检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

边缘保护滤波的多焦点图像融合算法

激光与红外 2013年第7期43卷 814-817页

作者：康长青郑毅刘雨潇湖北文理学院数学与计算机科学学院襄阳441053

已有的多焦点图像融合算法要么基于不含噪声的源图像假设,要么进行高频滤波时造成边缘特征的破坏;针对这些不足,提出边缘保护滤波的图像融合算法。首先利用局部细节特征的各向异性,建立了能够同时去噪和融合的能量函数,然后采用多焦点... 详细信息

已有的多焦点图像融合算法要么基于不含噪声的源图像假设,要么进行高频滤波时造成边缘特征的破坏;针对这些不足,提出边缘保护滤波的图像融合算法。首先利用局部细节特征的各向异性,建立了能够同时去噪和融合的能量函数,然后采用多焦点特征加权的融合规则,建立了能量函数的迭代求解策略。实验结果表明,算法的残留噪声更少,结构相似度和视觉融合质量更高。

关键词：多焦点图像融合边缘保护能量函数

在线全文

学校读者我要写书评

暂无评论

基于遗传算法和形态学运算的多焦点图像融合

计算机科学 2007年第12期34卷 233-237页

作者：吕英华刘大友冯雪孔俊郑凯元王茹娟吉林大学计算机学院长春130012 东北师范大学计算机学院

目前大多数图像融合算法将每个像素都独立对待,使像素之间关系割裂开来。本文提出了一种基于形态学算法和遗传算法的多焦点图像融合方法,此种方法有效地结合了像素级融合方法和特征级融合方法。其基本思想是先检测出原始图像中清晰聚焦... 详细信息

目前大多数图像融合算法将每个像素都独立对待,使像素之间关系割裂开来。本文提出了一种基于形态学算法和遗传算法的多焦点图像融合方法,此种方法有效地结合了像素级融合方法和特征级融合方法。其基本思想是先检测出原始图像中清晰聚焦的区域,再将这些区域提取出来,组成各部分都清晰聚焦的结果图像。实验结果证明,此方法优于Haar小波融合方法和形态学小波融合方法。特别是在原始图像没有完全配准的情况下,此种方法更为有效。

关键词：多焦点图像融合形态学运算遗传算法区域检测

在线全文

学校读者我要写书评

暂无评论

基于梯度域的光场全聚焦图像生成方法

西南大学学报（自然科学版） 2020年第10期42卷 174-182页

作者：苏博妮四川文理学院智能制造学院四川达州635000

光场相机存在着空间分辨率和角度分辨率相互制约、成像分辨率不高的问题.针对这一问题,将传统图像融合方法与光场重聚焦技术相结合,提出了一种基于梯度域的光场全聚焦图像生成方法.以Lytro相机光场数据为基础,通过光场重聚焦提取焦点堆... 详细信息

光场相机存在着空间分辨率和角度分辨率相互制约、成像分辨率不高的问题.针对这一问题,将传统图像融合方法与光场重聚焦技术相结合,提出了一种基于梯度域的光场全聚焦图像生成方法.以Lytro相机光场数据为基础,通过光场重聚焦提取焦点堆栈图像,然后将焦点堆栈图像按亮度和色度通道分别进行处理:亮度通道融合采用基于小波分解的梯度积分算法,色度通道融合采用基于像素的色度通道加权求和方法.实验表明,该方法融合亮度通道执行效率高,融合色度通道简单有效,能够生成清晰的光场全聚焦图像,提高了光场图像空间分辨率.

