梯度方向

摘要： 为弥补现有电压暂降同源检测算法的不足,提高同源检测算法的精度,提出了一种基于轨迹特征关键点匹配的电压暂降同源数据精确检测算法。首先,将电压暂降数据有效值(RMS)波形转换为灰度轨迹图片,基于尺度不变特征转换算法对电压暂降灰度轨迹图片进行分析,提取RMS轨迹的特征关键点;然后,利用特征关键点的梯度方向信息与待检测电压暂降数据的RMS轨迹进行匹配计算;最后,以匹配规则作为电压暂降同源数据判断的标准。所提算法可以很好地弥补现有同源检测算法中的不足,降低了对检测数据集的客观要求,具有更强的工程适用性及实际应用价值。

摘要： 不同模态的医学图像包含了不同的信息,这些信息对医生和患者来说通常是互补的。针对单一模态医学图像信息缺失的问题,提出了一种基于CUDA加速的多模态医学图像快速配准算法。算法首先通过数字影像重建(Digitally Reconstructed Radiograph,DRR)技术将采集到的患者膝关节CT三维体数据转化成二维平面图像数据,将该图像数据作为配准浮动图像,同一患者采集的X光图像作为配准参考图像;然后通过进行刚体变换粗配准,再采用梯度方向测度计算相似性测度;最终利用CMA-ES优化算法对参数进行优化,直到完成配准整个过程。实验结果表明,算法配准成功率高,精度好,具有较强的鲁棒性,在患者膝关节X光有噪声或者病态的情况下仍然具有较高的配准成功率。

摘要： 针对智能工厂中AGV障碍物检测算法在不均匀光照、背景纹理等干扰下表现效果不佳的问题,文中提出了一种改进的Canny算子的障碍物检测方法。该方法从颜色空间、滤波方式、梯度方向以及自适应阈值角度实现了AGV对障碍物检测的优化。通过Lab颜色空间转换,提取其b分量后进行滤波处理。将改进的中值滤波与双边滤波融合,代替传统的Canny算子中的高斯滤波,在实现降噪的同时减少边缘细节的丢失,并且提高了算法的速度。通过增加梯度方向来增强边缘信息,使用最大类间方差法获取自适应阈值。实验结果表明,文中所提出的方法在降低噪声干扰的同时能够提高边缘检测的精确性,实现了对障碍物的稳定检测。

摘要： 针对传统HOG算法只使用梯度信息来描绘图像和提取图像特征,从而在进行图像检测与图像识别时正确率较低等问题,提出了一种改进的HOG算法.首先在图像上利用HOG算法提取特征,然后在原始图像进行全局归一化后,把图像切割成一个个独立的单元,并提取出每一个单元的均值,方差以及与标准人脸的差值信息,最后将所有单元提取出的信息排列成向量再与原始的HOG特征进行结合.通过在LWF数据集上对两种算法进行了对比实验,证明图像在进行不同数量的单元划分情况下,新算法的正确率要优于原始HOG算法.

摘要： 针对传统Canny简单线性迭代聚类(simple linear iterative clustering,snC)算法中弱边缘的边界粘附性以及超像素形状规则的问题,提出了一种改进的基于梯度方向的CannySHC图像分割算法.传统的Canny SLIC算法中的边缘检测,使用的滞后阈值法在识别和连接边缘时,容易将梯度幅值小的边缘信息识别成噪声,从而和SLIC算法融合后会丢失目标的部分边缘,所以本文把利用边缘和噪声在梯度方向上的不同而改进的Canny算法与SLIC结合,然后使用复数运算来降低图像边缘特征维度,最后采用六边形来描述SLIC生成的超像素,经实验表明:该算法能生成与物体边界密切贴合且分割精度高的超像素分割图,验证了所提出算法的有效性.

