基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化;首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别;通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5％以上,为火灾图像识别提供了一种新思路.     

利用独立分量分析的运动模糊图像检索

研究了独立分量分析（ICA）算法在运动模糊图像检索中的应用。首先,对图片库中的图像进行ICA处理,构造由相互独立的基向量构成的子空间,将图片库中的图像及运动模糊图像分别向该空间投影,获得各自的特征。其次,利用特征向量间的余弦距离作为相似度度量标准,根据最近邻准则进行特征匹配与图像检索。最后,对人为加入高斯噪声、进行45°和90°旋转的运动模糊以及缺损图像进行了匹配检索实验。实验结果表明,利用ICA算法提取出的特征可以准确地检索出运动模糊图像的原图像,并且对噪声污染、旋转变换和图像缺损具有良好的鲁棒性。     

基于子向量距离索引的高维图像特征匹配算法

图像局部不变特征已经成功地应用在计算机视觉当中的许多领域,而如何快速有效地匹配高维图像局部特征向量是解决这类问题的关键步骤。提出了一种新的基于子向量距离索引的高维特征向量匹配算法,将高维空间中最近邻搜索问题转化为一维索引值的查找和局部搜索问题,在保证较高的搜索精度的同时大大提高了搜索速度。大量的图像匹配和图像检索实验验证了该算法的有效性。     

基于几何均值分解的图像区域复制篡改检测方法

针对现有大多数图像区域复制篡改检测算法提取图像块的特征向量维数较高的缺点,提出一种新的基于几何均值分解的检测算法.将可疑图像分成大小相等的可重叠的子块;并对每个图像块进行几何均值分解并用其表征该子块的特征,形成1维的特征向量;最后对所有的特征向量进行字典排序,并结合图像块的相等位移矢量的发生频率信息,检测并定位出篡改区域.实验结果表明,该算法不仅能够有效检测并定位多区域复制篡改区域,而且对高斯模糊、对比度调整、曝光度调整的后处理操作具有较强的鲁棒性,并且有效地降低了特征向量的维数,提高了检测效率.     

基于粒计算的空间特征提取及其检索的研究

利用四叉树算法将图像分割成若干子块,根据子块的颜色直方图,将提取图像的空间特征与提取图像的颜色特征结合起来,然后运用粒计算理论对提取的图像空间特征进行粒化,得到特征向量,并对其进行归一化。在此基础上,结合相关反馈机制设计基于粒计算的融合多特征的人机交互式图像检索的综合算法,该算法的复杂度低,能够在很大程度上提高图像检索的效率和准确性。     

小波包变换在手写体金融汉字识别中的应用

针对小波包变换的特点,提出了一种基于小波包变换的手写体金融汉字识别算法。该算法首先对汉字图像进行二维小波包分解,利用基于子图像能量方差的准则选择适当的部分分解树;然后将得到的子图像划分成多个局部窗口,计算局部窗口的能量值组成特征向量;再通过主成分分析(PCA)选择分类能力最强的一组特征,降低特征空间的维数;最后,将特征向量送入支持向量机进行分类。实验结果表明,该算法取得了较好的识别效果。     

基于核方法的光谱角制图模型及其在高光谱图像分割中的应用

在分析传统光谱角制图方法的几何属性和相似性度量特点的基础上，提出一种新的光谱相似性度量方法。该方法首先利用非线性变换将原始光谱向量变换到一个新的特征空间。其次，在特征空间中，利用协方差矩阵的非零特征向量构造了一组正交基，并将变换后的光谱向量投影到特征空间中的正交基上。高光谱图像分割实验结果表明该方法在光谱相似性度量上优于传统的光谱角制图方法。     

面向高维图像特征匹配的多次随机子向量量化哈希算法

为了解决高维图像特征的高效匹配问题,提出一种新的基于多次随机子向量量化哈希(MRSVQH)的索引算法.该算法根据随机选择的若干子向量的L2范数对特征向量进行量化,并根据量化值对特征向量进行散列,构建出哈希索引结构;为了提高搜索精度,类似的哈希索引结构被多次构建.搜索时仅考察与查询向量有相同哈希值的特征向量集合,缩减了搜索范围.实验数据表明,与经典的BBF和LSH算法相比,MRSVQH算法在图像特征的最近邻搜索精度和搜索速度方面都有较大的性能提升,在图像匹配和图像检索的应用中具有优势.     

