基于量子最大熵多阈值算法的图像分割研究

针对图像分割中的问题,采取量子多阈值最大熵算法.首先确定图像信息最大熵的概率密度函数,求解出熵最大化验前密度;接着把图像用灰度值分成背景和物体两个区域,统计不同的灰度等级内像素的量子比特值,由所占的比例得出像素点的最佳分割阈值;最后给出了算法步骤.实验仿真给出了不同算法的图像分割结果,本文算法对噪声的抑制能力较强,得到较高精度的图像,并且保留了边缘的重要信息.     

基于区域最大图像熵的车牌二值化算法

针对二值化算法,提出了基于区域最大图像熵的算法.该算法把图像熵表征局部剧烈变化的物理意义、区域最大值基于整体变化考虑最大值的优点以及车牌图像目标与背景灰度分布存在一定比例的特点这三者有机结合,通过局部与整体相互补的原则,采用具体问题具体分析的方式,实现了图像二值化.通过研究证明,该算法对于不同颜色、不同噪声强度的图像都具有一定的适应性和实用性.     

基于信息熵的改进SIFT图像快速匹配算法

针对传统的尺度不变特征变换(SIFT)算法计算相对复杂、匹配耗时较长无法满足工程上实时计算要求的问题,提出一种基于信息熵的改进SIFT图像快速匹配算法.首先,根据局部熵自适应选择分割阈值把测试图像和参照图像分割成不均匀的两个区域,采用高熵区域做特征点检测,提高特征点的检测效率;然后利用每个子区域的梯度方向信息熵和梯度幅值信息熵把描述符向量的维度从128维降低到50维,降低欧氏距离的计算复杂度;最后,用最近邻距离比值法完成特征点匹配.通过实验对比发现改进的匹配算法在降低算法复杂度和提高正确匹配率的同时,显著地缩短了匹配时间.     

一维对象复杂度的灰度图像分割算法

从图像复杂度的角度,提出一种一维对象复杂度的灰度图像分割算法。用阈值将灰度图像分为背景与目标2类,统计其对应直方图与总像素个数,并计算对象复杂度;依据图像复杂度分割准则算法公式,遍历每一灰度级对应的图像复杂度值,选取图像复杂度值最小对应的灰度值为最佳分割阈值。仿真实验结果表明,与经典Otsu算法、信息最大熵算法和最小交叉熵算法相比,本文算法速度快,稳定性和效率最好,是一种通用有效的图像分割算法。     

基于显著性映射与兴趣点凸壳的图像融合算法

提出了一种基于显著性特征的可见光与红外图像融合算法来改善目标的融合质量.引入显著检测器对红外图像进行处理,生成显著映射;进一步分析红外图像并检测兴趣点,提取图像中的显著兴趣点;通过计算显著兴趣点的凸壳确定显著区域;利用显著兴趣点凸壳对初始显著映射进行优化,使目标定位更加精确.根据区域映射获取可见光图像的背景区域;根据不同的融合准则对目标、背景区域进行融合,获得最终的融合图像.结果表明与当前可见光图像融合技术相比,所提算法在标准差、联合熵与边缘信息因子等指标方面具有优势,其融合图像的细节纹理更清晰.     

基于关键熵的双树复小波域盲图像水印算法

设计了一种基于关键熵的盲数字图像水印算法.首先,使用尺度不变特征变换(SIFT)方法,从图像中提取特征点;其次,以特征点为中心构造局部不变圆形区域,并对其进行归一化处理;然后,选取大于图像平均熵的图像区域作为关键熵图像区域;最后,结合量化调制策略及双树复小波变换(DTCWT)技术,将水印嵌入到关键熵图像区域中.实验分析...     

基于区域联合Rényi熵的多模医学图像配准

 针对医学图像配准对准确性高、鲁棒性强和速度快的要求,本文提出一种新的基于区域联合Rényi熵的多模配准算法.该算法将区域信息融入到联合Rényi熵中,并使用最小生成树来估计区域联合Rényi熵.这样,不仅改善了传统配准方法由于忽略像素空间信息造成的配准鲁棒性的降低,而且避免了使用直方图估计高维熵遇到的"维数灾难"问题.实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有鲁棒性强、速度快的优点.作为一种一般性的配准算法,基于区域联合Rényi熵的配准方法还可以应用到图像配准以外的更广阔的领域,如图像检索、对象识别等.     