摘要： 目前数字图像采集系统中采用的反马赛克算法存在插值伪像严重、算法计算量大等问题.为了解决上述问题,本文提出了一种基于梯度方向的反马赛克算法,可提升实际应用中反马赛克处理性能.计算当前像素位置水平和竖直梯度,并据此完成G分量的插值恢复,采用双线性插值完成R分量和B分量恢复并用G分量进行校正处理.从复合峰值信噪比(CPSNR)以及计算量两方面将本算法与其他典型算法进行对比,本文算法以更低的运算量,获得优秀的反马赛克性能.这种高性价比的特点有利于其未来完成硬件电路实现,并应用于实时成像等高技术领域.

摘要： 为提高垃圾识别分类的准确率,文中在垃圾图像预处理过程中提出了一种基于改进Canny算予的垃圾图像边缘检测方法.该方法从传统Canny算子滤波方式、梯度方向及阈值自适应3个角度实现了垃圾图像边缘检测的优化.针对Canny算子高斯滤波仅适用于高斯噪声和边缘细节易丢失的问题,采用改进的梯度倒数加权法进行滤波.针对Canny算子易检测出伪边缘的问题,通过在计算图像梯度方向的过程中增加方向梯度模板实现了边缘的精确化.同时采用最小误差法解决人工设定阈值的局限性,实现阈值自适应.实验结果表明,该方法在去噪性能和边缘细节两方面得到了改进,获得了更好的边缘检测效果,为后续垃圾图像的识别分类提供了技术保障.

摘要： 由于图像之间存在光照变化巨大、部分遮挡和损坏等现象,稳健且高效的图像对齐仍然是一项具有挑战性的任务.为此,提出了一种改进的在线图像对齐算法.通过图像梯度方向(IGO)的主成分分析(PCA)来提供比像素强度更可靠的低维子空间,然后在IGO域中寻找对齐,使新到达图像的IGO对齐被分解为稀疏误差和从先前良好对齐图像上学习得到的IGO-PCA基的线性组合的总和,进而图像对齐问题可被建模为l1范数最小化问题.将该问题松弛为凸优化问题,并提出一种基于乘子交替方向法的凸优化求解算法.考虑IGO均值的偏移,基于增量奇异值分解自适应地更新IGO-PCA基.在大量具有挑战性的数据集上验证了所提算法的有效性.实验结果表明,相比于目前典型的尺度不变特征变换(SIFT)算法、稀疏和低秩分解(RASL)算法和变换Grassmannian鲁棒自适应子空间跟踪算法(t-GRASTA),本文算法的对齐效果更佳,对于图像的光照变化和遮挡现象等具有更强的鲁棒性.

摘要： 由于图像之间存在光照变化巨大、部分遮挡和损坏等现象,稳健且高效的图像对齐仍然是一项具有挑战性的任务。为此,提出了一种改进的在线图像对齐算法。通过图像梯度方向(IGO)的主成分分析(PCA)来提供比像素强度更可靠的低维子空间,然后在IGO域中寻找对齐,使新到达图像的IGO对齐被分解为稀疏误差和从先前良好对齐图像上学习得到的IGO-PCA基的线性组合的总和,进而图像对齐问题可被建模为l 1范数最小化问题。将该问题松弛为凸优化问题,并提出一种基于乘子交替方向法的凸优化求解算法。考虑IGO均值的偏移,基于增量奇异值分解自适应地更新IGO-PCA基。在大量具有挑战性的数据集上验证了所提算法的有效性。实验结果表明,相比于目前典型的尺度不变特征变换(SIFT)算法、稀疏和低秩分解(RASL)算法和变换Grassmannian鲁棒自适应子空间跟踪算法(t-GRASTA),本文算法的对齐效果更佳,对于图像的光照变化和遮挡现象等具有更强的鲁棒性。

摘要： 提出一种利用形状结构和梯度方向的Hausdorff距离(HausdorffDistance，HD)图像匹配方法。首先，通过特征单位圆描述模板形状结构，并采用主成分分析获得形状对称性属性的定量化表述，进而设计HD形状结构加权因子；另外，在计算HD时，还利用边缘梯度方向对距离度量进行加权。基于两类加权因子，设计了一种鲁棒的HD算子用于匹配图像。该方法对背景和噪声边缘干扰具有良好的鲁棒性，能够准确匹配复杂场景中的模板图像。实测数据的实验结果验证了所提方法的有效性。

