• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 14
    • 下载费用:30 金币  

    重庆时时彩买组六技巧: 基于显著结构度量模型的图像平滑方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410213486.7

    申请日:

    2014.05.20

    公开号:

    CN103985095A

    公开日:

    2014.08.13

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||专利申请权的转移IPC(主分类):G06T 5/00变更事项:申请人变更前权利人:北京理工大学变更后权利人:北京理工大学变更事项:地址变更前权利人:100081 北京市海淀区中关村南大街5号变更后权利人:100081 北京市海淀区中关村南大街5号变更事项:申请人变更后权利人:北京理工大学深圳研究院登记生效日:20140911|||实质审查的生效IPC(主分类):G06T 5/00申请日:20140520|||公开
    IPC分类号: G06T5/00 主分类号: G06T5/00
    申请人: 北京理工大学
    发明人: 黄华; 臧彧; 张磊
    地址: 100081 北京市海淀区中关村南大街5号
    优先权:
    专利代理机构: 代理人:
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410213486.7

    授权公告号:

    |||||||||

    法律状态公告日:

    2016.08.24|||2014.10.08|||2014.09.10|||2014.08.13

    法律状态类型:

    授权|||专利申请权、专利权的转移|||实质审查的生效|||公开

    摘要

    本发明方法涉及一种基于显著结构度量模型的图像平滑方法,包括以下步骤:首先基于视觉显著的边缘结构所具有的非周期性、局部方向性等特点,定义一种自适应的图像显著结构度量;基于这一度量模型,提出一种优化策略进行图像极值点分布估计;根据所得极值点,提出各向异性的冲击滤波算法计算中值包络,生成平滑后的基图像,完成图像平滑。该方法可实现强度对比与尺度无关的图像平滑效果,使图像中显著的视觉结构得以完整保持甚至增强,相较国际上最新的平滑算法效果提升明显。

    权利要求书

    权利要求书
    1.  一种基于显著结构度量模型的图像平滑方法,其特征在于,包括以下步骤:
    步骤1:提出图像显著结构的度量模型:
    Mp=Ap·Dp·Lp
    其中Mp是像素点p的显著性度量;函数Ap、Dp以及Lp是关于视觉显著结构的各向异性、非周期性以及局部方向性的度量,计算公式如下:
    Ap=λ1,p-λ2,pλ1,p+λ2,p]]>
    Dp=Σq&Element;N(p)Aq&CenterDot;<&epsiv;&RightArrow;p,&epsiv;&RightArrow;q>Σq&Element;N(p)Aq]]>
    Lp=|Σq&Element;N(p)wp,q&CenterDot;&dtri;xIq|+|Σq&Element;N(p)wp,q&CenterDot;&dtri;yIq|]]>
