基于四元数双谱切片的彩色图像配准算法

针对几何及颜色空间上均存在相似变换的两彩色图像的配准问题,提出一种四元数域双谱切片表达式。该表达式是对复数双谱切片对应的时域形式进行四元数傅里叶变换得到的结果,具有平移不变性,可用于两彩色图像旋转和尺度缩放的求解。仿真结果表明,与复数双谱切片法相比,四元数双谱切片法的抗干扰性更好,误差基本只有前者的一半。     

基于能量归一化窗的S变换及应用

为了克服标准S变换对时频谱能量的"加权效应",构造了一种归一化窗S变换.它的窗函数满足能量归一化条件,减少了对高频分量的加权效应,而且可通过参数调整窗函数时宽.文中推导了归一化窗S正反变换的运算实现.模型信号的分析表明,归一化窗S变换在不损失时频分辨率的前提下,更能客观地反映非平稳信号中不同频率成分的能量分布特征,并可通过参数调整其时频分辨率.对实际地震信号的分析发现,它能更加真实地描迷实际地震信号的高频衰减现象.     

基于分数阶偏微分方程的彩色图像去噪新方法

为了克服现有彩色图像去噪方法不能有效抑制边缘噪声和保持纹理信息的缺点, 提出了一种结合了离散四元数傅里叶变换（DQFT）和分数阶微分理论的彩色图像去噪改进方法。算法采用四元数矩阵表示一幅彩色图像, 首先对该四元数矩阵进行离散傅里叶变换; 然后将其代入基于分数阶微分的能量泛函极小值求解过程中, 利用变分原理求解并推导出去噪模型, 并与两种传统彩色图像去噪模型进行实验比较。实验结果表明, 提出的模型在去噪效果和纹理保护方面都有更好的表现。     

基于多重分形和小波变换的声目标信号特征提取

研究了基于关联积分的广义维数谱的定量计算方法,提出了声目标信号的多重分形特 征,并对其特征即广义维数谱的有效性进行了分析;同时利用小波变换分析既能反映信号在变 换域特性又保留其时域信息的特点,提出基于小波变换的子空间能量及主要能量集中子空间时 域信息的特征提取方法,并通过模糊神经网络识别系统对声目标信号的广义维数谱、子空间能 量及时域信息的组合特征进行了验证.     

基于四元数域的彩色图像双重零水印算法

提出一种基于四元数离散傅里叶变换QDFT(Quaternion Discrete Fourier Transform)和四元数离散余弦变换QDCT(Quaternion Discrete Cosine Transform)以及四元数奇异值分解QSVD(Quaternion Singular Value Disposition)的双重零水印算法。首先将彩色图像用四元数模型表示并进行分块四元数离散傅里叶变换,通过比较各块的部分系数幅值大小产生二值序列;然后,对各原图像块进行离散余弦变换和奇异值分解,利用奇异值矩阵和左右四元数矩阵的幅值来产生另一个二值序列。将二值序列与版权信息相结合产生零水印,并将零水印在知识产权IPR(Intellectual Property Right)中心注册。实验表明,该算法对常见攻击、部分组合攻击及未来可能的一些攻击方式具有较强的鲁棒性。     

基于多高斯窗的实值离散Gabor变换

传统的单窗复值离散Gabor变换具有固定的时频分辨率,由于受窗函数时宽-带宽之间的制约关系,即不确定性原理限制,其时间分辨率和频率分辨率是矛盾的关系。为了改善传统离散Gabor变换时频分辨率并加快其变换速度,提出了一种基于多高斯窗的实值离散Gabor变换,实验结果表明能有效改善联合时频域内的聚集性,从而提供了一种快捷地计算非平稳信号进化谱方法。     

基于四元数分数阶方向微分的图像增强

根据已有的四元数和分数阶微分的知识,以及它们在现代信号处理中的应用,推导出一种新知识:四元数分数阶方向微分,并将其应用于图像增强.该方法首先将一幅彩色图像用一个四元数函数表示,给出四元数函数的分数阶方向微分的定义和计算方法,继而推导出沿八个方向的四元数分数阶方向导数的数值计算模板,并根据八个方向的分数阶导数求出图像平面...     

