【摘 要】
：
为了进一步突出图像结构中人眼敏感的重要特征,采用复数矩阵表示图像结构,将图像的局部方差和像素灰度值分别作为复数的实部和虚部。进而对复数矩阵进行分块奇异值分解,分析了传统奇异值分解图像质量评价方法的特点,将复数矩阵每一分块奇异值分布的标准差作为分块图像结构的表征,分别计算参考图像与待测图像对应图像分块奇异值标准差,从而得到了图像结构失真映射图谱,通过计算图谱中的数据分布特征得到最终的量化评价结果。采
论文部分内容阅读
为了进一步突出图像结构中人眼敏感的重要特征,采用复数矩阵表示图像结构,将图像的局部方差和像素灰度值分别作为复数的实部和虚部。进而对复数矩阵进行分块奇异值分解,分析了传统奇异值分解图像质量评价方法的特点,将复数矩阵每一分块奇异值分布的标准差作为分块图像结构的表征,分别计算参考图像与待测图像对应图像分块奇异值标准差,从而得到了图像结构失真映射图谱,通过计算图谱中的数据分布特征得到最终的量化评价结果。采用LIVE数据库中包含5种失真类型的779幅测试图像验证所提的算法。试验结果表明,本文方法采用复数矩阵描
其他文献
针对多摄像机全景成像系统在近距离观测时全景图像存在视差失真和拼接费时的问题,提出了一种自适应调整相邻图像间变换矩阵的快速拼接算法。算法根据相邻图像重叠区域的匹配程度,采用快速自适应优化调整算法确定最佳变换矩阵参数,从而实现全景视频图像的无缝拼接。实验结果表明:本文提出的算法可以快速实现多摄像机全景视频图像的光滑拼接,满足近距离全景视频观测的实际要求。
针对传统积分投影方法易受眉毛、睫毛、阴影、遮挡及噪声等干扰的问题,提出了一种梯度积分投影与最大期望(EM)算法相结合的人眼精确定位方法,可以在人脸图像中分割出人眼区域,并精确定位人眼位置。首先,采用一种新的梯度算子计算人脸图像的行梯度积分投影粗略定位人眼区域;然后计算人眼区域的列梯度积分投影函数,用EM算法将所得列梯度积分投影函数曲线拟合成两个高斯曲线,并根据高斯曲线精确分割出人眼窗口;最后,利用
针对三维人脸识别中单一特征信息不足,采用一种基于整体信息和局部信息相融合的识别算法,以提高识别率。首先将预处理的三维点云用多层次B样条曲面拟合,获取精确的人脸曲面拟合函数,将控制点映射为深度图像,并根据人脸曲面函数和生理特征提取过鼻尖的中分轮廓线和水平轮廓线;其次对深度图像采用二维主元分析(2D-PCA)算法提取整体信息,对轮廓线采用改进的ICP算法匹配,作为局部信息;最后用加权求和法在决策级进行
提出一种角膜反射和虹膜中心估计算法相结合的视线估计方法,使用单相机、双辅助光源构建了头部可自由运动的视线估计系统。在准确提取两个反射光斑位置和虹膜中心坐标的基础上,以多项式函数的形式建立视线特征向量与测试屏上注视点坐标之间的映射关系。实验结果表明,系统在水平方向上视线估计的平均误差为0.91°,在垂直方向上平均误差为1.1°,达到了良好的视线估计效果。
针对Mean-Shift算法在目标跟踪中出现由于目标运动速度过快或尺度明显变化以及目标遮挡时导致跟踪失败的问题,结合光流场估计,提出了一种自适应Mean-Shift跟踪算法。本文方法在基于传统均值漂移矢量法的同时,引入光流法,在目标上找寻特征点,通过特征点前后变化的信息,修正跟踪窗口中心位置和大小,再根据Bhattacharyya系数二分法分别自适应得到更为精确的窗口长宽;而针对目标被静止物体遮挡
提出了一种识别遮挡图像表情的方法。先用主元分析(PCA,principal component analysis)算法对遮挡图像重建;然后根据正态分布理论检测出遮挡区域,并根据图像的部分相似性,将遮挡图像嵌入到流形空间中;最后用支持向量机(SVM,support vector machine)实现表情分类。本方法较好地消除了遮挡区检测误差对表情识别的影响,对遮挡图像的表情识别具有良好的鲁棒性。通过
为了得到更好的图像修补结果,提出了一种在分形仿射变换框架下引入两类约束的图像修补算法。分形仿射变换包含几何、同构和亮度3种变换。首先,对选取的定义域块进行前两种分形仿射变换,利用所得的数据块构造码本,并将其作为新的搜索匹配范围。其次,采用改进的双边滤波器,抽取待修补图像的细节图,继而构造权值图。然后,在亮度变换过程中,为待修复块与码本块之间的误差能量函数引入两类约束条件,并通过最小化约束能量函数,
提出一种基于两步双向查找表预测的高光谱图像无损压缩算法。将谱段内预测和谱间预测有效地结合,去除了高光谱图像强的谱间相关性。根据高光谱图像特点,首先,在光谱线的第1谱段图像采用JPEG-LS中值预测器进行谱段内预测,其它谱段图像采用谱间预测。谱间预测采用两步双向预测算法,第1步预测,采用一种双向四阶预测器,利用该预测器得到参考预测值;第2步预测,采用一种8级查表(LUT)搜索预测算法,得出8个LUT
基于小波变换和尺度空间理论,提出了一种尺度与旋转不变的图像特征点的检测方法。首先对图像进行多尺度的M进制小波变换,然后根据M进制小波变换系数的能量构造对应的二阶矩阵,最后通过考察该矩阵的特征值确定图像的特征点。实验表明,与目前最常用的方法相比,本文方法对图像的旋转变化与尺度变化均具有更好的不变性,在光照变化和噪声干扰等外部条件影响下也能保持较高的鲁棒性。
(接上期)3Troubleshooting Tools(问题诊断工具类)Ocula3.0工具集里的Troubleshooting Tools(问题诊断工具类)主要包括:O_DisparityViewer(视差查看器)节点和O_NewView(新视图)节点。