结合天空区域分割的图像去雾算法

针对现有去雾算法在天空区域易失真和复原图像整体偏暗的问题,提出一种结合天空区域分割的图像去雾算法.该算法首先利用图像局部香农熵将原图像分割为天空区域与非天空区域;然后对相应的透射率分别进行求取,并利用快速引导滤波对最终的透射率进行细化处理,再采用四叉树搜索算法求取大气光值,最后利用暗原色先验模型恢复出无雾图像;另外对于整体偏暗的复原图像,则利用改进的局部对比度保留的非线性增强方法进行亮度调整.实验结果表明,与其它去雾算法相比,所提算法能更有效地复原图像;复原后的图像无颜色失真和光晕效应,而且清晰度和亮度更佳,整体视觉效果更加符合人眼视觉特性.     

基于天空区域识别暗通道算法的红外图像去雾

为了提高红外图像去雾的效果,提出天空区域识别暗通道算法。首先通过双阈值把有雾图像划分为天空区域、非天空区域、交叉区域;接着天空区域、非天空区域、交叉区域的大气光值、透射率采用不同的方法计算,避免了暗通道算法的局限性;最后给出了算法流程。实验结果表明,本文算法对含有天气区域有雾图像的去雾结果清晰,平均梯度、综合评价相比其他算法较好,本文算法对天空区域与非天空区域有比较复杂的交叉区域的红外图像去雾后的平均梯度值相比暗通道算法提高了28.02,综合评价值提高了19.88。     

基于PVD隐写术的载体图像的选择研究

设计高性能嵌入算法与选择合适载体图像是提高隐写术性能的两个重要途径.基于像素差值PVD(pixel-value differencing)是一种算法复杂度低,嵌入容量大的高性能隐写算法.本文针对PVD嵌入算法,研究最佳载体选择问题.论文分析与讨论载体图像的复杂度、直方图及其平滑度等载体图像特征值,和相对熵、直方图的改变量等隐写术系统性能参数之间的关系,研究载体图像的特征值对PVD隐写术系统性能的影响,为PVD隐写算法选择最佳的载体图像提供理论依据.实验结果表明,选择直方图曲线连续变化缓慢的图像作为PVD隐写算法的载体图像,能有效提高隐写术系统的不可感知性能.     

基于L0平滑的超像素块最短测地距离的显著区域提取方法

为了有效地检测出图像中的显著区域,提出了一种基于L₀平滑 的超像素块最短测地距离的图像显著区域提取方法。首先对图像进行L₀平滑得到边缘锐化内部细节平滑 的图像,进而用简单线性迭代聚类(SLIC)算法得到图像的超像素块;然后提取超像素块的 颜色和空间特征,计 算超像素块之间的最短测地距离,根据图像边界的连通性得到每个超像素块的初步显著值; 最后通过显著 区域聚焦等后处理优化操作,滤除图中的背景噪声,得到最终显著图。利用公开数据库与之 前方法进行 比较的结果显示,本文方法能够更好地加亮整个显著目标区域,去除背景干扰区域。通过 ROC面积的比较,证明了本文提出方法的有效性。     

引入显著特征空间的抗遮挡红外目标跟踪

针对红外目标跟踪过程中目标纹理信息缺乏,与背景灰度呈现强耦合性,特别是在遮挡情况下目标特征信息链断裂,特征信息无法延续的实际跟踪问题,提出了基于显著特征空间的抗遮挡跟踪算法。首先通过分析红外目标特性,利用多尺度显著性、对比度和信息熵等信息生成显著特征向量空间,结合超像素特征距离和空间距离对区域进行聚类融合,突出目标区域,生成显著图。然后融合显著区域和原图,生成多个目标候选区作为跟踪算法输入。最后通过目标的空间分布场矩阵对全局的候选区域进行匹配,同时建立遮挡检测机制,基于显著区连通区变化和特征相似度变化曲线对遮挡的起始进行判断,结合遮挡判定设置模型更新策略。在不同红外测试集上的实验结果表明:所提算法在遮挡情况下也能达到较好的跟踪效果,有效增强了跟踪算法的鲁棒性。     

