去雾方法中存在的大气光误判以及光晕效应等问题，提出一种基于大气光校验和光晕消除策略的改进算法。 首先，采用基于支持向量机的大气光校验方法对候选大气光的有效性进行判断，剔除太阳光、车灯等高光区域的干扰；然后，采用基于块偏移的精细透射率计算方法获得边缘保持的透射率，极大地抑制了无雾图像中光晕像素的数量；最后，采用基于导向滤波的光晕像素检测和校正方法进一步消除了残留的少量光晕像素。 本文算法有效抑制了大气光的误判现象，大大消除了光晕效应，提升了无雾图像的细节可辨认度，最终获得的无雾图像细节丰富、颜色深度感饱满。 本文算法在无雾图像的可见度增强等诸多方面超越了已有的方法，在视频监控、交通监管和目标识别等领域具有较大实用价值。关键词：图像去雾;暗通道先验;块偏移;大气光;光晕消除6906|768|7更新时间：2024-05-07
图像理解和计算机视觉
- 摘要：Power图作为Voronoi图的扩展，有着精确的限容特性。在普通Power图上添加容量限制即得到容量限制Power图。考虑站点位置固定情况，对于基于质心的容量限制Power图目前未有较好的计算方法。为了解决该类问题，提出一种新颖的常密度下的定点容量限制质心Power图生成算法。 通过调整站点的邻居站点的权值，优化该站点Power区域质心；在此基础上，按照相同比例缩放该站点Power区域，以达到优化容量的目的，最终生成所需Power图。 在综合考虑质心约束与容量限制条件下，对算法在均匀容量限制与非均匀容量限制下生成的Power图进行对比实验，并且分析实验误差。本文算法能够较好地解决容量限制问题，得到当前条件下的最优解。 本文算法在常密度下能稳定地生成容量限制质心Power图，具有精确度高和适应性强等优点。关键词：Power图;固定站点;常密度;质心约束;容量限制2589|304|2更新时间：2024-05-07
计算机图形学
- 摘要：在肝脏手术规划系统中，肝内精确的血管模型是实施肝脏分段和手术模拟的重要基础。为此提出一种基于多相期增强CT影像的肝内血管自动分割方法。 首先，采用各向异性滤波的方式减少图像上的噪声干扰。然后将图像灰度信息和汉森矩阵的特征值相结合，设计了一种新的滤波器，增强图像中的血管结构，以解决传统方法中血管连接处断裂的问题。最后，应用迭代式的自适应区域增长算法，进一步分割出增强图像中的血管。 使用5组临床上的真实数据测试算法的有效性，实验结果显示肝内血管由粗到细被完整分割出来。 本文肝脏CT血管分割方法，分别在不同尺度的增强图像对其进行处理，使得肝内血管从粗壮的主枝到细小的末端都能被很好地分割出来，能够获得正确的血管拓扑结构。关键词：多相期增强CT;肝脏血管分割;增强滤波;区域增长4458|332|0更新时间：2024-05-07
- 摘要：探索从常规X线胸片图像中分割出骨质结构，获取仅含软组织图像的虚拟双能量X线减影的方法，旨在不增加放射剂量的条件下获取高质量的临床肺结节影像诊断效果。 首先将肺区自动划分出8个特定解剖结构的子区域：左右侧肺叶的上、中、下部和左右肺门；然后针对每个特定解剖区域，利用从双能量设备获取的标准胸片和其对应的骨质图像对多分辨率的大规模训练人工神经网络（MTANNs）进行训练。训练好后，可以利用该ANN处理获得该解剖结构子区域的虚拟骨质图像。融合从8个多分辨率ANNs输出的骨质图像，融合得到一幅完整的虚拟骨质图像。接下来采用总变分最小化平滑的方法抑制虚拟骨质图像中的噪声，且增强骨骼边缘。最后将虚拟骨质图像从原图中相减获得虚拟软组织图像。 用110幅含有肺结节的胸片图像对算法进行了测试，新方法用于常规X线胸片所得虚拟软组织图像可有效地去除原片中骨质结构影像，较清晰地保留肺结节和血管影像，有利于临床肺结节的诊断。采用新方法可使肺结节的正确识别率提高到88%（传统方法识别率为70%）。 基于解剖结构的人工神经网络回归模型能有效地分离出骨骼，可以广泛地应用于临床诊断，帮助放射科医生检测出肺结节。关键词：回归模型;X光胸片;虚拟双能量;肺结节;解剖结构3182|255|2更新时间：2024-05-07
医学图像处理
- 摘要：区域生长法是遥感影像分割中常用的算法，该算法首先选取适当的像元作为生长的起始点（种子点）。现有的种子点选取方法存在种子点数目较多、效率低以及地物细节种子点不足等问题。针对种子点选取存在的问题，提出一种基于1维光谱差异的区域生长种子点的选取方法。 首先计算像元间1维（水平、竖直）方向上的光谱差异，然后选取光谱差异的局部极小值作为种子点，最后对种子点进行优选，得到区域生长的起点。 应用本文方法选取种子点，对高分辨率的IKONOS遥感影像进行了区域生长。将实验结果与分形网络演化方法及Kernel Graph Cuts方法的分割结果进行了目视对比，并且分别计算了3种方法所得分割结果的基元内部同质性和基元间相关性的评价指数。目视比较的结果表明，本文的种子点选取方法能够为区域生长提供具有代表性的种子点，得到了精细的分割结果。在定量评价上，本文方法也表现出了数值优势，各波段分割质量指数均提高15%以上。 提出的种子点选取方法能够为高分辨率遥感图像的区域生长分割提供具有代表性的种子点，产生精细的分割图像，对于地物细节有良好的分割效果，具有较高的实用价值。关键词：遥感;面向对象图像分析;图像分割;种子区域生长;种子点提取;1维光谱差异3427|226|6更新时间：2024-05-07
遥感图像处理
- 地址：北京市海淀区北四环西路19号中科院电子所主楼223室 邮编：100190
- 联系电话：010-58887035/58887030/58887418 Email：jig@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备05080539号-4
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0