    其中λ1,p和λ2,p为像素点p处的结构张量矩阵的特征值,λ1,p>=λ2,p,λ1,p为主特征值,λ2,p为副特征值,像素点p处的结构张量矩阵Sp的计算公式如下:
    Sp=Σq&Element;N(p)<&dtri;xIq,&dtri;xIq>Σq&Element;N(p)<&dtri;xIq,&dtri;yIq>Σq&Element;N(p)<&dtri;xIq,&dtri;yIq>Σq&Element;N(p)<&dtri;yIq,&dtri;yIq>]]>
    其中N(p)表示像素点p的一个邻域;q∈N(p)表示q为N(p)内的一个像素点;和表示通过Sobel算子算得的沿x方向和y方向的偏导数;Iq为像素点q的强度值;<·,·>表示内积运算;分别为像素点p和q处的结构张量矩阵对应的主特征向量;权值wp,q计算公式如下:
    wp,q=exp(-|xp-xq|+|yp-yq|2σ2)]]>
    其中(xp,yp)为像素点p的坐标;(xq,yq)为像素点q的坐标;σ为高斯函数的标准差;
    步骤2:基于显著结构度量模型提出一种优化策略进行图像极值点分布估计, 包括以下过程:
    (a)将极值点分布问题抽象为能量函数的优化问题:
    argminlp(ΣpOlp+αΣq&Element;N(p)Slp,lq)]]>
    其中标签lp∈{0,1}指示像素点p是否是极值点,lp=1代表是,lp=0代表否;q为p的一个邻域N(p)内的一个像素点;α是平衡因子;数据项计算公式如下:
    Olp=(Mp-Mμ)+KΣq&Element;N(p)sign(Ip-Iq)iflp=0Olp=-(Mp-Mμ)-KΣq&Element;N(p)sign(Ip-Iq)iflp=1]]>
    其中模式控制符K∈{1,-1},K=1时对应于极大值检测,K=-1时对应于极小值检测;函数sign(·)为标准符号函数,当a>0时sign(a)=1,a<0时sign(a)=-1,a=0时sign(a)=0;Mp表示像素点p的显著性度量;Mμ为显著性度量的平均值;Ip和Iq为像素点p和q的强度值;平滑项计算公式如下:
    Slp,lq=-C(lp.lq)|Ip-Iq|+&Element;]]>
    其中函数C(lp,lq)当lp=lq定义为lp·lq,否则定义为lp+lq;∈为一个防止分母为0的极小正值;
    (b)采用图割算法对能量函数优化求解,K=1时获得极大值分布,K=-1时获得极小值分布,lp=1的像素点即为极值点;
    步骤3:根据步骤2所得极值点分布,提出各向异性的冲击滤波算法计算中值包络,完成图像平滑,该步骤包括以下过程:
    (a)根据极值点分布,通过三次样条插值得到极大值包络Ep和极小值包络ep;
    (b)通过下式计算中值包络:
    hp=T(1-Mp&CenterDot;sign(Gp)2)Ep+(1-T(1-Mp&CenterDot;sign(Gp)2))ep]]>
    其中象素点p的边缘检测算符Gp通过下式计算:
    Gp=c2Ixx+2csIxy+s2Iyy
    其中c和s为与λ2,p对应的特征向量的两个分量;Ixx为图像在像素点p处沿x方向的二阶偏导数;Iyy为图像在像素点p处沿y方向上的二阶偏导数;Ixy为图像在像素点p处沿x方向和y方向上各计算一次一阶偏导数的结果;函数T(x)可通过下式计算:
    T(x)=(1+tanh(λ(x-0.5)))2]]>
    其中tanh()为双曲正切函数;λ为控制增强程度的因子;
    (c)所得中值包络hp即为平滑图像。