摘要： 本文研究了基于梯度方向双边对称性的旋转人脸中心的跟踪方法.该方法通过肤色识别进行人脸粗分割,运用图像差分技术进一步精确定位人脸;通过梯度方向双边对称性获得脸部中心对称轴等人脸特征位置;再基于人脸生物学特性约束,得到双眼中心作为脸部的中心进行跟踪.该方法解决了在复杂背景色彩下应用肤色识别定位人脸的问题,克服了人脸特征因旋转发生形状改变所造成的跟踪困难.实验证明该方法在一定的旋转角度内可以准确跟踪人脸中心.

摘要： 目前衍射圆环圆心测量方法无法实现自动化、数字化、实时性,本文针对这一问题提出了基于Hough变换算法的软件实时处理方法.该算法利用图像边缘的梯度方向信息,寻找到对偶点,很好的解决了一般Hough变换的无效累积问题,可以快速检测出圆心坐标.基本满足了实际应用的高精度导轨测量和准直测量.

摘要： 目前衍射圆环圆心测量方法无法实现自动化、数字化、实时性,本文针对这一问题提出了基于Hough变换算法的软件实时处理方法.该算法利用图像边缘的梯度方向信息,寻找到对偶点,很好的解决了一般Hough变换的无效累积问题,可以快速检测出圆心坐标.基本满足了实际应用的高精度导轨测量和准直测量.

摘要： 通过对高分辨率影像上长城特征的分析,本文提出了"在山地地貌条件下长城沿山脊线分布"的推理假设,基于该假设,进一步提出了以基于梯度方向滤波的边缘提取、基于DEM山脊特征的长城边缘线段判定以及基于区域特征的线状区域分割相结合的长城提取算法.通过基于1米分辨率正射影像的相关实验表明该方法能有效提取山地条件下的长城目标.

摘要： 目前激光牛顿环中心测量方法无法实现自动化、数字化、实时性，本文针对这一问题提出了基于Hough变换算法的软件实时处理方法。该方法采用Sobel算子对图像进行边缘提取，并对其进行二值化处理，在局部范围内随机选取两个有效象素点，利用图像边缘的梯度方向信息，可描绘出两条直线，其相交点就在牛顿环的圆心位置。这一方法很好的解决了一般Hough 变换的无效累积问题，可以快速检测出圆心坐标。基本满足了实际应用的高精度导轨测量和准直测量。

摘要： 海天线检测技术是海天背景下红外自动目标识别的一项关键技术。传统方法是在简单背景下利用灰度分类的方法来检测海天线的，不适应于复杂背景，而在边缘检测后利用霍夫变换的方法虽然具有一定的复杂背景下的鲁棒性，但当背景进一步复杂时也极易误判。针对这种情况，在分析已有海天线检测算法的基础上，将方向信息加入海天线检测过程，提出了基于有向小波模极大值和Randon变换的海天线检测方法。实验证明，该方法在复杂背景下具有良好的检测性能。

摘要： 海天线检测技术是海天背景下红外自动目标识别的一项关键技术。传统方法是在简单背景下利用灰度分类的方法来检测海天线的，不适应于复杂背景，而在边缘检测后利用霍夫变换的方法虽然具有一定的复杂背景下的鲁棒性，但当背景进一步复杂时也极易误判。针对这种情况，在分析已有海天线检测算法的基础上，将方向信息加入海天线检测过程，提出了基于有向小波模极大值和Randon变换的海天线检测方法。实验证明，该方法在复杂背景下具有良好的检测性能。

摘要： 海天线检测技术是海天背景下红外自动目标识别的一项关键技术。传统方法是在简单背景下利用灰度分类的方法来检测海天线的，不适应于复杂背景，而在边缘检测后利用霍夫变换的方法虽然具有一定的复杂背景下的鲁棒性，但当背景进一步复杂时也极易误判。针对这种情况，在分析已有海天线检测算法的基础上，将方向信息加入海天线检测过程，提出了基于有向小波模极大值和Randon变换的海天线检测方法。实验证明，该方法在复杂背景下具有良好的检测性能。

