【摘 要】
：
利用混合高斯模型(gaussian mixture model,GMM)学习自然图像块的纹理结构,提出一种基于图像块先验的低秩近似和维纳滤波的去噪算法。该算法能够同时利用外部图像块的先验结构信息和内部图像的自相似性,对待去噪图像进行分块聚类,并根据每类相似块的数量进行协同滤波。当相似图像块数量较多时,采用低秩近似的方法复原,有效利用图像的内部自相似性;当相似图像块数量较少时,采用维纳滤波,利用先验
论文部分内容阅读
利用混合高斯模型(gaussian mixture model,GMM)学习自然图像块的纹理结构,提出一种基于图像块先验的低秩近似和维纳滤波的去噪算法。该算法能够同时利用外部图像块的先验结构信息和内部图像的自相似性,对待去噪图像进行分块聚类,并根据每类相似块的数量进行协同滤波。当相似图像块数量较多时,采用低秩近似的方法复原,有效利用图像的内部自相似性;当相似图像块数量较少时,采用维纳滤波,利用先验信息保持图像重要的纹理结构。试验结果表明此方法较适用于弧形边界和角点等存在较少相似块的自然图像,其峰值信
其他文献
近些年来,伴随着图像视频的处理技术与人工智能技术的飞速发展,计算机的视觉图像处理技术也得到快速地发展并应用到各个学科领域。在已有成果的基础上,以运动目标的检测与跟踪为突破点,并借助相关算法进行研究:检测并提取被监控的场景中的运动目标;基于检测到的运动目标的有效特征,寻找最优的匹配算法,找到与目标模板相似的序列图像定位。
为精确识别微间隙焊缝(焊缝间隙<0.1mm),通过磁光传感器获取包含焊缝位置信息的磁光图像。由于在获取磁光图像的过程中受多种因素影响,所提取的磁光图像包含噪声干扰,这将严重影响焊缝识别与跟踪精度。为提高磁光图像质量,将三种空域滤波技术在不同的滤波窗口下应用到焊缝磁光图像去噪中,并采用信噪比(SNR)、均方差(MSE)和执行时间三种评价标准进行对比。通过综合分析,滤波窗口为3×3的中值滤波是最佳滤波
An automatic three-dimensional(3D) reconstruction method based on four-view stereo vision using checkerboard pattern is presented. Mismatches easily exist in traditional binocular stereo matching due
目的:针对传统人工感官评价缺陷,建立客观、量化、有效和无损的芽形绿茶外形品质表征方法。创新点:采用图像特征(色泽和纹理)和Ada Boost改进的ELM(极限学习机)混合算法(Ada-ELM),明确了茶叶外形表象与人的感官感受间的非线性量化解析关系。方法:基于机器视觉和图像处理技术,提取不同品质茶样的纹理和色泽等图像特征(表1),并与专家感官评分进行关联分析,筛选出10个极显著相关的特征变量(图1
目前,伴随着火星探测的兴起,火星飞机越来越受重视。目前对火星大气研究不充分,火星飞机飞行环境特殊,存在强烈的不确定性和干扰。同时稀薄的火星大气与受限的飞机尺寸限制了操纵的机构控制能力。为了解决这2个关键问题,提出了一种基于复合抗饱和策略的自适应控制器,将模型误差、不确定性和干扰视为系统的"总和扰动",利用扩张状态观测器观测并加以补偿。针对控制能力受限带来的控制饱和,提出伪控制限制与基于误差补偿的扩
针对局部约束线性编码(LLC)没有考虑到特征描述符与视觉单词之间的显著相似关系问题,提出了结合显著相似关系的局部约束线性编码.通过显著kNN搜索方法和显著最大池方法将显著相似关系结合到LLC中,首先计算描述符和视觉单词之间的显著相似度,然后分别加入到kNN搜索方法和最大池方法中对LLC进行改进,最后在UIUC8等数据集上进行了实验.该方法相比传统LLC方法及其改进方法,图像分类精度有一定的提升.
针对不完全量测下利用电视摄像机的单站水面目标被动跟踪问题,提出了一种基于机器视觉被动测距的联邦目标跟踪算法.首先,利用机器视觉技术设计了目标距离的被动测量方法;其次,依据测量机理将测量通道分解为机器视觉被动测距通道和传统测角通道,基于验后置信度残差检测的平方根容积卡尔曼滤波(SRCKF)设计了双通道子滤波器,并对子滤波器估计结果进行联邦结构融合得到最终估计结果.通过OpenGL仿真目标图像和真实水
为了提高重建图像质量,减少处理时间,提出一种基于L_(1/2)正则约束的单帧图像超分辨率重建算法.该算法在稀疏重建字典对训练阶段,为了有效提取低分辨率图像边缘、纹理等特征细节信息,采用小波系数单支重构方法对低分辨率图像进行特征提取;而在图像重建阶段,为了解决基于L1正则模型得到的解时常不够稀疏,重建图像质量有待进一步提高的问题,采用L_(1/2)范数代替L1范数构建超分辨率重建模型,并且采用一种快
为解决在使用期望最大化(EM)算法求解混合模型前需要额外的计算问题,提出一种新的基于Markov随机场的Students t混合模型,该模型能直接利用简单有效的EM算法求解。试验结果表明,该方法能有效克服噪声对图像分割的影响,获得较好的分割结果。
为了在图像显著性区域提取过程中改善算法的自适应性和精准度,提出基于自适应流形相似性的图像显著性区域检测算法。将图像分割成超像素,根据图像中显著性区域频率变化比较大的特性,生成图像显著性区域的高频节点;针对高频节点利用凸包运算寻找显著性区域的种子节点;使用流形算法在图像中对种子节点进行显著性区域信息扩散,得到图像的显著性区域。试验结果表明:利用流形算法搭建求解每个数据的邻接矩阵进行信息扩散,能够在保