基于Benford模型的自然图像与计算机生成图像的鉴别

针对目前自然图像和计算机生成图像的鉴别方法鉴定准确率不高的问题,提出了一种基于Benford模型的自然图像与计算机生成图像的鉴别方法.本算法利用DCT域AC系数首位有效数字的Benford曲线分布,分别对图像的RGB三个色彩通道进行统计,以3条概率分布曲线的重合程度作为鉴别取证的依据,对2类图像进行正确分类.实验结果表明,该方法可有效地鉴别自然图像和计算机生成图像,与已有算法相比具有更高的识别率,鉴别准确率达97.17%,且计算量小、易于实现,为图像取证、数字防伪鉴别等提供可靠的依据.     

非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.     

基于图像归一化和DCT的感知图像哈希算法

提出一种基于离散余弦变换的感知哈希算法,先对原始图像进行归一化处理,使图像具有几何不变性,然后利用离散余弦变换进行图像特征系数的提取并用混沌序列发生器加密图像,最后通过量化和编码生成感知哈希序列。该算法可以抵抗任意角度的旋转攻击和仿射变换。     

一种融合PCNN和Watershed变换的图像分割方法

提出了一种融合Watershed变换(WST)和主成分神经网络(PCNN)的图像分割方法.该方法充分利用WST和PCNN在图像分割方面各自的优点,首先用PCNN对待分割的图像进行预处理,自动生成对象标记,然后在标记的指引下,进行WST.有了标记,WST就会以一种受控制的方式进行,这样过度分割的问题就会得到解决.实验表明,该方法能够快速、准确地实现图像分割.     

基于EMD-CkNN多示例学习算法的图像分类

针对自然图像场景分类问题,根据Citation-kNN算法思想,提出一种新的基于多示例学习(MIL)的图像分类方法。将整个图像当作多示例包,图像分割的区域当作包中的示例,在度量图像包间的相似距离时,利用改进的推土机距离(EMD)代替Citation-KNN算法中的最小Hausdorff距离(minHD),用于图像分类。在Corel图像库上的对比实验结果表明,分类准确率更高。     

基于图像归一化和NSST的鲁棒零水印算法

为了更有效地提取数字漫画的边缘轮廓特征,提出一种基于图像归一化和非下采样剪切波变换(NSST,non-subsampled shearlet transform)的零水印算法.首先,将数字漫画图像进行归一化处理.然后,采用NSST和离散余弦变换(DCT)提取图像的低频分量,再采用非负矩阵分解(NMF,non-negative matrix factorization)提取特征向量作为图像的特征信息;处理水印图像时,采用基于完全互补码的扩频技术和混沌置乱技术以提高算法的鲁棒性和安全性.最后,对数字漫画图像的特征信息与水印图像进行异或逻辑运算得到零水印.实验结果表明,本文算法在抵抗高斯噪声、椒盐噪声、几何变换、JPEG压缩、邻域滤波等攻击时都具有很强的鲁棒性,同时能够抵抗一定程度的剪切攻击.     

基于新投影模型的利用图像均匀性的RayCasting加速方法

计算机仿真投影图像(digitally reconstructed radiograph,DRR)在计算机辅助医学领域有着广泛的应用,特别是二维三维图像配准对仿真投影图像生成的效率有着苛刻的要求.提出了一种新的投影模型,该模型可有效地分离投影图像中物体的尺度变换和投影失真的耦合度,提高仿真投影图像尺度的可控性.同时提出基于图像内容均匀性的RayCasting改进算法,加速针对光线的积分过程.实验表明:针对均匀性较好的数据,改进算法的效率较传统RayCasting算法有一定提高,同时改进算法生成的仿真投影图像的边缘具有较高的精确度.     