基于频谱切割和二维Arnold变换的彩色图像加密算法

针对多通道彩色图像加密算法传输负担大的缺陷,提出了基于频谱切割和二维Arnold变换的单通道彩色图像加密算法。该算法对原彩色图像的RGB分量分别进行不同分数阶次的分数傅里叶变换(FrFT),将各分量所得频谱信息进行切割,组合成一幅新的频谱;再用二维Arnold变换对组合频谱进行置乱,使三个分量的频谱信息充分混淆和扩散。密文为一幅灰度图像,在保留原彩色图像主要信息的同时,减小了传输负担。仿真结果与性能分析验证了该算法的加密效果和安全性。     

选择性视觉注意机制下的多光谱图像舰船检测

针对现有视觉注意计算模型不适于处理维度大于4的多维图像的不足,将选择性视觉注意机制引入到多光谱遥感图像目标检测中,提出一种基于双四元数的视觉注意计算模型.将多维数据构建成双四元数的形式,利用其傅里叶变换的相位谱来提取显著性区域以用于显著目标检测;实现了多维数据的整体处理,并充分利用了频率域和空间域的信息.与传统的多光谱图像目标检测方法相比,该模型计算复杂度低、对各种参数设置的依赖性小.模拟数据与真实多光谱遥感数据的实验结果表明,文中方法具有良好的检测效果,同时对噪声具有较强的鲁棒性.     

高维数据降维的DCT变换

DCT(离散余弦变换)变换是图像压缩中常用的方法之一。基于它的“能量聚集特性”和变换的保距特性,把它用作高维数据降维的预处理手段,主要作用有两个:(1)大幅度降低后续降维的处理维数,减少运算量;(2)降低噪声对数据结构的影响。文中的试验结果表明,对高维数据,尤其是超高维数据的降维加入DCT变换后不但降低了后续降维的计算复杂度,同时也纠正了由于噪声的影响造成的数据结构的破坏。     

超复数空间彩色边缘检测器的实现

提出超复数空间彩色图像边缘检测器的一种新实现方法--基于超复数空间旋转变换的彩色边缘检测。分析结果表明，Sangwine提出的超复数空间彩色图像边缘检测算法实质是一种色差图像边缘检测算法。通过把彩色图像映射到超复数空间进行处理，产生色差边缘图像。为了解决超复数空间的卷积运算问题，文中对超复数空间旋转运算进行推广，提出了旋转变换算子，把超复数空间中的矢量卷积运算转化为标量运算，极大地降低了计算复杂度。实验结果表明了本方案的正确性。     

彩色立体图像质量评价方法

现有的大多数立体图像质量评价方法都是将彩色图像转换为灰度图像,从而丧失了色彩信息,不利于对彩色立体图像作出正确评价,针对这一问题,提出了一种彩色立体图像质量评价方法。首先,通过对参考图像对和失真图像对分别进行主成分分析(PCA)融合生成彩色图像,利用彩色小波变换分别提取彩色融合图像的低频系数;然后,把低频系数信息用四元数表示,即将低频系数的色相分量局部均值作为四元数的实部,三基色分量作为四元数的虚部,通过四元数奇异值分解得到奇异值特征向量;最后,对参考图像和失真图像的奇异值特征向量作余弦夹角、巴氏距离、卡方距离,分别作为立体图像质量评价指标。该方法在德克萨斯大学公布的对称失真立体图像库和非对称失真立体图像库分别进行验证,线性相关系数和斯皮尔曼等级相关系数(SROCC)在对称失真库中可高达0.919和0.923,与主观评价吻合度很高。     

小波变换在医学图像融合中的应用研究

对不同模态的医学图像进行融合处理,可为临床提供新的诊断信息.针对V. Petrovic提出的灰度图像融合方法,给出了一种改进的多尺度图像融合算法.首先对源图像按照V.Petrovic的方法对源图像的梯度细节图像进行融合/分解并得到源图像的多尺度金字塔表示,然后对金字塔中的两个低通分量加权平均后,再进行反变换,即得灰度融合图像.然后以此灰度融合图像作为两幅源图像的公共部分,利用Toet的伪彩色融合方法,得到最终的彩色融合图像.由于该算法兼容了灰度融合和彩色融合的优点,用不同彩色来显示灰度差,使得融合图像在色彩上更丰富,包含更多的细节.将其应用于CT和MRI图像融合,仿真结果得到了证明.     

结合四元数与小波的彩色图像边缘检测算法*

针对岩石节理裂隙图像噪声多、分割困难等问题,提出一种使用四元数卷积,由反对称小波系数加权的彩色图像边缘检测算法。该算法将彩色图像的R、G、B三个分量表示为四元数的三个虚部,通过四元数卷积后,其方向产生了一定角度的旋转;将旋转后的四元数与水平方向和垂直方向的结果相加,得到相应的幅值和角度;使用反对称双正交小波系数对这些幅值和角度加权后,再使用Otsu阈值并进行模极大抑制,即可得到彩色图像边缘。通过对常用彩色图像和岩石节理裂隙图像的实验结果表明,本算法对彩色图像边缘检测具有较好的效果。     

