2015秋 数字图像处理实验三 开放性实验

数字图像处理开放性实验,皮肤镜图像毛发噪声去除遥感图像配准红外行人检测显著性目标检测,实验内容（任选其一）,实验内容（任选其一）,1给定皮肤镜黑素细胞瘤图像，检测毛发噪声，并修复毛发遮挡部位的信息。2给定遥感图像，利用图像配准原理，在参考图像上搜索基准图所在位置，要求在参考图上标示出基准图位置，并给出参考图与基准图之间的旋转角度。3、检测（或完整分割）出给定的红外行人目标。4、在近两年的显著性检测方法中选一种，编程实现并找出其目前仍存在的问题，加以改进。,实验步骤,自主查阅文献资料自行设计算法步骤和流程编程实现撰写报告（包括算法流程，算法改进，实验结果对比，总结）,皮肤镜图像毛发噪声的去除,待处理图,结果图,检测毛发噪声修复毛发遮挡部位的信息,皮肤镜图像毛发噪声的去除,波谷检测,（1）波谷检测器：Step1.平滑图像，消除谷区：使用结构元素对图像进行灰度闭运算(先膨胀后腐蚀：填充物体内细小空洞、连接邻近物体)Step2.原图-平滑图，形成背景较暗、毛发较亮的图像；闭运算前后，平滑区域变化不大，谷区变化大；相减后，平滑区像素值较小，而谷区位置像素值较大,皮肤镜图像毛发噪声的去除,（2）阈值分割：区域生长制作毛发掩膜,阈值分割,皮肤镜图像毛发噪声的去除,（3）标记连通域，剔除弱小噪声：用区域生长法提取连通域标记毛发区域，去除背景中的杂小噪声点在掩模修复时尽可能的少破坏原始图像的信息。（4）掩膜，恢复原始皮肤信息：去除噪声后的二值图像作为掩膜，对毛发区域进行恢复重建。,皮肤镜图像毛发噪声的去除,实验待处理图像：（任选其一）,参考图,基准图,配准结果,遥感图像的配准,互能量谱的相位等于图像间的相位差对互能量谱进行反变换,就可得到一个冲击函数,遥感图像的配准,遥感图像的配准,图像的配准：,相位相关算法流程图,求互功率谱的傅里叶反变换通过找峰值的位置确定平移参数x0和y0,相位相关法,遥感图像的配准,遥感图像的配准,遥感图像的配准,直角坐标中的旋转对应极坐标中的平移：图像f(x,y)到f(,)的对数极坐标变换定义为:(,)对数极坐标系的极径和极角,(x0,y0)为变换中心。,遥感图像的配准,基于对数极坐标变换的图像匹配算法将直角坐标系转换至对数极坐标系原坐标系下的尺度和旋转变换,相应地转化为平移变换利用相位相关法可将尺度和旋转角度检测出来。,遥感图像的配准,估计旋转、缩放参数,对于一幅红外行人图像，请检测出其中的行人目标。,18,红外行人检测,1、穷举法(滑动窗口扫描法)：在没有明确的前景分割任务的前提下，根据指定大小的检测窗口选取出输入视频或图像序列中的所有可能区域。2、ROI检测法,红外行人检测,特征提取,选择能够描述目标的特征HOG，LBP,2015PR_RobustpedestriandetectioninthermalinfraredimageryusingashapedistributionhistogramfeatureandmodifiedsparserepresentationclassificationCandidateregiondetectionContoursaliencymapPedestriansegmentationPedestrianclassificationTheSDHfeatureMSRCclassifier,红外行人检测,Contoursaliencymap,红外行人检测,Theoriginalimagethecontoursaliencymapthevisualizationofthevisualizationof,PedestriansegmentationAsinglepedestrianmaybedividedbyseveralboundingboxOverlappeoplemaybeshowinoneboundingbox,红外行人检测,SDHfeature(shapedistributionhistogram),红外行人检测,SDHfeature,红外行人检测,Ahistogramisconstructedbycountinghowmanysamplesfallintoeachofthembins.,红外行人检测,SparserepresentationClassifier,红外行人检测,行人检测,28,显著目标检测,显著目标检测：,显著目标检测：Itti,1998_Itti_PAMI显著性开山之作,显著目标检测：Itti,1、对输入图像经过一系列的模糊和下采样之后，形成9个尺度的图像。2、在每个尺度的图上，求亮度图，颜色差值图和四个方向下的Gabor滤波图。3、分别求亮度、颜色、方向在不同尺度下的差异图。反映了图像各个位置相对于不同范围下相邻位置在亮度（颜色、方向）上的差异性。某一位置的值越大说明它和某个范围内相邻的其他位置有着较大的亮度差异，即这个位置在局部范围内更加显著。4、将以上结果归一化之后融合（相加求平均），形成最终的特征图。,31,显著目标检测：谱残差法,2007_CVPR_XiaodiHou,2007_CVPR_侯晓迪_SpectralResidual图像：有用部分+冗余部分（目标）（背景）显著非显著1、对图像进行傅立叶变换；2、将局部平滑后的对数幅度谱作为冗余部分；3、原对数幅度谱-平滑后的对数幅度谱；4、将剩余的部分看作是显著部分在频域的信息。,32,显著目标检测：谱残差法,33,%SpectralResidualmyFFT=fft2(inImg);%对原图像进行傅里叶变换myLogAmplitude=log(abs(myFFT);%幅频取对数myPhase=angle(myFFT);%取FFT变换后的相频%对幅频进行3*3中值滤波，取均值mySmooth=imfilter(myLogAmplitude,fspecial(average,3),replicate)mySpectralResidual=myLogAmplitude-mySmooth;%原始幅频-均值幅频saliencyMap=abs(ifft2(exp(mySpectralResidual+i*myPhase).2,显著目标检测：谱残差法,2011BMVC，LiJian，Saliencydetectionbasedonfrequencyandspatialdomainanalysis,34,显著目标检测：频域+时域,在频域分析中，频繁出现的成分认为不显著，用频谱平滑进行抑制。,35,显著目标检测：频域+时域,2011CVPR（2015PAMI），MingMingCheng，GlobalContrastbasedSalientRegionDetection（基于全局对比度的显著性区域检测）HC：基于直方图对比的方法，每一个像素的显著性值是由它与图像中所有其他像素的颜色的对比度定义。RC：基于局部对比度的方法，先将图像分割成小区域（基于图的分割），每个区域的显著值是由它与其他所有区域的空间距离和区域像素数加权的颜色差异来确定。近邻区域影响大，较远区域影响小面积大区域影响大，面积小区域影响小,显著目标检测：HC/RC,显著目标检测：HC/RC,显著目标检测：HC/RC,显著目标检测,基于流形学习的基于稀疏重构的基于深度学习的背景先验中心先验,AliBorji,MingMingCheng,HuaizuJiangandJiaLi，SalientObjectDetection:ABenchmark,五、思考题（任选其一）,1针对图像修复技术，常用的图像修复算法有哪些，都有什么样的特点。2针对图像匹配技术，当前常用的图像匹配算法有哪些，它们都适合什么情况下的图像配准任务。3.当两幅图像同时存在缩放、旋转、平移变换时，能否直接采用相位相关估计配准参数？4.举例说明最新的显著性检测方法以及显著性检测的应用。,六、提交作业,1自行设计的算法流程图；2算法的源码及必要的注释说明；3处理的结