基于图像噪声分析的计算机生成图像检测算法

计算机生成图像与自然图像在物理生成机理上的差异性导致其在噪声分布上具有明显的区别,据此提出一种基于图像噪声分析的计算机生成图像检测新方法。首先,用小波隐马尔可夫(MMT)模型对图像噪声进行预处理;接着,基于最大似然估计方法估测图像参考模式噪声;最后,在提取图像模式噪声统计距及其与参考模式噪声相关差值基础上,利用支持向量机(SVM)分类器进行鉴别。实验结果显示,较已有的典型算法,该算法具有更好的检测率。     

基于人眼视觉特性的遥感图像融合算法

首先提出基于非下采样Contourlet变换(NSCT,Nonsubsampled Contourlet Transform)的人眼视觉相对对比度灵敏度函数(RCSF,relative contrast sensitivity function)和绝对对比度灵敏度函数(ACSF,absolute contrast sensitivity function)。然后提出了基于人眼视觉对比度灵敏度函数(CSF,contrast sensitivityfunction)的遥感图像融合算法(IFA-CSF,image fusion algorithmof human visual contrast sensitivity function)。IFA-CSF采用NSCT作为多尺度变换工具,对单方向高频子带采用ACSF融合,对多方向高频子带采用RCSF融合,并对8方向高频子带采用先方向分组再融合的方法。实验结果表明,IFA-CSF优于基于传统CSF和基于局部能量的图像融合算法。     

基于小波变换的SAR图像处理研究

合成孔径雷达(SAR)是一种高分辨率有源成像雷达,它以具有一定高度的飞行平台为载体,通过发射机主动发射电磁波并接受目标反射的电磁回波生成二维高分辨率图像,但生成的图像除了易受到相干斑的影响之外,往往包含大量的背景杂波.由于小波变换具有低熵性、基函数选择灵活及多分辨率等特性,因此小波变换能对二维信号杂波产生较好的抑制作用...     

基于Curvelet变换的虹膜识别

为提高虹膜识别的准确度,提出采用第二代曲波变换提取虹膜图像纹理特征的方法.首先将预处理后的虹膜图像进行曲波分解,然后采取不同方法对曲波分解后的低通和带通子带进行特征提取,并根据各带通子带的能量大小赋予不同的加权系数,最后采用欧式距离进行虹膜特征匹配.在4种虹膜图像库上测试表明,提出的虹膜图像纹理特征提取方法具有较高的识别率,与Harr小波和DCT(离散余弦变换)相比,特征提取时间相当,但识别率相对DCT来说,分别提高了1.8％,2.1％,2.0％和0.9％.     

智能环境下基于核相关权重鉴别分析算法的多特征融合人脸识别

针对智能会议环境下基于单模特征的人脸识别的识别率低、鲁棒性差的问题,提出了一种在智能会议室环境下基于核相关权重鉴别分析(KRWDA)算法的融合全局和局部特征的多特征融合人脸识别方法。基于相关权重鉴别分析算法并结合核方法,提出了一种核相关权重鉴别分析算法,有效解决了小样本问题。利用全局特征和局部特征在识别时所描述的内容和作用的互补性在特征层融合两种特征,全局信息和局部信息分别采用离散余弦变换和Ga-bor小波变换提取。在AMIES2016数据库上的仿真实验表明,本文所提出的方法可以有效地提高系统身份识别的正确率。     

基于离散小波变换的O-OFDM-DIM

光正交频分复用索引调制技术具有良好的误码性能,但其传输速率不够理想。因此,利用离散小波变换并结合差分脉冲位置调制的思想,提出了一种基于离散小波变换的光正交频分复用差分索引调制(O-OFDM-DIM)。通过小波变换和移除每个子载波块末端的静默子载波实现传输速率的大幅提升;利用小波变换的正交性和子载波分配算法有效抵御大气湍流效应。详细介绍了所提方案的映射原理,推导了其理论误比特率,并与现有的非对称限幅光正交频分复用索引调制(ACO-OFDM-IM)方案进行了对比。结果表明,在大信噪比时,所提方案能获得比ACO-OFDM-IM更高的传输速率和更好的误码性能,而且前者的传输速率提高了近3倍。在误比特率为1×10^-4的强湍流条件下,其信噪比改善了约2dB。     

面向内容网络中基于相关内容聚集的缓存方案

提出了一种基于相关内容聚集的缓存方案,通过具有相同特征的相关内容的相互吸引,使相关内容在节点上聚集,从而方便对缓存内容进行内容特征抽象,以减少向外通告的路由信息量,提高面向内容网络的路由可扩展能力;同时通过相关内容生存时间相互增强的策略,增强了缓存内容的稳定性,提高了其路由可信度. 在此基础上设计了通用的相关内容聚集算法,仿真结果符合预期效果.     