基于四元数傅里叶梅林变换的旋转不变彩色纹理分类

提出一种基于四元数傅里叶梅林变换(Quaternion Fourier-Mellin Transform,QFMT)的旋转不变彩色纹理分类方法。该方法首先对彩色图像各分量图像进行对数极坐标变换,然后将经过变换后的3幅分量图像表示成四元数,并对其进行四元数傅里叶变换(Quaternion Fourier Transform,QFT),最后对幅度谱分别统计其环形特征量和楔形特征量作为纹理分类的特征向量,利用最近邻分类器进行分类。实验结果表明,本文提出的方法分类准确率更高,且具有良好的旋转不变纹理分析性能。     

基于四元数Gabor滤波的彩色纹理特征提取

现有的彩色图像纹理特征提取方法是将彩色图像转换为灰度图像或者对彩色图像进行分通道处理,这样的处理方法会丢失原图像的颜色信息和各通道间的相关性,导致特征图像的纹理特征和原图像的纹理特征差异较大。基于上述问题,提出了一种四元数Gabor彩色纹理特征提取方法。首先,根据Gabor滤波和四元数欧拉公式,推导出四元数Gabor滤波,并将彩色图像用四元数矩阵表达;其次提出四元数Gabor滤波卷积算法处理彩色图像,得到多尺度多方向的彩色纹理特征图像;最后对得到的彩色纹理特征图像进行Tamura统计特征的提取。实验结果表明,该方法可以很大程度地保留原图像的粗糙度、对比度和方向度等纹理特征,同时可以提取到原图像的颜色信息。在转化为灰度图像后,该方法在保留粗糙度、对比度和方向度等纹理特征方面优于传统Gabor方法和LBP方法。     

彩色图像四元数频域幅值调制水印算法

彩色图像处理常用的独立单通道方式在处理过程中不能体现各彩色通道间的光谱联系。针对彩色载体图像,提出了一种彩色图像四元数频域幅值调制水印算法。首先在空域中计算四元数表示的载体图像块不均匀度大小,从而对载体图像的单位小块进行自适应选取;接着对彩色载体图像进行四元数傅立叶变换,得到其频域矩阵;然后计算分块傅立叶直流位置上的四元数模值,将水印嵌入在模值中。仿真实验结果表明,该方法可以把水印带来的误差扩散到图像的红、绿、蓝3色的各个分量上,且对常见攻击具有较好的鲁棒性,实现了数字水印不可见性和鲁棒性的良好结合。     

Image feature detection from phase congruency based on two-dimensional Hilbert transform

The theory of phase congruency is that features such as step edges, roofs, and deltas always reach the maximum phase of image harmonic components. We propose a modified algorithm of phase congruency to detect image features based on two-dimensional (2-D) discrete Hilbert transform. Windowing technique is introduced to locate image features in the algorithm. Local energy is obtained by convoluting original image with two operators of removing direct current (DC) component over current window and 2-D Hilbert transform, respectively. Then, local energy is divided with the sum of Fourier amplitude of current window to retrieve the value of phase congruency. Meanwhile, we add the DC component of current window on original image to the denominator of phase congruency model to reduce the noise. Finally, the proposed algorithm is compared with some existing algorithm in systematical way. The experimental results of images in Berkeley Segmentation Dataset (BSDS) and remotely sensed images show that this algorithm is readily to detect image features.     

四元数表示和NSCT变换的彩色人脸图像识别

将彩色人脸图像用四元数实矩阵的形式表示,对该矩阵作多级非抽样Contourlet（Nonsubsampled Contourlet,NSCT）变换,在各子带系数上作奇异值分解,进而获得图像的代数特征向量,由神经网络训练和识别。实验结果表明,该方法可以有效地提高彩色人脸图像的识别率,是一种有效的彩色人脸识别方法。     

No-reference stereoscopic image quality assessment using quaternion wavelet transform and heterogeneous ensemble learning

As the demand for high-quality stereo images has grown in recent years, stereoscopic image quality assessment (SIQA) has become an important research area in modern image processing technology.In this paper, we propose a no-reference stereoscopic image quality assessment (NR-SIQA) model using heterogeneous ensemble learning ‘quality-aware’ features from luminance image, chrominance image, disparity and cyclopean images via quaternion wavelet transform (QWT). Firstly, luminance image and chrominance image are generated by CIELAB color space as monocular perception, and the novel disparity and cyclopean images are utilized to complement with monocular information. Then, a number of ‘quality-aware’ features in the quaternion wavelet domain are discovered, including entropy, texture features, energy features, energy differences features and MSCN coefficients of high frequency sub-band. Finally, a heterogeneous ensemble model via support vector regression (SVR) & extreme learning machine (ELM) & random forest (RF) is proposed to predict quality score, and bootstrap sampling and rotated feature space are used to increase the diversity of data distribution. Comparing with the state-of-the-art NR-SIQA models, experimental results on four public databases prove the accuracy and robustness of the proposed model.