摘要： 海天线检测技术是海天背景下红外自动目标识别的一项关键技术。传统方法是在简单背景下利用灰度分类的方法来检测海天线的，不适应于复杂背景，而在边缘检测后利用霍夫变换的方法虽然具有一定的复杂背景下的鲁棒性，但当背景进一步复杂时也极易误判。针对这种情况，在分析已有海天线检测算法的基础上，将方向信息加入海天线检测过程，提出了基于有向小波模极大值和Randon变换的海天线检测方法。实验证明，该方法在复杂背景下具有良好的检测性能。

摘要： 本发明公开了一种磁场方向和梯度方向夹角可调的二维梯度磁场系统，包括电流源、纵向梯度线圈及横向梯度线圈；纵向梯度线圈的磁场方向和磁场梯度方向相同，横向梯度线圈的磁场方向和磁场梯度方向垂直；纵向梯度线圈和横向梯度线圈以磁场梯度方向相同、磁场方向呈90°正交组合安装，且纵向梯度线圈和横向梯度线圈的磁场工作区中心重合；纵向梯度线圈和横向梯度线圈各由一台电流源供电，通过调节两台电流源向梯度线圈中输出电流的大小和方向，即可控制合成磁场的方向和磁场梯度的方向。本发明能够仅通过调节线圈中通过电流的大小和方向，即可实现磁场梯度方向在二维空间内任意调节。

摘要： 本发明公开了一种基于梯度方向划分的特征量化的车标特征提取和识别方法，首先对卡口系统拍摄的车标图像进行预处理，计算每个像素的梯度大小和方向，将所有像素的梯度信息存入对应的梯度矩阵；预先划分k个梯度方向，统计每个像素周围所有像素对应k个梯度方向的梯度大小，把梯度大小累加放入k个不同的梯度大小矩阵；分别提取k个梯度大小矩阵的LTP特征，将提取到的k个LTP特征拼接，得到原始车标图像的像素特征；通过K‑means将样本中所有的特征进行分类得到离线码本，最后再使用SVM进行车标图像的分类识别。本发明针对卡口图像中的车标识别提出了具体的识别方案，识别的结果正确率很高，可以满足实际智能交通系统的需求。

摘要： 本发明公开了基于梯度方向参数优化的神经网络的图像分类方法及系统，获取图像数据集，对图像数据集中的每一幅图像进行预处理；构建卷积神经网络，设置卷积神经网络的超参数和损失函数；将预处理后的图像和已知图像分类标签，作为卷积神经网络的输入值，开始对卷积神经网络进行训练；根据卷积神经网络的输出与图像标签，计算损失函数，然后进行误差反向传播；在误差反向传播的过程中，采用梯度方向参数优化的方式，实现卷积神经网络训练过程中参数的更新，满足结束条件后，结束迭代训练，得到训练好的卷积神经网络；基于训练好的卷积神经网络，对待分类图像进行分类，得到待分类图像的分类标签。本申请具有图像分类速度快，稳定性强的优点。

摘要： 本发明公开一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，解决了从人耳图像中进行人耳识别识别率不高的问题。本发明首先提取出图像的梯度方向直方图，并用主成分分析法进行降维，再用局部二值模式提取出图像的纹理特征，然后将两个特征融合，最后使用最小距离分类器进行分类。本发明通过多特征融合，提高了人耳识别的识别率，具有良好的实施性与实效性。