基于KL变换的模糊C-均值聚类彩色图像分割

根据图像色彩特征空间的正交特性，以及构成特征空间的特征向量和特征值之间的统计特性，提出了一种新的彩色图像指定区域分割算法。首先在指定区域选取采样像素，通过KL变换计算采样像素的协方差矩阵、特征值、特征向量；由特征向量构成指定区域的色彩特征空间，然后对原色彩空间中的向量进行空间变换和权重变换；最后用模糊C-均值聚类方法聚类变换后的向量，得到分割结果。文中给出了静物图像的聚类分割结果，体现了算法对于指定区域细节分割的准确性。     

基于颜色和轮廓平稳小波变换纹理分析的彩色图像检索

由于单一特征只能表达图像的部分内容,提出了一种新的彩色图像检索方法.该算法在提取颜色特征方面,首先将图像进行分块以获得空间分布信息,为了充分利用RGB颜色模型及HSV颜色模型的优点,分别在两种不同的颜色模型中提取相应的特征向量,将两种颜色空间中的特征向量结合在一起就形成本文的颜色特征向量,在纹理特征方面,结合小波变换及轮廓波变换的优点,将图像进行非下采样轮廓平稳小波变换(NWCT),然后分别计算各子带在各个方向上系数的均值与方差作为纹理特征向量,最后采用加权欧氏距离作为图像的相似度进行检索.实验结果表明,相对于其他检索方法,该方法平均检索精度有了一定的提高,取得了较好的检索结果.     

破损区域分块划分的图像修复

目的： 提出一个算法,使计算机能够自动修复破损区域较大且结构信息较复杂的图像。 方法： 本研究通过模仿手工修复破损区域较大且结构信息较复杂的图像的方法,按如下2个步骤来修复图像：1) 破损区域的划分,首先,对各断裂边界线进行匹配配对。然后,将已配对的各断裂边界线进行直接连接,从而在破损区域内形成各个待修复块。2) 各块的修复,首先,采用BSCB算法中的传输方程和扩散方程将已选邻域信息迭代传输和扩散到各块破损区域,以修复完优先级最大的各个块。然后,判断是否有次优先级的待修复块,若有,则采用边界线删除算法删除部分冗余边界线,接着按相同方法修复次优先级的待修复块;若无,则修复完成。 结果： 基于以上图像修复步骤,提出了破损区域分块划分的图像修复算法。将提出的该算法和其它3个算法用于修复破损区域较大且结构信息较复杂的图像,其结果显示,该算法所修复图像的PSNR值平均提高1.49db,同时,所修复图像具有较好的视觉效果。 结论： 和其它3个算法相比,提出的破损区域分块划分的图像修复算法更适合于修复破损区域较大且结构信息较复杂的图像。     

参照四邻域裁剪样本的图像修复算法

针对结构纹理信息较复杂、破损尺度较大的图像修复问题,提出一种既能保持图像特征又能提高修复速度的参照四邻域裁剪样本的修复算法,将图像修复问题转化为最佳样本的检索过程。首先,提取图像结构信息,并对图像进行区域划分以缩小样本的裁剪与检索范围;其次,为了改进离差平方和（SSD）方法对块的结构信息匹配的忽视,在像素块匹配计算中引入结构对称匹配约束,有效避免了误匹配,提高了图像块匹配精度及样本搜索效率;然后,通过引入结构因子和置信度,结合传统的优先权计算,得到突出结构作用的优先级公式;最后,利用目标块与四邻域块间的重叠区域计算四邻域参照优先级,并根据四邻域提供的可靠参照信息,依据改进的块匹配方法裁剪样本集并检索最佳样本块,直至所有目标块都检索匹配到最佳样本,完成修复。实验结果表明,该算法可以很好地解决纹理模糊和结构错位等问题,在提高图像修复速度的同时,所提算法修复效果的峰值信噪比（PSNR）比其他对比算法平均提高了0.5~1 dB,使得修复后的图像更好地满足视觉连通性,同时能高效地修复一般区域,具有更好的普适性。     

基于改进的K均值聚类彩色图像分割方法

提出了一种改进的K均值聚类图像分割方法。针对彩色图像的像素特征,利用Ohta等人的研究成果,选取能有效表示彩色像素特征的彩色特征集中的第一个分量作为图像像素的一维特征向量,用来替代经典K均值聚类图像分割中的灰度．大大降低了运算量。基于粗糙集理论的算法,求出初始聚类个数与均值。选用对特征空间结构没有特殊要求的特征距离代替欧氏距离,应用改进的K均值聚类算法对样本数据进行聚类,从而实现对彩色图像的快速自动分割。实验表明,该图像分割算法可有效提高图像分类的精度和准确度,并且运算代价小．收敛速度快。     

基于离散小波变换的图像修补方法*

根据多尺度分析原理,提出了基于离散小波变换的图像修复方法.首先用离散小波变换把图像分解为高频成分与低频成分,对图像不同频率的成分分别进行修补.图像的低频部分采用笔者以前所提出的结合中值滤波和基于曲率扩散方法[1]进行修复.由于高频部分地表示图像的边缘轮廓信息,并且有很强的方向性,对高频图像数据先进行分块,用线性拟合求出每一块的方向,再根据方向信息进行修复.实验表明,该算法能较好地修补破损区域.     

