摘要：针对光伏组件红外图像的分割问题,使用MobileNetv2作为DeepLabv3+的主干特征提取网络并使用位置通道注意力模块减少背景干扰,引入混合条带池化对ASPP模块进行优化,帮助模型进一步捕获全局和上下文信息。针对检测困难的屋顶光伏组件设计DeepLabv3-T网络,在上述改进的基础上融入纹理信息进行选择性背景抑制,实现光伏组件的精确分割。在PV_large和PV_roof数据集上进行实验证明该文方法优于现有技术,DeepLabv3-T相较于DeepLabv3+,mIoU值分别提高了2.74%和10.53%。此外,设计消融实验表明各个改进模块的有效性。

摘要：提出并实现一种结合图像颜色连通区域信息及其纹理特征的图像检索新方法 .首先提取图像的分块主颜色 ,根据提出的相关颜色定义 ,搜索确定图像中的颜色连通区域集 .然后 ,提取图像中各颜色连通区域对应的四种颜色共生矩阵特征 ,利用针对该特征设计的图像相似性度量函数实现基于内容的图像检索 .实验结果表明 ,该方法能有效结合图像的纹理信息及其颜色构成和分布信息 ,具有良好的检索效果和性能 .

摘要：图像水印技术是一种在图像中嵌入被称为水印的版权标记,以证明图像版权归属的技术。利用图像纹理粗糙区域易于隐藏水印的优势,提出了一种基于图像纹理的自适应水印算法。首先,设计了一种能够真实反映图像纹理丰富程度的纹理度量方法,引入全局纹理值和局部纹理值的概念来综合分析图像纹理的分布情况;其次,利用滑动窗口和窗口内区域的局部纹理值,精确地获取图像的纹理粗糙区域,将水印嵌入在纹理粗糙区域中,保证嵌入水印图像的视觉质量;然后,通过多元回归分析,得到水印嵌入参数与纹理粗糙区域的全局纹理值和局部纹理值的函数关系,根据区域的纹理值自适应地调整水印的嵌入参数,最大限度地保证水印的不可见性,增强水印的鲁棒性;最后,通过在多个不重叠的纹理粗糙区域中嵌入相同的水印,进一步提高水印提取的准确率。在100幅自然场景图像上进行模拟实验,从不可见性、自适应性和鲁棒性三个方面证实了所提算法相比已有自适应水印算法的优越性。

摘要：当前存在一种特殊图像纹理快速渲染技术方法,这种方法与传统思想不同,融合了硬件图像纹理的处理技术,实现了用较少的多边形组成模型完成高质量的动画图像纹理渲染效果,在提高图像纹理渲染速度的同时保证图像纹理渲染的质量。但该方法存在过程较为复杂的问题。为此,提出一种三维动画图像纹理实时渲染系统设计方法,该方法首先对渲染系统进行硬件系统设计,硬件由图像客户端、图像管理节点、存储节点及计算节点组成。通过对渲染图像模型纹理相应坐标点绘制像素达到对动画图像纹理渲染的目的,然后对三维动画图像纹理渲染利用双线性算法进行计算。实验结果证明,提出的对三维动画图像纹理实时渲染系统设计的方法能够降低三维动画图像的成本。

摘要：普通船舶目标定位方法,确定目标船舶所处位置时,易发生较大偏差,且所需定位时间过长。为有效解决此问题,设计基于图像纹理特征提取的船舶目标定位方法。通过船舶图像纹理特征的确定,完成基于Gabor船舶图像纹理特征的提取。通过目标阵列稀疏信号的确定、稀疏信号方位角的确定,完成基于图像纹理特征提取的船舶目标定位方法的搭建。设计对比实验结果表明,新型船舶目标定位方法与普通方法相比,一定程度上,缩小目标船舶定位误差及所需定位时间。

摘要：通过对图像纹理细节增强,提高低质量采集图像的识别和细节特征分析能力.传统的图像纹理细节增强算法采用纹理结构信息特征子空间多维谱峰搜索方法,算法只考虑结构信息特征子空间中的纹理特征,对剩余的元素没有进行有效的网格化分区,细节增强效果不好.对此,首先进行图像结构纹理信息传导模型设计,引入网格索引方法对图像纹理细节增强的优先级进行判定,然后提出一种基于反向插补的网格索引下补图像纹理细节增强算法.提取亮度、对比度和结构相似度等能有效表征图像的结构化特征,采用反向插补实现图像纹理细节增强,仿真结果表明,该算法对图像纹理细节特征的检测概率最高,有效确保增强后的图像质量,提高低质量采集图像的识别和细节特征分析能力,在图像识别和成像处理等领域应用价值较高.

摘要：介绍了一种用于图像纹理奇异性检测的二维数字滤波器的设计,该滤波器是基于离散小波变换设计的。它具有纹理树状结构的多分辨分析特性。用一阶及二阶的微分方法进行奇异点的估计与合并,可应用于图像纹理奇异性检测。

摘要：传统纹理图像增强方法存在轮廓模糊问题,导致增强效果较差。针对这些不足,提出基于局部多特征的低分辨率图像纹理增强技术。使用仿射变换方法查看近似平面单应性变化,结合RANSAC算法,匹配低分辨率图像纹理局部多特征点。提取低分辨率图像低频和高频信息,采用插值算法逐点划分低分辨率图像,得到像素点块。从中寻找匹配后最佳匹配块,采用高斯函数抑制重叠区域影像,将所有高频信息块拼接,得到低分辨率图像。将加窗及合成图像矩阵转换成同等大小隶属度矩阵,利用拉伸变化趋势强化轮廓,由此完成图像纹理增强。由实验结果可知,该技术在UMD数据集、UIUC数据集和Brodatz数据集下增强效果较好,能够得到准确完整的图像,有效恢复图像纹理细节。

摘要：针对传统的图像增强方法中网络参数过多导致的实际应用能力差的问题,提出基于人工智能技术的图像纹理细节增强方法。利用人工智能技术中的生成对抗网络作为图像增强的核心,经过训练使生成对抗网络变化过程达到最小,将使用成像设备捕获的图像数据作为输入,对图像数据进行预处理后输入到生成对抗网络中,经过增强处理后,输出增强后的图像。实验结果表明:设计方法结构相似性高、峰值信噪比高于标准值。

摘要：基于内容的图像检索主要是利用图像的特征,如:颜色直方图、纹理、形状等来进行检索,这种方式能够提高检索的效率与准确率。利用图像的颜色信息与利用快速傅立叶变换来提取纹理特征相结合的方法来进行图像检索,该方法一方面可以反映图像的全局特征,另一方面又反映了图像的局部特征,且具有对图像检索的旋转不变性。