    2.  根据权利要求1所述的一种基于显著结构度量模型的图像平滑方法,其特征在于,α=0.2。

    3.  根据权利要求1所述的一种基于显著结构度量模型的图像平滑方法,其特征在于,∈=0.0001。

    4.  根据权利要求1所述的一种基于显著结构度量模型的图像平滑方法,其特征在于,λ=0.85。

    5.  根据权利要求1所述的一种基于显著结构度量模型的图像平滑方法,其特征在于,N(p)为边长5像素的正方形区域。

    说明书

    说明书基于显著结构度量模型的图像平滑方法
    技术领域:
    本发明涉及一种图像平滑方法,特别涉及一种基于显著结构度量模型的图像平滑方法,属于图像处理领域。
    背景技术
    随着图像滤波技术的不断发展,各类新型图像平滑方法为图像处理中的各个方面如数字娱乐,检测与识别,编辑与合成等方面提供了非常有益的帮助。因此,不断改善图像平滑方法性能,扩展其应用领域得到了国外学者的广泛研究。
    传统图像平滑方法由于缺乏认知理论指导,因此难以在平滑过程中对比无关、尺度无关地保持显著视觉结构,并同时保证高效率、强鲁棒的算法表现。针对以上问题,根据认知心理学中关于人类认知规律的理论,本专利基于视觉显著的边缘结构所具有的非周期性、局部方向性等特点,定义了一种自适应的图像显著结构度量;进而通过这一度量指导经验模式分解过程中的极值点分布与均值包络的计算。该方法在不增大计算量的同时,可实现强度对比与尺度无关的图像平滑效果,使图像中显著的视觉结构得以完整保持甚至增强,相较国际上最新图像平滑算法效果提升明显。
    发明内容
    本发明的目的是为解决传统图像平滑方法难以在平滑过程中对比无关、尺度无关地保持显著视觉结构,并同时保证高效率、强鲁棒性的问题,提出一种基于显著结构度量模型的图像平滑方法。
    本发明技术方案的思想是首先基于视觉显著的边缘结构所具有的非周期性、 局部方向性等特点,定义一种自适应的图像显著结构度量;基于这一度量模型,提出一种优化策略进行图像极值点分布估计;根据所得极值点,提出各向异性的冲击滤波算法计算中值包络,生成平滑后的基图像,完成图像平滑。
    本发明的具体实现步骤如下:
    一种基于显著结构度量模型的图像平滑方法,包括以下步骤:
    步骤1:提出图像显著结构的度量模型:
    Mp=Ap·Dp·Lp
    其中Mp是像素点p的显著性度量;函数Ap、Dp以及Lp是关于视觉显著结构的各向异性、非周期性以及局部方向性的度量,计算公式如下:
    Ap=λ1,p-λ2,pλ1,p+λ2,p]]>
    Dp=Σq&Element;N(p)Aq&CenterDot;<&epsiv;&RightArrow;p,&epsiv;&RightArrow;q>Σq&Element;N(p)Aq]]>
    Lp=|Σq&Element;N(p)wp,q&CenterDot;&dtri;xIq|+|Σq&Element;N(p)wp,q&CenterDot;&dtri;yIq|]]>
    其中λ1,p和λ2,p为像素点p处的结构张量矩阵的特征值,λ1,p>=λ2,p,λ1,p为主特征值,λ2,p为副特征值,像素点p处的结构张量矩阵Sp的计算公式如下:
    Sp=Σq&Element;N(p)<&dtri;xIq,&dtri;xIq>Σq&Element;N(p)<&dtri;xIq,&dtri;yIq>Σq&Element;N(p)<&dtri;xIq,&dtri;yIq>Σq&Element;N(p)<&dtri;yIq,&dtri;yIq>]]>
    其中N(p)表示像素点p的一个邻域;q∈N(p)表示q为N(p)内的一个像素点;和表示通过Sobel算子算得的沿x方向和y方向的偏导数;Iq为像素点q的强度值;<·,·>表示内积运算;分别为像素点p和q处的结构张量矩阵对应的主特征向量;权值wp,q计算公式如下:
    wp,q=exp(-|xp-xq|+|yp-yq|2σ2)]]>
    其中(xp,yp)为像素点p的坐标;(xq,yq)为像素点q的坐标;σ为高斯函数的标准差;
    步骤2:基于显著结构度量模型提出一种优化策略进行图像极值点分布估计,包括以下过程:
    (a)将极值点分布问题抽象为能量函数的优化问题:
    argminlp(ΣpOlp+αΣq&Element;N(p)Slp,lq)]]>
    其中标签lp∈{0,1}指示像素点p是否是极值点,lp=1代表是,lp=0代表否;q为p的一个邻域N(p)内的一个像素点;α是平衡因子;数据项计算公式如下:
    Olp=(Mp-Mμ)+KΣq&Element;N(p)sign(Ip-Iq)iflp=0Olp=-(Mp-Mμ)-KΣq&Element;N(p)sign(Ip-Iq)iflp=1]]>
    其中模式控制符K∈{1,-1},K=1时对应于极大值检测,K=-1时对应于极小值检测;函数sign(·)为标准符号函数,当a>0时sign(a)=1,a<0时sign(a)=-1,a=0时sign(a)=0;Mp表示像素点p的显著性度量;Mμ为显著性度量的平均值;Ip和Iq为像素点p和q的强度值;平滑项计算公式如下:
    Slp,lq=-C(lp.lq)|Ip-Iq|+&Element;]]>
    其中函数C(lp,lq)当lp=lq定义为lp·lq,否则定义为lp+lq;∈为一个防止分母为0的极小正值;
    (b)采用图割算法对能量函数优化求解,K=1时获得极大值分布,K=-1时获得极小值分布,lp=1的像素点即为极值点;
    步骤3:根据步骤2所得极值点分布,提出各向异性的冲击滤波算法计算中 值包络,完成图像平滑,该步骤包括以下过程:
    (a)根据极值点分布,通过三次样条插值得到极大值包络Ep和极小值包络ep;
    (b)通过下式计算中值包络:
    hp=T(1-Mp&CenterDot;sign(Gp)2)Ep+(1-T(1-Mp&CenterDot;sign(Gp)2))ep]]>
    其中象素点p的边缘检测算符Gp通过下式计算:
    Gp=c2Ixx+2csIxy+s2Iyy
    其中c和s为与λ2,p对应的特征向量的两个分量;Ixx为图像在像素点p处沿x方向的二阶偏导数;Iyy为图像在像素点p处沿y方向上的二阶偏导数;Ixy为图像在像素点p处沿x方向和y方向上各计算一次一阶偏导数的结果;函数T(x)可通过下式计算:
    T(x)=(1+tanh(λ(x-0.5)))2]]>
    其中tanh()为双曲正切函数;λ为控制增强程度的因子;
    (c)所得中值包络hp即可作为平滑图像。
    有益效果:
    本发明方法在不增大计算量的同时,可实现强度对比与尺度无关的图像平滑效果,使图像中显著的视觉结构得以完整保持甚至增强,相较国际上最新图像平滑算法效果提升明显。
    附图说明
    图1是本发明方法的流程图。
    图2是一个示意图,图(a)和图(b)展现了认知心理学中的两个典型例子。
    图3是一个效果图,呈现了本发明的显著结构度量结果,其中图(a)是输入的源图像,图(b)是得到的显著结构度量结果。
    图4是一个效果图,呈现了本发明所得平滑结果与采用协方差矩阵度量方法的结果在效果上的对比,其中图(a)是输入的源图像,图(b)是采用协方差矩阵度量方法所得平滑结果,图(c)是本发明方法所得平滑结果。
    具体实施方式
    下面结合附图对本发明方法的实施方式作详细说明。
    图1是本发明方法的流程图。如图1所示,本发明主要分为三个部分,9个步骤:
    一、根据认知心理学中周期重复的纹理会抑制人类认知、而具有较好方向性的结构能增强认知水平的结论,提出了一种图像显著结构度量模型。
    步骤1:输入待滤波源图像。根据输入图像,首先计算对其中显著结构的度量Mp,包括步骤2、步骤3以及步骤4。
    认知心理学中关于人类视觉认知的规律表明[1]:“人类对结构信息的理解是认知驱动的,它由视觉事件激发,具有变化和方向上的显著性,并可能被实体间的关系所抑制?!比缤?所示,这一认知规律可以从以下观察中得到具体支持:
    ●各向异性。视觉显著的结构在强度变化上倾向于形成一个主方向,而不是在各个方向上均等变化。
    ●非周期性。与纹理细节往往会在一个局部区域内周期性出现不同,显著的视觉结构所表现出的强度变化通常不会出现频繁的振荡。图2(a)展示了一个例子,其中每条黑色线段都具有相同的尺寸和灰度值,然而右侧和下部的两条线段异常显著,这是由于人们对其他线段的认知被其“从众性”(Social Conformity)所抑制。
    ●局部方向性。视觉显著结构所具有的强度变化在一个局部区域内通常具 有一致的方向性,而纹理细节信息则不具有这样的性质。图2(b)证明了这一点,大多数人都能从这些繁乱的的短线中识别出中央部分鼻子的轮廓,这正得益于它良好的局部的方向性。
    图2是一个示意图,展现了认知心理学中的两个典型例子。
    根据上述分析,图像中某一像素点p的显著性度量Mp具有如下形式:
    [式1]
    Mp=Ap·Dp·Lp
    函数Ap、Dp以及Lp是关于视觉显著结构的各向异性、非周期性以及局部方向性的度量。
    步骤2:各向异性度量Ap可通过下式计算:
    [式2]
    Ap=λ1,p-λ2,pλ1,p+λ2,p]]>
