检索结果-南通市图书馆

中国图象图形学报 2021年第5期26卷 1006-1016页

作者：吴江刘春晓浙江工商大学计算机与信息工程学院杭州310018

目的超像素分割是计算机视觉领域常用的一项预处理技术,目标是将相邻像素聚集成为具有一定语义的子区域,能够大幅度降低后续处理的计算复杂度,但是对包含强梯度纹理的图像分割效果不佳,为此提出一种具有纹理感知能力的超像素分割方法。... 详细信息

目的超像素分割是计算机视觉领域常用的一项预处理技术,目标是将相邻像素聚集成为具有一定语义的子区域,能够大幅度降低后续处理的计算复杂度,但是对包含强梯度纹理的图像分割效果不佳,为此提出一种具有纹理感知能力的超像素分割方法。方法提出一种能够区分强梯度噪声和纹理像素的颜色距离,其中利用带方向的1/4圆形窗口均值滤波后的颜色信息,提升包含强梯度噪声和纹理图像的超像素分割性能。利用区间梯度幅值与Sobel梯度幅值相乘得到混合梯度幅值,具有纹理抑制、结构保持以及边缘线条细的优点,能够提升超像素的贴合边缘性能,增强超像素形状规则程度。最后,利用混合梯度的幅值计算具有结构回避能力的综合聚类距离,进一步防止超像素跨越物体的边界,增强超像素的贴边性能。结果在BSDS500(Berkeley segmentation dataset 500)图像数据集和强纹理马赛克图像等不同类型图像上的测试结果显示,与目前主流的超像素分割方法相比,本文算法在UE(undersegmentation error)、ASA(achievable segmentation accuracy)和CM(compactness measure)等性能指标上分别提高了1.5%、0.2%和4.3%。从视觉效果上看,能够在排除纹理干扰的情况下生成结构边缘贴合程度更好的形状规则超像素。结论本文算法在包含强梯度纹理图像上的超像素分割性能优于对比方法,在目标识别、目标追踪和显著性检测等易受强梯度干扰的技术领域具有较大应用潜力。

关键词：图像分割超像素聚类强梯度纹理图像块线性路径

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结合纹理梯度抑制与L_0梯度最小化的纹理滤波

引用

中国图象图形学报 2018年第11期23卷 1666-1675页

作者：邵欢刘春晓浙江工商大学计算机与信息工程学院杭州310018

目的纹理滤波是计算机视觉领域的一个基础应用工具,其目标是抑制图像中不必要的纹理细节和保持图像的主要结构。目前已有的纹理滤波方法多存在强梯度纹理无法被抑制或结构丢失的问题,为此提出一种结合纹理梯度抑制与L_0梯度最小化的纹... 详细信息

目的纹理滤波是计算机视觉领域的一个基础应用工具,其目标是抑制图像中不必要的纹理细节和保持图像的主要结构。目前已有的纹理滤波方法多存在强梯度纹理无法被抑制或结构丢失的问题,为此提出一种结合纹理梯度抑制与L_0梯度最小化的纹理滤波算法。方法首先,提出一种能够区分结构/纹理像素的方向性区间梯度算子,其中采取了局部对比度拉伸和尺度自适应策略,提升了弱梯度结构像素的识别能力。随后,利用区间梯度幅值对原始图像梯度进行抑制,并用抑制后的图像梯度进行图像重建,获得纹理像素梯度小于结构像素梯度的纹理抑制图像。最后,考虑到纹理梯度抑制时会对结构像素的梯度产生一定的衰减作用,本文采用具有梯度提升作用的L_0梯度最小化方法对纹理抑制图像进行滤波,得到纹理抑制结构保持的纹理滤波图像。结果通过测试马赛克和自然风景等不同类型的图片,并与L_0梯度最小化、滚动引导图像滤波、相对总变分、共现滤波等方法相比较,本文算法能够在抑制强梯度纹理的情况下对图像的主要结构得以保持,并且具有良好的普适性和鲁棒性。同时本文将纹理滤波应用于图像的边缘检测和细节增强,取得了不错的效果提升。结论本文算法在兼顾强梯度纹理的抑制和结构的保持方面已超越已有的方法,对于图像的目标识别、图像融合、边缘检测等易受强梯度纹理干扰的技术领域,具有较大的应用潜力。