复杂图像特征点提取与匹配方法

采用改进的SIFT（Scale Invariant Feature Transform）算法对自然环境下获取的复杂场景图像进行特征量提取;通过添加存入最小优先级队列的限制条件,对现有的BBF（Best Bin First）匹算法进行改进以提高算法的搜索效率;针对复杂图像误匹配较为严重的现象,设置匹配判定准则和几何约束条件,对匹配结果中可能的误匹配加以剔除。实验结果表明,新方法在匹配效率和匹配准确率的提高上效果明显。     

多普勒超声波流量的采集与处理研究

针对多普勒超声波流量计存在测量精度不高的问题,采用离散傅里叶变换方法进行功率谱分析,利用DSP处理数据.分析了多普勒超声波工作原理,研究了离散傅里叶变换进行功率谱分析的算法.根据多普勒超声波工作原理,设计了流量采集和处理电路,分析了电路设计的原理与作用.通过流量计在复杂环境下试验测试,其引用误差均小于1%,明显提高了流量计的测量精度.     

基于极端梯度提升树算法的图像属性标注

提出基于极端梯度提升树(eXtreme gradient boosting,XGBoost)算法的图像属性标注模型,以改善标注性能：提取图像局部二值模式(local binary patterns,LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature transform,SIFT)、视觉几何组(visual geometry group,VGG)等特征,以准确刻画图像视觉内容;基于图像特征,采用XGBoost算法集成弱分类器为强分类器,完成图像属性标注;深入挖掘图像属性蕴含的深层语义,构建全新的、层次化的属性表示体系,以贴近人类客观认知;设计迁移学习策略并合理组合分类模型,进一步改善标注性能。试验表明：Gist特征能真实刻画图像视觉内容;执行基础迁移学习后,标注精准度比迁移学习前最优指标提升8.69%;执行混合型迁移学习后,合理组合分类模型,标注精准度比基础迁移学习的最优指标提升17.55%。模型有效地改善图像属性标注精度。     

基于MDA的数据仓库抽取元数据交换规则

参照模型驱动构架（MDA）的思想，为各类数据仓库工具元模型，建立符合CWM（公共仓库元模型）规范的平台无关模型映射规则，以便在统一的规范上自由交换元数据. 以Informatica公司的Powermart抽取工具为例，建立PSM（平台相关模型）元模型，以CWM作为平台无关的PIM（平台无关模型）元模型，用OCL（对象约束语言）描述PSM与PIM之间的映射规则，实现了Powermart的DTD（文档类型定义）到CWM SQL（结构化查询语言）的元数据转换.     

基于加权小波变换和2D-PCA的人脸识别改进算法

基于小波变换的人脸识别方法通常将图像变换成低频和高频信息,传统的人脸识别算法大多数都是基于小波变换后的低频信息,没有充分利用高频信息,造成了高频信息中对识别有利信息的丢失. 本文提出了一种基于加权小波变换和2D-PCA的人脸识别改进算法. 首先基于二维离散小波(2D-DWT)对图像进行二层小波变换,将所得的低频信息和水平、垂直和对角高频信息进行加权融合. 在此基础上,采用二维主成分分析(2D-PCA)方法进行特征提取; 最后采用最近邻分类器进行分类识别. 基于ORL标准人脸数据库的实验结果表明,本文提出的方法比传统的2D-PCD识别算法和2D-DWT+2D-PCA识别算法有更好的识别效果,且人脸受光照等因素的影响表现出良好的鲁棒性.