Efficient saliency analysis based on wavelet transform and entropy theory

Saliency detection has extensive applications in daily life. In this paper, an efficient saliency-detection method based on wavelet transform and entropy theory is proposed. In the algorithm proposed in this paper, salient regions are viewed as uncommon regions in the background of an image. The uncommon regions can be caused by differences in color, orientation, texture, shape, or other factors. Considering the fact that wavelet coefficients can represent the local features of an image in different scales and orientations, the wavelet transform is therefore employed to identify the salient regions. Unlike those conventional wavelet-based methods, our proposed method need not perform the inverse wavelet transformation; this can reduce the computational requirements. In addition, because the different factors (i.e. color, orientation, texture, shape, etc.) stimulate different aspects of the human visual system, a saliency-map combination scheme based on the entropy theory is devised in this paper, which can evaluate the influence or significance of the different factors. Experimental results show that our method, based on wavelet transformation and entropy theory, can achieve excellent performance in terms of the area under the receiver operating characteristic curve (AUC) score, the linear correlation coefficient (CC), the normalized scan-path saliency (NSS) score, and visual performance, as compared to existing state-of-the-art methods.     

基于稀疏编码的红外显著区域超分重建算法

由于红外光学衍射限和红外探测器的局限,得到的红外图像噪声相对偏大,分辨率偏低。对红外图像进行超分辨率重建可以提高图像分辨率,但同时又会增强背景噪声。针对此问题,提出了基于稀疏编码的红外显著区域超分重建算法,将超分重建和显著度检测相结合,可以提高目标分辨率并降低背景噪声。首先采用双层卷积提取图像特征,并自适应选择图像信息熵较大的图像块用于训练联合字典。然后利用稀疏特征计算显著度获取显著区域,再将显著区域用训练好的字典进行超分辨重建,与目标无关的背景区域采用高斯滤波。实验结果显示改进的重建算法在同等条件下重建效果优于重建模型ScSR和SRCNN,图像信噪比提高3～4倍。     

基于显著点的感兴趣区域提取

提出了一种基于显著点的感兴趣区域提取方法,首先对图像进行分割,然后用基于小波变换的方法提取图像的显著点,并对得到的显著点进行扩展;最后根据扩展后的显著点分布情况来判断每一块分割区域是否属于感兴趣区域.该法对简单背景图像具有较好的效果.     

视觉注意驱动的基于混沌分析的运动检测方法

提出了视觉注意驱动的基于混沌分析的运动检测方法(MDSA)。MDSA首先基于视觉注意机制提取图像的显著区域,而后对显著区域进行混沌分析以检测运动目标。算法技术路线为:首先根据场景图像提取多种视觉敏感的底层图像特征;然后根据特征综合理论将这些特征融合起来得到一幅反映场景图像中各个位置视觉显著性的显著图;而后对显著性水平最高的图像位置所在的显著区域运用混沌分析的方法进行运动检测;根据邻近优先和返回抑制原则提取下一最显著区域并进行运动检测,直至遍历所有的显著区域。本文对传统的显著区域提取方法进行了改进以减少计算量:以邻域标准差代替center-surround算子评估图像各位置的局部显著度,采用显著点聚类的方法代替尺度显著性准则提取显著区域;混沌分析首先判断各显著区域的联合直方图（JH）是否呈现混沌特征,而后依据分维数以一固定阈值对存在混沌的JH中各散点进行分类,最后将分类结果对应到显著区域从而实现运动分割。MDSA具有较好的运动分割效果和抗噪性能,对比实验和算法开销分析证明MDSA优于基于马塞克的运动检测方法（MDM）。      

一种改进的显著区域提取模型

图像的显著区域代表的是图像的主要内容,提取显著区域在图像检索、压缩、识别等方面有重要的应用。基于Itti模型提出一种改进的模型来提取图像的显著区域,即分别提取原始图像的亮度、颜色、方向、形状四个特征,并将这四个特征的多尺度图像特征合并成一幅总的显著图;在图像方向特征提取中采用倒数函数来代替Gabor特征函数,使得方向特征图更加完善。该模型与经典的Itti模型相比较,提取出的显著图更为明显,速度较快且易于实现。