计算机视觉技术在图像特征提取中的应用研究,基于图像特征提取的图像融合研究...

基于图像特征提取的图像融合研究

【摘要】：视觉信息是人类从自然界中获取信息的最主要手段,图像信息是一种主观性很强的重要信息表达形式,也是最难由计算机认知、处理与实现的信息之一。而图像特征提取作为计算机模拟人类视觉系统对图像进行识别分类重要方法,是计算机自动化地实现图像信息理解、处理、决策的基础,也一直是计算机视觉技术领域中研究热点。图像特征指图像中固有的、本质的特征或属性,包括自然特征(亮度、色彩、纹理等)和人为特征(频谱、直方图等),而特征提取即对这些重要的图像信息进行量测并将结果数值化。

图像特征提取是高层次图像信息分析决策的重要依据,它的表征性能直接决定了实际图像处理问题的效率和精度。然而,由于真实世界中图像信息的复杂性与多样性,并且对应于不同的处理要求,对于图像特征提取的特质要求也不径相同,因而,图像特征提取在应用方面仍然存在着很大的发展提升空间。这就需要我们对图像信息本身进行深入的分析研究,合理而准确的定位和提取关键的图像特征,并以此提高图像处理(如,提高图像分割精度、融合质量等)问题的最终效果。

本文立足于基于图像特征提取的图像融合应用研究,主要内容和创新之处可如下:

1.在图像特征提取的算法方面,本文详细研究了独立成分分析(Independent Component Analysis, ICA)模型及其相关的拓展模型—加入了图像拓扑结构信息的拓扑独立成分分析(Topology ICA, TICA)模型和通过非线性系统描述经典ICA模型中“伪独立”成分之间残余相关性的多线性独立成分分析(Multilinear ICA, MICA)模型。ICA相关特征提取方法的最大优势在于其能够通过分析信号高阶统计特性来反映图像的具体特征,较为符合视觉系统对图像信号的感受,从而获得我们感兴趣的目标特征。仿真实验表明,ICA系列模型有着非常强的图像特征描述能力,在图像纹理分割、图像融合方面,都有着优于一些常用的方法的应用效果。

2.针对彩色图像颜色特征的提取,本文跳出了传统的RGB色度空间的分析模式,以人类视觉系统认知颜色信息的实际情况为考量,在更加符合人眼主观感知的a*b*色度空间下,对颜色视觉强度的进行Kmeans聚类,并以此提出了基于图像色度分布特征(Chromaticity Distribution Feature, CDF)的颜色特征提取方法。CDF的最大优势是从主观感官上将颜色对图像的影响进行了分离,不仅降低了算法复杂度,并且更加符合人眼对图像色度特征的直观感受。

3.在彩色图像融合方面,为了避免图像像素级的多尺度融合引入的人工误差,本文着眼于图像的特征级融合方法,即先利用图像特征提取将源图像中的有效特征信息提取出来,然后再根据某种融合规则进行融合。为此,本文将研究分为两个方面,基于时域特征提取的融合算法以及基于变换域特征提取的融合算法:

(1)针对基于时域特征提取的融合算法,本文分别提出了两种方法:基于CDF特征提取以及区域特征提取的CDFNM融合方法、利用进化计算优化提取图像区域特征的EC融合方法。由于人眼在认知彩色图像时是区域性的,即自动将颜色相近的相邻像素点划分为区域单位,而上述两种算法正是以区域特征作为认知对象的数据输入,这也是二者的最大优势。实验结果表明,这两种算法与传统的融合方法相比,在融合质量上有了明显提升,并且能有效地减少人为误差信息的引入,在融合图像边缘和细节位置的处理上也具有较好的效果。

(2)随着ICA及其拓展模型的引入,本文将视野转向基于MICA变换域特征提取的融合算法研究。本文利用了MICA能够从整体上突出图像独立的显著特征这一点优势,将CDF特征提取法和MICA特征提取法相结合,充分发挥二者在彩色图像特征描述中的优势,设计了基于CDF和MICA的彩色图像融合方法。并且针对图像融合应用的本质要求,提出了基于区域的融合规则和基于误差范式的融合规则,进一步强化特征区域中图像显著信息对融合结果的影响,而削弱不感兴趣区域的图像信息输入。

