高分辨率图像量化与特征提取的层次空间算法
计算机视觉与模式识别
2025-10-10 v1
摘要
本研究引入一种模块化的空间图像处理框架，集成灰度量化、颜色与亮度增强、图像锐化、双向转换管道以及几何特征提取。通过阶梯式强度转换，将灰度图像量化为八个离散等级，产生画报化效果，既简化表征又保留结构细节。颜色增强通过在 RGB 与 YCrCb 色彩空间中的直方图均衡实现，后者在保持色度保真度的同时提升对比度。亮度调整通过 HSV 值通道操作实现，图像锐化则采用 3×3 卷积核以增强高频细节。集成_unsharp masking、伽玛校正与噪声放大的双向转换管道，分别在前向与逆向过程上达到 76.10% 与 74.80% 的准确率。几何特征提取采用 Canny 边缘检测、Hough 基于线估计（如 51.50° 的台球凳准对齐）、Harris 角点检测以及形态学窗口定位。 Cue 隔离进一步实现 81.87% 的相似度。跨数据集的实验评估显示，其具备稳健且确定性的性能，凸显其在实时图像分析与计算机视觉中的潜力。
引用
@article{arxiv.2510.08449,
title = {Hierarchical Spatial Algorithms for High-Resolution Image Quantization and Feature Extraction},
author = {Noor Islam S. Mohammad},
journal= {arXiv preprint arXiv:2510.08449},
year = {2025}
}
备注
There are 14 pages journal paper