关键词：纹理滤波 L0梯度最小化强梯度纹理结构保持纹理抑制

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结构识别引导下的纹理抑制图像平滑

引用

中国图象图形学报 2017年第10期22卷 1364-1372页

作者：邵欢傅辛易刘春晓伍敏龚辰余宗杰浙江工商大学计算机与信息工程学院杭州310018 浙江工商大学管理工程与电子商务学院杭州310018

目的针对目前已有的纹理平滑方法难以在抑制强梯度和尺度变化纹理的同时保持完整结构的问题,提出一种结构识别引导下的纹理抑制图像平滑算法。方法首先,结构与纹理的根本区别在于重复模式,结构应该是稀疏的,而纹理应该是一个有重复模式... 详细信息

目的针对目前已有的纹理平滑方法难以在抑制强梯度和尺度变化纹理的同时保持完整结构的问题,提出一种结构识别引导下的纹理抑制图像平滑算法。方法首先,结构与纹理的根本区别在于重复模式,结构应该是稀疏的,而纹理应该是一个有重复模式的区域,因此,通过对结构/纹理的多尺度分析,提取了对于结构/纹理具有辨别力的多尺度内变差特征;然后,借助支持向量机,对提取的特征样本点训练出一个结构/纹理分类器;就分类结果中存在的结构较粗、毛刺等问题,进一步对分类结果进行细化和剔除毛刺与孤立点的后处理操作,以获得最终的更为精细的结构识别结果;最后,提出结构引导下的自适应双边图像滤波算法,达到既能抑制强梯度和尺度变化的纹理又能保持结构完整性的图像平滑效果。结果本文提出的多尺度内变差特征在支持向量机训练中达到了96.12%的正确率,结构引导下的图像滤波能够在保持结构的同时,有效地抑制强梯度和尺度变化的纹理细节。结论本文算法在兼顾结构的保持和强梯度以及尺度变化纹理的抑制方面超越了已有的方法,对于结构提取、细节增强、图像分割、色调映射、图像融合和目标识别等众多技术领域的发展将具有较强的促进作用,体现了潜在的实际应用价值。

关键词：纹理抑制结构识别多尺度内变差强梯度纹理尺度变化

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多尺度内变差的结构检测与纹理滤波算法研究

基于多尺度内变差的结构检测与纹理滤波算法研究

引用

作者：伍敏浙江工商大学

学位级别：硕士

随着机器学习、人工智能的日益发展,图像作为其数据来源,人们对图像处理的要求也越来越高。过去图像滤波主要是为了去除噪声,近些年出现一种新的观点,即滤波不仅要去除噪声,还需要滤除不必要的纹理细节,称之为纹理滤波。该处理在细节增... 详细信息

随着机器学习、人工智能的日益发展,图像作为其数据来源,人们对图像处理的要求也越来越高。过去图像滤波主要是为了去除噪声,近些年出现一种新的观点,即滤波不仅要去除噪声,还需要滤除不必要的纹理细节,称之为纹理滤波。该处理在细节增强、图像抽象、区域分割、目标提取、逆半调等方面都有强大的应用。纹理滤波最核心的是结构和纹理的分离,但是这两者较为相似,如何有效地保持结构同时滤除纹理是纹理滤波过程中的一个重难点。然而大多数已有滤波算法偏向于处理弱梯度纹理的图像,对于强梯度的纹理就失效了。一些基于全局优化的算法将保持结构和图像平滑二者放入能量函数,但是参数难以控制,无法同时做到对结构的保持和对纹理的滤除。为了保证这两项互不干扰,我们考虑把保持结构和图像平滑两项分开,在纹理滤波之前先检测结构,但是已有的结构检测算法并不能很好地适用于纹理滤波算法,为此本文首先提出了一个基于多尺度内变差的结构检测方法,然后提出一个结构引导下的纹理滤波算法,该算法很好地解决已有算法对于的强梯度纹理的局限性。本文主要的创新工作包括以下三个部分:第一,我们提出多尺度内变差来区分结构和纹理,该方法相比单.尺度内变差,对于强弱纹理、不同尺度的纹理的区分更为可可靠。并且基于多尺度内变差我们提取六个有辨别力的特征,作为训练特征。第二,针对SVM分类结果的不足之处,我们设计了三步后处理工作,包括孤立点剔除、多尺度断点连接、基于曲率的结构校正,分别解决了毛刺、漏检、结构偏移等问题,最后得到精细的结构检测图。第三,我们提出结构引导下的自适应的纹理滤波算法,很好地解决了局部滤波的在结构附近的光晕和偏色现象。最后的滤波结果既高效地保持了结构信息,又抑制了纹理细节,效果改善明显。