关键词：光场全聚焦图像多焦点图像融合梯度域焦点堆栈

基于深度卷积网络的多焦点图象融合算法研究与检测应用

在线全文

学校读者我要写书评

暂无评论

基于深度卷积网络的多焦点图象融合算法研究与检测应用

作者：王杰北京邮电大学

学位级别：硕士

在工业视觉应用的缺陷检测中,工件图像的采集质量极大的影响着检测模型的精度。由于缺陷产生的随机性,工件表面的缺陷总是很难保持在一个高度层面。而在图像拍摄过程中,由于相机景深有限,处在相机景深范围内的物体可以在图像中清晰成像... 详细信息

在工业视觉应用的缺陷检测中,工件图像的采集质量极大的影响着检测模型的精度。由于缺陷产生的随机性,工件表面的缺陷总是很难保持在一个高度层面。而在图像拍摄过程中,由于相机景深有限,处在相机景深范围内的物体可以在图像中清晰成像,而超出相机景深范围的物体只能在图像中模糊成像。为此,现有图像采集装置很难直接采集到完整的工件缺陷。而无法获取全部物体的清晰成像对后续图像检测、识别造成了极大的影响。因此构建基于图像融合的计算机辅助检测系统可以弥补因硬件系统限制而造成的检测误差,提高系统的检测准确率。本文基于深度卷积网络,从多焦点图像融合及检测应用两个方面进行研究。本文的主要研究工作如下:（1）本文通过改进编解码网络,提出具有像素矫正模块的多焦点图像融合网络。首先在编解码网络之中引入像素矫正模块,通过使用横向连接将编码网络中低层图像空间位置特征与解码网络中的高层图像语义特征相融合,消除解码时产生的像素误差。然后引入结构相似性损失函数,减小融合图像在结构信息上的损失。最后,考虑到现有多焦点图像数据集的稀少以及深度神经网络需要大量训练数据,使用精细标注的图像分割数据集制作训练数据集,进一步提升融合精度。与现有几种优秀融合方法相比,该方法融合质量较好,对细节保留更加令人满意。（2）利用多焦点图像融合解决实际问题。在实际工业车间中的刀具豁口检测任务中,针对现有图像采集系统无法完整获取待测刀具表面完整信息的问题,引入实时性更好的多焦点图像融合方法获取更完整的刀具豁口显微信息。对于大型豁口无法被单张图像所获取的情况,利用基于包络线的图像拼接方法较好的将大型豁口通过一张拼接图像所显示。最后,根据图像包络线去拟合出一条刀具原始边缘线,与实际包络线结合完成豁口的精确检测。实验结果表明,该方法对无法完整拍摄清晰的刀具豁口有较好的识别效果。

关键词：多焦点图像融合深度卷积网络编解码网络图像融合应用豁口检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

离焦图像清晰区域分割方法研究

离焦图像清晰区域分割方法研究

作者：孙涛西安电子科技大学

学位级别：硕士

本文主要讨论了离焦模糊图像清晰区域的分割及应用。本文首先从光学成像原理上分析了离焦模糊的形成原因,并建立了基于区域的离焦模糊模型。由于图像离焦模糊主要反映在图像边缘特征上,所以本文在经典“sobel”边缘提取方法的基础上,提... 详细信息

本文主要讨论了离焦模糊图像清晰区域的分割及应用。本文首先从光学成像原理上分析了离焦模糊的形成原因,并建立了基于区域的离焦模糊模型。由于图像离焦模糊主要反映在图像边缘特征上,所以本文在经典“sobel”边缘提取方法的基础上,提出了基于边缘最大梯度的边缘细化方法。接着,本文先是使用边缘最大梯度和过渡区宽度这两个特征对图像的细节区域进行分类;再依据就近原则,使用竞争型神经网络对图像的平坦区域进行分类;然后根据图像的锐利分布情况和地域性原则,实现了图像的清晰区域分割和排序。最后,本文把清晰区域分割方法应用到图像复原领域,实现了基于区域的图像复原;又应用到多焦点图像融合领域,提出了一种新的融合规则,实现了多焦点图像间的融合,得到了非常理想的融合效果。

关键词：离焦模糊边缘提取清晰区域分割图像复原多焦点图像融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