Multispectral image compression using eigenregion-based segmentation

In the study, a novel segmentation technique is proposed for multispectral satellite image compression. A segmentation decision rule composed of the principal eigenvectors of the image correlation matrix is derived to determine the similarity of image characteristics of two image blocks. Based on the decision rule, we develop an eigenregion-based segmentation technique. The proposed segmentation technique can divide the original image into some proper eigenregions according to their local terrain characteristics. To achieve better compression efficiency, each eigenregion image is then compressed by an efficient compression algorithm eigenregion-based eigensubspace transform (ER-EST). The ER-EST contains 1D eigensubspace transform (EST) and 2D-DCT to decorrelate the data in spectral and spatial domains. Before performing EST, the dimension of transformation matrix of EST is estimated by an information criterion. In this way, the eigenregion image may be approximated by a lower-dimensional components in the eigensubspace. Simulation tests performed on SPOT and Landsat TM images have demonstrated that the proposed compression scheme is suitable for multispectral satellite image.     

Error Concealment Using Adaptive Multilayer Perceptrons (MLPs) for Block-Based Image Coding

Image coding algorithms such as Vector Quantisation (VQ), JPEG and MPEG have been widely used for encoding image and video. These compression systems utilise block-based coding techniques to achieve a higher compression ratio. However, a cell loss or a random bit error during network transmission will permeate into the whole block, and then generate several damaged blocks. Therefore, an efficient Error Concealment (EC) scheme is essential for diminishing the impact of damaged blocks in a compressed image. In this paper, a novel adaptive EC algorithm is proposed to conceal the error for block-based image coding systems by using neural network techniques in the spatial domain. In the proposed algorithm, only the intra-frame information is used for reconstructing the image with damaged blocks. The information of pixels surrounding a damaged block is used to recover the errors using the neural network models. Computer simulation results show that the visual quality and the PSNR evaluation of a reconstructed image are significantly improved using the proposed EC algorithm.     

基于断裂结构线匹配模型的大破损区域图像修复算法

针 对现阶段含有复杂结构信息的大破损区域图像修复算法中存在的断裂结构线连接错误、连接不平滑的问题,提出一种基于断裂结构线匹配模型的大破损区域图像修复算法。首先,深入分析了影响断裂结构线匹配度计算的因子,并根据这些影响因子的重要程度赋予不同权重值,在此基础上构造了一种断裂结构线匹配模型以得到相应的断裂结构线匹配对;然后,在这些断裂结构线匹配对的基础上拟合出光滑结构线,并将大的破损区域划分为了不同的子区域;最后,使用块匹配算法对破损子区域进行像素填充。在进行的6组对比实验中,所提算法在处理含有丰富结构信息的大破损区域边缘时,能够准确地对断裂结构线进行配对并且能在配对结果的指导下平滑连接断裂结构线,修复后的图像视觉效果明显比改进后的Criminisi算法、Hays算法以及IIPBDR算法得到的效果好。     

基于DCT与分形理论的遥感影像鲁棒水印算法

提出一种基于DCT和分形理论的遥感影像数字水印算法.首先利用分形技术确定自相似块作为水印嵌入区域;然后对水印图像进行Arnold置乱预处理,并将其扫描为一维序列;最后,对所选自相似块进行DCT变换,并将水印嵌入其中频系数.实验证明本文算法易于计算和实现,算法实现盲检测且有效提高了水印的不可见性,对JEPG压缩、滤波和叠...     

多尺度密集时序卷积网络的单幅图像去雨方法

雨滴会降低户外拍摄图像质量,影响图像视觉效果及后续图像分析工作。针对目前去雨算法存在颜色失真、去雨过度化等问题,为了提高计算机视觉算法在中、大雨天气下的准确性,提出多尺度DenseTimeNet(密集时间序列卷积神经网络)的单幅图像去雨方法。该网络由多个尺度DenseTimeNetBlock(密集时序卷积网络密集块)组成,通过卷积下采样技术得到不同尺度下雨线特征信息与降低图像维度后利用时域卷积寻找的时间维度特征信息。在不同维度下学习雨景图和无雨图之间的映射关系,网络主体由密集卷积块和残差网络组成,可加速算法收敛速度,更深度学习图像纹理特征,使特征信息在网络结构进行深度传播,可以更好地复原残损图像。在不同方向,不同大小的雨滴图像上对所提方法进行验证,实验结果表明,该方法相较于现有算法,图像去雨效果良好。     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。