关键词：纹理滤波结构检测内变差多尺度分析强梯度纹理

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

纹理滤波中的纹理梯度抑制策略和结构像素检测方法

纹理滤波中的纹理梯度抑制策略和结构像素检测方法

引用

作者：邵欢浙江工商大学

学位级别：硕士

纹理滤波是指在保持图像中重要的结构线条信息的同时滤除其中不重要的纹理细节信息,但是要想达到这两个有点相互矛盾的指标非常困难。纹理滤波也是计算机图形学和数字图像处理方面一个基础且重要的研究方向,并且在图像编辑、色调映射、... 详细信息

纹理滤波是指在保持图像中重要的结构线条信息的同时滤除其中不重要的纹理细节信息,但是要想达到这两个有点相互矛盾的指标非常困难。纹理滤波也是计算机图形学和数字图像处理方面一个基础且重要的研究方向,并且在图像编辑、色调映射、高动态范围压缩等领域有着重要的实际应用价值。本文从以下三个方面展开了纹理滤波算法的深入研究:(1)针对强梯度纹理无法抑制的问题,本文提出了一种结合纹理梯度抑制与L0梯度最小化的纹理滤波算法。该方法首先提出一种能够区分结构/纹理像素的方向性半圆梯度算子,其中采取了局部对比度拉伸和尺度自适应策略,提升了弱梯度结构像素的识别能力。随后,利用方向性半圆梯度幅值对原始图像梯度进行抑制,并用抑制后的图像梯度进行图像重建,获得纹理像素梯度小于结构像素梯度的纹理抑制图像。最后,考虑到纹理梯度抑制时会对结构像素的梯度产生一定的衰减作用,本文采用具有梯度提升作用的L0梯度最小化方法对纹理抑制图像进行滤波,得到纹理抑制结构保持的结果。实验结果表明,本文算法能够在抑制强梯度纹理的情况下保持图像的主要结构,并且具有良好的普适性和鲁棒性。(2)针对精细结构无法保持和虚拟边缘难以生成的问题,本文提出了一种结构检测引导下符合视觉感知的纹理滤波算法。该方法首先计算方向性半圆梯度,并对其幅值进行非极大值抑制,得到初步的结构检测结果。随后,采用虚假边缘抑制策略去除初步检测结果中的毛刺和孤立点,利用结构矫正方法校正偏离原始位置的结构像素,通过结构补全操作挽回丢失的复杂结构。经过以上三步后处理策略即可得到精细的结构检测图。最后,对结构图赋予方向性半圆梯度得到理想的梯度场,并利用该梯度场重建滤波图像。实验结果表明,本文算法能够在抑制强梯度纹理的情况下较好地保持弱梯度结构和复杂结构,同时生成符合人类视觉感知的虚拟边缘。(3)针对手工设计特征困难的问题,本文提出了一种基于深度结构预测的自适应联合纹理滤波算法。该方法首先提出一种基于稠密网络和翅膀损失函数的深度结构模型,其能够较好地预测每个像素的结构概率值,并且在手工采集并通过数据增广的结构/非结构数据集中达到94.26%的准确率。然后,利用结构概率值估计每个像素的最优滤波尺度,并通过尺度自适应的高斯滤波获得纹理大多被抑制的引导图像。最后,结合基于引导图的联合纹理滤波方法,得到纹理抑制结构保持的滤波结果。实验结果表明,本文算法提出的深度结构模型能有效预测结构概率,再结合尺度自适应的联合纹理滤波方法,能较好地抑制纹理并保持图像主要结构。

关键词：强梯度纹理虚拟边缘细尺度特征半圆梯度结构检测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：