图像分类与融合研究基于机器学习技术

图像分类与融合研究基于机器学习技术

作者： Sarwar Shah Khan 北京化工大学

学位级别：硕士

视觉对人类具有至关重要的意义,图像在人类生活中广泛分布。因此,图像处理被广泛应用于遥感,军事,医疗等领域。如今,人们很容易通过数字技术获取大量图像。图像处理需要能够解决更复杂的问题,适应人类视觉。机器学习技术是图像处理开发... 详细信息

视觉对人类具有至关重要的意义,图像在人类生活中广泛分布。因此,图像处理被广泛应用于遥感,军事,医疗等领域。如今,人们很容易通过数字技术获取大量图像。图像处理需要能够解决更复杂的问题,适应人类视觉。机器学习技术是图像处理开发的重要部分。因为数据集的发展,图像处理和机器学习引起了巨大的关注。基于机器学习的图像处理有很多优势,能够更好地理解复杂的图像。本文研究了三个方面问题:多光谱和全色图像的锐化、多焦点图像融合和高光谱图像分类。首先,图像锐化前进行图像增强,它是一个预处理的过程。图像增强包括同域增强和交叉域增强。同域增强方法（如拉普拉斯、边缘锐化）是在空间域增强多光谱和全色图像。交叉域增强方法是混合了拉普拉斯滤波器和离散傅里叶变换锐化。其次,使用抠图模型（MM）融合增强后的图像,获得高分辨率合成图像。定性和定量的实验结果表明本文方法在两个数据集上优于现有方法。多焦点图像是当视场超过成像系统景深时,导致图像模糊”。彩色多焦点图像融合是合并多张多焦点图像,获得清晰的合成图像。该方法分为两步。首先,通过具有离散傅立叶变换（DFT）和拉普拉斯滤波器（LF）技术增强了多焦点图像。其次,通过静止小波变换（SWT）对增强图像进行进一步处理,获得更多信息的融合图像。定性和定量方法实验结果表明,该方法的结果犹豫传统的SWT方法。。本文提出了基于最近正则化子空间（NRS）的高光谱图像（HSI）分类。因为NRS利用距离加权的Tikhonov正则化来确保类内相似样本的适当表示,NRS优于协同表示分类和基于稀疏表示的技术。然而,典型的NRS仅考虑欧几里德距离,这对于解决频谱绝对幅度中的灵敏度问题不是最佳的。提出了一种基于NRS-曼哈顿距离（MD）策略的HSI分类。MD控制了幅度变化并强化了频谱的形状。此外,MD度量使用HSI像素全维度的光谱带的全部信息,这使NRS-MD成为更有效的像素分类器。通过印度松树,博茨瓦纳,萨利纳斯和休斯敦高光谱数据的实验结果表明,NRS-MD优于现有方法。

关键词：机器学习全色锐化多光谱图像全色图像多焦点图像融合高光谱图像分

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于无监督学习的空间域图像融合方法

湖北工业大学学报 2020年第2期35卷 52-55,105页

作者：王淑青蔡颖婧湖北工业大学湖北省电网智能控制与装备工程技术研究中心湖北武汉430068 湖北工业大学电气与电子工程学院湖北武汉430068

针对多焦点图像融合问题,提出一种新的无监督深度学习模型。首先,训练一个无监督的编解码器网络来提取输入图像的深层特征,然后利用这些特征和空间频率来测量图像像素活跃度并得到决策图。最后,应用一致性验证方法对决策图进行调整,得... 详细信息

针对多焦点图像融合问题,提出一种新的无监督深度学习模型。首先,训练一个无监督的编解码器网络来提取输入图像的深层特征,然后利用这些特征和空间频率来测量图像像素活跃度并得到决策图。最后,应用一致性验证方法对决策图进行调整,得出融合结果。该方法的关键在于,只有在景深(DOF)范围内的物体在照片中才有明显的锐度,而其他物体很可能是模糊的。本方法是在深度特征上分析锐度的特征,而不是原始图像。实验结果表明,与已有的16种融合方法相比,该方法在客观评价和主观评价方面均取得了较好的融合效果。

关键词：多焦点图像融合像素活跃度深度特征决策图