摘要： 本发明请求保护一种基于梯度方向的图像接缝裁剪篡改检测方法，涉及数字图像处理、机器视觉的技术领域。本发明首先对数据集中的彩色图像转换为灰度图像，提取灰度图像每一个像素在水平方向和竖直方向上的梯度值，利用水平方向和竖直方向上的梯度值得到该像素点的梯度方向。将梯度方向的值域分为20个区间，每个区间的度数都分为9度。那么每一个像素点的梯度方向仅属于20个区间中的某一个区间。为了方便进行预测，将20个区间标记为1到20，作为20个状态，利用自回归模型，将每个像素点的状态输入进去，以此进行预测。将自回归模型得到的结果作为特征向量输入到支持向量机中进行训练得到训练好的分类器，最后对测试集进行分类，得到分类结果。

摘要： 本发明公开了一种磁场方向和梯度方向夹角可调的二维梯度磁场系统，包括电流源、纵向梯度线圈及横向梯度线圈；纵向梯度线圈的磁场方向和磁场梯度方向相同，横向梯度线圈的磁场方向和磁场梯度方向垂直；纵向梯度线圈和横向梯度线圈以磁场梯度方向相同、磁场方向呈90°正交组合安装，且纵向梯度线圈和横向梯度线圈的磁场工作区中心重合；纵向梯度线圈和横向梯度线圈各由一台电流源供电，通过调节两台电流源向梯度线圈中输出电流的大小和方向，即可控制合成磁场的方向和磁场梯度的方向。本发明能够仅通过调节线圈中通过电流的大小和方向，即可实现磁场梯度方向在二维空间内任意调节。

摘要： 本发明实施例提供一种基于梯度值及梯度方向的图像锐化方法及装置。逐个扫描图像中的像素点并计算所述像素点的梯度；当判定所述梯度大于预设的梯度阈值，则对所述像素点进行锐化，以所述锐化操作得到的像素值更新所述像素点的像素值。有效消除了明显的视觉上的灰度突变,同时可以自适应地调节图像锐化的程度。

摘要： 本发明提出了一种基于梯度方向和边缘引导的深度学习图像修复方法。采用边缘引导的修复方法的基础上，提出了增加梯度方向损失进行优化的方法。通过加入HOG特征中的梯度方向，相比于只利用了梯度大小即只考虑边缘的情况，可以更准确地还原出图像中的结构，例如汉字中含有的许多“横”和“竖”等笔画，本发明的结果不仅减少了修复中出现的扭曲情况，对于无意义的笔画也大大减少，能得到更加真实的图像修复结果，从视觉效果和定量分析结果来看，整体性能优于其它方法。

摘要： 本发明公开了一种基于梯度方向先验的被测目标图像复原方法，首先设定被测目标的位姿参数范围，在参数范围内渲染被测目标模型获得模板图像，构建被测目标模板集；然后以梯度方向为特征，通过相似度函数获取最佳匹配模板，并以最佳匹配模板的梯度方向特征和待复原图像的梯度方向特征构建梯度方向先验项，利用交叉迭代的方式估计模糊核和清晰潜像；最后将基于hyper‑Laplacian的非盲复原获得的复原图像作为引导图像，通过引导滤波基于L0正则化的非盲复原获得复原图像实现被测目标图像复原。本发明充分考虑了被测目标图像的特点，以梯度方向先验约束图像复原，模糊核估计更准确，以估计的模糊核为基础，通过引导滤波抑制了振铃效应，提高了图像复原的质量。

摘要： 一种保持图像梯度方向的色阶映射方法，它属于图像处理技术领域。本发明解决了采用传统色阶映射算法重建后的LDR图像的细节、纹理不突出，图像视觉效果不佳的问题。本发明首先选择HDR图像的对角线像素；其次，对对角线像素亮度进行色阶映射；再次，利用Roberts算子推导出一种能够保持梯度方向的亮度计算方法；从次，根据对角线像素的亮度以及保持梯度方向的亮度计算方法，递推出对角线左上方全部像素的亮度；最后，根据对角线像素的亮度以及保持梯度方向的亮度计算方法，递推出对角线右下方全部像素的亮度。通过本发明方法重建的LDR图像的局部细节、纹理较为突出，图像清晰度较高，图像整体视觉效果较好。本发明方法可以应用于图像处理技术领域。