    其中λ1,p以及λ2,p为像素点p处的结构张量矩阵的特征值,这里记较大的特征值λ1,p为主特征值,较小的特征值λ2,p为副特征值。具体来说,像素点p处的结构张量矩阵通过下式计算:
    [式3]
    Sp=Σq&Element;N(p)<&dtri;xIq,&dtri;xIq>Σq&Element;N(p)<&dtri;xIq,&dtri;yIq>Σq&Element;N(p)<&dtri;xIq,&dtri;yIq>Σq&Element;N(p)<&dtri;yIq,&dtri;yIq>]]>
    其中<·,·>表示内积运算;Iq为像素点q的强度值;和分别表示通过Sobel算子算得的沿x和y方向的偏导数;q为p的一个邻域N(p)内的一个像素,本实施例中N(p)为边长5像素的正方形区域。[式2]中Ap的值域为[0,1],其值越 大意味着该像素点处的各向异性程度越高。
    结构张量矩阵Sp是半正定矩阵,包含两个特征值λ1,p以及λ2,p。
    步骤3:局部方向性度量Dp可以通过下式计算:
    [式4]
    Dp=Σq&Element;N(p)Aq&CenterDot;<&epsiv;&RightArrow;p,&epsiv;&RightArrow;q>Σq&Element;N(p)Aq]]>
    其中分别为像素点p和q处的结构张量矩阵对应的主特征向量。Aq为像素点q处通过[式2]算得的显著性度量值。向量内积的取值范围为[0,1],它的值会随着两个向量方向的逐渐靠拢而增加。也就是说,如果两个向量的夹角趋近于0或π,那么它们的内积趋近于1,反之,如果两个向量的夹角趋近于π/2,那么内积结果将趋近于0。
    步骤4:非周期性度量Lp可通过下式计算:
    [式5]
    Lp=|Σq&Element;N(p)wp,q&CenterDot;&dtri;xIq|+|Σq&Element;N(p)wp,q&CenterDot;&dtri;yIq|]]>
    其中N(p)是像素点p的一个邻域;权值wp,q为:
    [式6]
    wp,q=exp(-|xp-xq|+|yp-yq|2σ2)]]>
    其中(xp,yp)为像素点p的坐标;(xq,yq)为像素点q的坐标;σ为高斯函数的标准差。
    本实施例的显著结构度量结果可以有效地从源图像的高对比纹理中提取主要结构信息。如图3所示,其中图3(a)是输入源图像,图3(b)是得到的显著结构度量结果。
    二、基于前面获得的图像显著结构度量模型,提出了一种优化策略进行图像极值点分布估计。
    步骤5:将极值点分布问题抽象为能量函数的优化问题。
    首先采用空间填充曲线将二维像素平面变为一维点列,如Peano曲线、Hilbert曲线等。本实施例采用Hilbert曲线将二维像素平面变为一维点列。则扩展的极值点定位策略可被抽象为解一个二值化标签问题,也就是为每个像素分配一个标签lp∈{0,1}来指示该点是否是极值点,lp=1代表是,lp=0代表否。在此定义下,图像中极值点分布可以通过优化下面的能量函数获得:
    [式7]
    argminlp(ΣpOlp+αΣq&Element;N(p)Slp,lq)]]>
    其中q为p的一个邻域N(p)内的一个像素;α是平衡因子,用来平衡数据项O与平滑项S的比重,本发明中设置α=0.2;数据项衡量了一个像素点是否是扩展的极值点,具体由下式来定义:
    [式8]
    Olp=(Mp-Mμ)+KΣq&Element;N(p)sign(Ip-Iq)iflp=0Olp=-(Mp-Mμ)-KΣq&Element;N(p)sign(Ip-Iq)iflp=1]]>
    其中K是模式控制符,K=1时对应于极大值检测,此时算得的lp表征极大值点分布;K=-1时对应极小值检测,此时算得的lp表征极小值点分布;函数sign(a)为标准符号函数,当a>0时sign(a)=1,a<0时sign(a)=-1,a=0时sign(a)=0;Mμ为显著性度量的平均值;Ip和Iq为像素点p和q的强度值。
    步骤6:平滑项S鼓励那些位于平滑区域的像素,当其所有邻接像素均没有被选作极值点时被选作极值点,具体如下式定义:
    [式9]
    Slp,lq=-C(lp,lq)|Ip-Iq|+&Element;]]>
    其中函数C(lp,lq)当lp=lq定义为lp·lq,否则定义为lp+lq,在这种定义方式下,只有当lp=lq=0时函数C(lp,lq)等于0,否则等于1;∈为一个防止分母为0的极小正值,本发明中设置∈=0.0001。