【相似文献】

中国期刊全文数据库

前20条

1

隋成华,徐来定;利用子波变换实现多通道复合图像特征提取[J];中国激光;2000年08期

2

孙冬;明军;臧小溪;;利用能量特征进行条烟识别[J];计算机技术与发展;2006年04期

3

陈菲;;基于BP神经网络的超声肝图像识别[J];兵工自动化;2007年08期

4

李巍;赵林;;图像匹配中特征提取算法研究[J];黑龙江科技信息;2009年35期

5

陈献忠;苏庆刚;王耀明;;应用于人脸识别的结合SVD变换的图像类特征提取算法[J];计算机应用与软件;2010年09期

6

甘俊英,张有为,毛士艺;自适应主元提取算法在人脸图像特征提取中的应用[J];五邑大学学报(自然科学版);2001年04期

7

宋凯;路筠;郁晶源;;链码表和线段表用于图像特征提取的研究[J];控制工程;2006年05期

8

郭志涛;袁金丽;张秀军;范书瑞;;基于改进的PSO神经网络的手写体汉字识别[J];河北工业大学学报;2007年04期

9

成琳;陈俊杰;相洁;;图像颜色征提取技术的研究与应用[J];计算机工程与设计;2009年14期

10

毛家发,马燕,周玉林,熊鹏荣;人脸识别算法研究—基于图像多路正交投影和最小类距离分类器[J];计算机工程与应用;2005年27期

11

尚丽;陈杰;周燕;张丽;;基于非负稀疏编码的图像特征提取及应用[J];苏州市职业大学学报;2007年02期

12

姚红革;杜亚勤;刘洋;;基于小波分析和BP神经网络的图像特征提取[J];西安工业大学学报;2008年06期

13

程正东;章毓晋;樊祥;;2DPCA在图像特征提取中优于PCA的判定条件[J];工程数学学报;2009年06期

14

甘俊英,张有为,毛士艺;自适应主元提取算法及其在人脸图像特征提取中的应用[J];电子学报;2002年07期

15

蒋礼;彭高辉;袁合才;;运用各向异性小波变换进行图像特征提取[J];华北水利水电学院学报;2007年04期

16

刘振宪;;基于图像特征提取的搜图引擎[J];教育信息化;2005年13期

17

杨育彬,李宁,陈世福,陈兆乾;基于图像特征的智能肺癌识别(英文)[J];南京大学学报(自然科学版);2003年02期

18

谭南虹;施鹏飞;;基于心理学的图像多分辨率统计特征提取[J];仪器仪表学报;2006年S3期

19

初耀军;;基于遗传算法的小波神经网络的图像特征提取的探讨[J];电脑知识与技术;2009年21期

20

黄德玲;赖均;李波;;对邮件中垃圾图像识别的研究[J];重庆邮电学院学报(自然科学版);2006年S1期

中国重要会议论文全文数据库

前7条

1

谢志宏;颜巾惠;白羽;魏磊;;完全仿射不变的图像特征提取算法研究[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

2

张洋;;自动掌纹图像识别[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集(下)[C];2008年

3

刘兆英;周付根;白相志;;基于小波不变矩的多模图像特征提取及匹配技术[A];第九届全国光电技术学术交流会论文集(下册)[C];2010年

4

吴霜;张一飞;修非;王大玲;鲍玉斌;于戈;;基于兴趣点特征提取的医学图像分类[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年

5

修非;吴霜;付立冬;鲍玉斌;王大玲;;基于灰度-单元差分共生矩阵的医学图像的检索与分类[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年

6

彭菲;刘维湘;陈自强;尤江生;袁克虹;;基于内容图像搜索的医学图像数据库建立[A];第二十四届中国数据库学术会议论文集(技术报告篇)[C];2007年

7

尚丽;;使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年

中国博士学位论文全文数据库

前10条

1

戴金波;基于视觉信息的图像特征提取算法研究[D];吉林大学;2013年

2

廖文志;超光谱遥感图像特征提取和分类研究[D];华南理工大学;2012年

3

施展;图像特征提取与识别的迹空间投影方法研究[D];华南理工大学;2012年

4

程红蓉;垃圾图像特征提取与选择研究[D];电子科技大学;2011年

6

姚克明;火星无人机控制与自主导航关键技术研究[D];南京航空航天大学;2011年

8

中国硕士学位论文全文数据库

前10条

4

赵国超;基于细胞核分析的癌细胞图像特征提取与识别[D];武汉理工大学;2013年

5

牛增慧;信函图像特征提取和分析[D];华东师范大学;2011年

6

曹寅;基于图像特征提取的图像融合研究[D];上海交通大学;2011年

7

王素环;图像特征提取及其在电子商务中的应用[D];山东大学;2013年

9

戴志阳;监督流形学习在图像特征提取中的应用[D];兰州理工大学;2013年

10

及林;基于图像特征提取的火灾检测[D];大连理工大学;2013年