基于轮廓的图像检索

提出了一种针对多纹理图像的基于轮廓和纹理分割的检索策略.首先提取一幅图像中各个纹理基元的轮廓,计算轮廓的Fourier形状描绘子,根据形状描绘子对轮廓聚类分组.此时,原图像被分割成几组不同形状的纹理基元轮廓,采用Gabor小波变换分别提取各组纹理基元轮廓的特征,从而将原图像表示为Gabor小波特征空间中的特征点集.最后,采用对噪音不敏感的改进Hausdorff距离计算各特征点集之间的距离,便可实现多纹理图像的检索.与已有方法相比,实验结果表明,该方法具有更好的检索精度.     

水平集曲线演化快速提取足迹轮廓

提出空间多分辨分析方法,通过分析图像行列方向能量投影的分布,将图像划分为大小不均匀的子块,根据图像的总体结构特征和局部细节特征自适应地调整子块大小,并以各子块的灰度均值作为新图像基元像素的灰度值,实现图像压缩.水平集曲线演化方法在压缩图像上进行,使得被处理的数据量大大减少,从而缩短了轮廓提取的时间,提高了算法的实用性.与边缘检测方法或直接水平集曲线演化方法相比较表明,该方法能够以较少的运算量获取较高的足迹轮廓提取准确度.     

基于超像素形状特征的图像复制粘贴篡改检测算法

针对传统图像复制粘贴篡改检测方法中划分子块的数目过大导致算法时间复杂度过高且抵抗几何变换能力较弱的问题,提出一种基于超像素形状特征的图像复制粘贴篡改检测算法.首先提出基于小波对比度自适应划分超像素的方法分割图像并提取稳定的特征点;然后提出新颖的形状编码方式提取超像素形状特征,并与特征点融合,估计可疑伪造区域;最后对可疑伪造区域进行二次超像素分割和匹配,精确定位篡改区域.实验结果表明,提出的算法具有抵抗几何变换、噪声、模糊和JPEG压缩的能力.     

基于自组织竞争神经网络和小波变换的密写

依照人眼视觉特性对边缘和较暗区域不敏感的特点,提出基于自组织竞争神经网络和小波变换的图像密写方法.该方法将载体图像分成若干固定大小的子块,对各子块进行一级小波分解后计算小波对比度和大幅值小波系数的数量,利用自组织竞争神经网络将各子块分为三类,并采用模算子技术嵌入秘密信息.实验结果表明,该方法在较好地保持原载密图像视觉效果的同时可以嵌入更多的秘密信息.     

基于小波分解和优选的VLBP特征的表情识别方法*

提出一种基于小波分解和优选的VLBP特征的表情识别方法。该方法首先通过小波分解将原始图像分为几个不同频率的子图像来增强图像信息,然后用VLBP算子对不同频率的子图像运用不同的分块大小提取特征,采用神经网络贡献分析对特征进行选择,最后用SVM分类器进行识别。实验表明,该方法比单纯从原图像中提取VLBP特征更加有效,识别率更高,并且VLBP特征的提取速度快,可用于实时的人脸表情识别。     

一种融合聚类与区域生长的彩色图像分割方法

论文提出了一种将聚类和区域生长有机融合的彩色图像分割方法。为了捕获图像的纹理特征,首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色与纹理特征,然后采用符合人类视觉特征的生长规则,进行基于子块的区域生长。该方法充分利用了聚类算法和区域生长算法的各自优点,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行了分割实验,实验结果证明了算法的有效性。     

基于支持向量机的视频字幕自动定位与提取

视频字幕蕴含了丰富语义 ,可用于对相应视频流进行高级语义标注 .文中首先将原始图像帧分割为 N× N的子块 ,提取每个子块的灰度特征 ;然后使用预先训练好的 SVM分类机进行字幕子块和非字幕子块的分类 ;最后结合金字塔模型和后期处理过程 ,实现视频图像字幕区域的自动定位提取 .实验表明文中方法取得了良好的效果     

织物纹理疵点快速检测方法

根据小波在奇异信号分解中的特点,提出了一种疵点快速检测新方法.首先通过对被检测图像进行小波提升分解,获得相应的子图.然后把高频子图分割成若干子窗口,统计子窗口能量的标准差与均值加权和作为提取的特征.最后把高频子图中的特征均值与正常子图特征均值相比较,判断疵点是否存在.实验结果表明,该检测方法能快速有效的检测疵点.     

基于离散平稳小波变换和FCM的纹理图像分割

采用离散平稳小波变换对纹理图像进行分解,以各层小波系数中能量为特征相向量,采用模糊c-均值聚类（FCM）对图像分割,并对分割方法进行了改进,提出采用网格法,将图像分解成若干子图像,对图像进行粗分割,再对边缘部分的网格进行细分的两步分割法。试验结果表明该方法显著提高了分割速度和精度。     

基于多尺度特征融合的SAR图像分割

由于存在相干斑噪声的影响,给SAR图像分割造成很大的困难,提出一种基于多尺度特征融合的SAR图像分割方法。该方法利用快速离散curvelet变换提取图像的纹理特征,利用平稳小波变换提取图像的统计特征,将两种多尺度特征融合成高维的特征向量,采用模糊C均值聚类的方法进行分割。在仿真SAR图像和真实SAR图像的分割实验结果表明,提出的方法优于单独采用小波变换进行SAR图像分割的方法,在消除均质区内碎块的同时,使得边界更为精准和平滑。