    [式7]所示的优化问题是一个典型的马尔可夫随机场问题,根据式中的数据项平滑项以及平衡因子α,可以通过经典的图割算法(BoykovY,Jolly M P. Interactive graph cuts for optimal boundary&region segmentation of objects in ND images[C]//Computer Vision,2001.ICCV2001.Proceedings.Eighth IEEE International Conference on.IEEE,2001,1:105-112.)进行优化求解,得到极值点分布,其中lp=1的像素点即为极值点。当K=1时,对[式7]进行优化求解得到的是极大值分布;当K=-1时,对[式7]进行优化求解得到的是极小值分布。
    三、根据所得极值点,提出各向异性的冲击滤波算法计算中值包络,生成平滑后的基图像,完成图像平滑。
    步骤7:根据极值点分布,通过三次样条插值算法(De Boor C,De Boor C,De Boor C,et al.A practical guide to splines[M].New York:Springer-Verlag,1978.)得到极大值包络Ep(此时K=1)和极小值包络ep(此时K=-1)。
    步骤8:中值包络可通过下式计算:
    [式10]
    hp=T(1-Mp&CenterDot;sign(Gp)2)Ep+(1-T(1-Mp&CenterDot;sign(Gp)2))ep]]>
    其中象素点p的边缘检测算符Gp可通过下式计算:
    [式11]
    Gp=c2Ixx+2csIxy+s2Iyy
    其中c和s为与λ2,p对应的特征向量的两个分量;Ixx为图像在像素点p处沿x方向的二阶偏导数;Iyy为图像在像素点p处沿y方向的二阶偏导数;Ixy为图像在像素点p处沿x方向和y方向各计算一次一阶偏导数的结果;
    函数T可通过下式计算:
    [式12]
    T(x)=(1+tanh(λ(x-0.5)))2]]>
    其中tanh()为双曲正切函数;λ为控制增强程度的因子,越大的值对应越锐利的边缘,本发明中设置λ=0.85。采用[式10]计算均值包络的主要目的是,鼓励那些视觉显著的结构得到更强程度的增强,而对其它区域按照传统方式计算。具体来说,对位于高显著性区域的像素,Mp→1,此时[式10]变为:
    EifE<0eifE>0E+e2ifE=0]]>
    相反的,对位于低显著性区域的像素,Mp→0,此时[式10]变为h=(E+e)/2,即传统均值包络计算模式。
    步骤9:所得中值包络hp即可作为平滑图像输出。
    本实施例方法所得平滑结果与采用协方差矩阵度量方法(Karacan L,Erdem E,Erdem A.Structure-preserving image smoothing via region covariances[J].ACM Transactions on Graphics(TOG),2013,32(6):176-186.)相比,可以在对图像内容进行平滑的同时,保持一些小尺度显著结构,例如可以保持图像中字母的清晰与完整。如图4所示,其中图4(a)是输入的源图像,图4(b)是采用协方差矩阵度量方法所得平滑结果,图4(c)是本实施例所得平滑结果。
    如上所述,本发明提供了一种基于显著结构度量模型的图像平滑方法。根据认知心理学中周期重复的纹理会抑制人类认知、而具有较好方向性的结构能增强认知水平的结论,基于图像视觉显著结构所具有的各向异性、非周期性、局部方向性等特点,提出了一种更加完善的图像显著结构度量模型;在这一模型的指导下,针对经验模式分解过程中的极值点分布与均值包络计算提出了新的算法策略,从而完成图像平滑。该方法可实现强度对比与尺度无关的图像平滑效果,使图像中显著的视觉结构得以完整保持甚至增强。
    为了说明本发明的内容及实施方法,本说明书给出了具体实施例。在实施例中引入细节的目的不是限制权利要求书的范围,而是帮助理解本发明所述方法。本领域的技术人员应理解:在不脱离本发明及其所附权利要求的精神和范围内,对最佳实施例步骤的各种修改、变化或替换都是可能的。因此,本发明不应局限于最佳实施例及附图所公开的内容。

    关 键 词:
    基于 显著 结构 度量 模型 图像 平滑 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:基于显著结构度量模型的图像平滑方法.pdf
    链接地址://www.4mum.com.cn/p-6141741.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03