一种基于相邻匹配的分形图像检索算法

分形码用来描述图像内跨尺度相似性冗余信息。通过分形码记录图像特征并将其用于图像相似度判断及图像检索。基于自适应四叉树分割方法,提出了图像快速分形编码方法。所提方法通过邻域内固定块的相似性判别快速提取分形码,减少了图像分割层次,缩短了编码时间并保证了图像解码质量。同时提出了一种新的快速判别图像间相似块的距离公式,提升了图像相似度判断的准确性。实验结果表明,相对于灰度直方图判别法,本算法大幅提高了图像检索的查全-查准率。相比于文献中的分形检索算法,本算法缩短了编码时间并降低了分割块数,从而提高了检索效率。     

基于形态特征的快速分形图像编码

现有的快速分形编码算法多数是在降低图像质量的前提下实现的。针对这个问题,提出了一个快速分形编码算法,它基于新定义的图像块的形态特征的概念。这种算法先把码本按形态特征大小赋序,然后对于每个输入Range块,在赋序码本中寻找与它的形态特征最接近的码块,进而在这个码块的邻域内搜索Range块的最佳匹配块。实验结果显示,对于256×256的Lena图像,与基本分形算法比较,其依赖于搜索邻域大小,该算法既能在峰值信噪比(PSNR)相同的情况下编码速度加快4.4倍,也能在主观质量略有下降的情况下编码速度加快约140倍。     

基于动态SMVQ的图像压缩算法

SMVQ利用相邻图像块之间的相关性来提高编码图像质量。然而，传统的SMVQ当图像边缘位于当前编码图像块右下角时会出现编码误差，为此，研究并提出了一种改进的SMVQ，新算法利用图像所有图像块之间的相关性对当前编码图像块进行预测。对每一个输入图像块，利用边匹配方法从已编码数据中寻找最近块，并用其对输入图像块进行预测，或产生动态码书。然后利用最近块、动态码书或总码书对输入数据进行编码，扩展了编码搜索范围，提高了图像质量。实验结果表明新算法大大降低了比特速率，而且编码图像有较好的视觉效果。     

四分位数特征的快速分形图像编码算法

尽管分形图像编码在高压缩比时具有较好的视觉质量,但其固有的编码耗时限制了它的广泛应用。编码时间主要花费于在一个海量码本中寻找每个range块的最佳匹配domain块。针对这个问题,提出一个限制搜索空间的算法：根据新定义的图像块的四分位数特征与匹配均方根误差间的关系不等式,一个待编码range块只在初始匹配块（即与range块具有最接近四分位数特征的domain块）的邻域内搜索其最佳匹配块,搜索邻域的大小由预先设置的误差阈值来控制。仿真结果表明,三幅测试图像在重建图像质量更优的情况下,全搜索分形编码算法的编码速度平均加快了51倍左右（误差阈值为10）,与新叉迹特征算法相比,可获得更好的编码效果。     

基于JPEG块效应差异的图像篡改区域自动定位

不同JPEG栅格位置或不同压缩质量的图像区域被合成为篡改图像时会出现JPEG块效应的差异,据此提出了一种能自动定位篡改区域的图像盲被动取证方法。算法先通过一种基于小波的图像去噪方法提取噪声,利用噪声衡量局部JPEG块效应以提高块效应信号的信噪比;然后通过迭代方法寻找到合适的阈值,在块效应直方图中分离出篡改区域。针对不同类型的篡改区域的实验说明了算法的有效性。     

压缩图像传输中基于小波-空间域联合估计的差错隐藏算法

基于小波域压缩的图像在传输发生错误时，会引起部分空间区域图像质量的下降。解决这一问题的传统方法是空间域插值或小波域估计。由于传统方法重构质量仍有待提高，为了获得质量更好的重构图像，提出了一种小波一空间域联合估计的差错隐藏算法。该算法首先对小波域低频系数进行简单的八邻域平均来得到初始重构图像；接着在空间域对核心受损区域进行基于块的匹配搜索，通过选择对已知正确小波系数影响最小的块作为匹配块来得到匹配图像；最后将经过滤波处理后的匹配图像变换到小波域，通过与小波域已知正确信息相融合来得到最终重构图像。仿真试验表明，在多数应用场合，该方法与简单的小波八邻域平均低频重构图像相比，客观质量峰值信噪比提高0．5—1dB左右，主观质量也有明显提高。     

基于区域的国画真伪鉴别算法研究

针对像素的国画真伪鉴别算法准确率低、计算量大的问题,提出了一种区域级置信传播算法。将图像分块的思想引入到基本置信传播算法中,在区域块消息的传递过程中剔除非重要信息,以区域块及其周围八邻域传递的消息为基础迭代计算区域的置信度函数,推理出图像块的真伪状态,进而确定各类实验对象的真伪状态。实验结果表明,改进算法提高了原算法对图像识别的准确率和算法的运算速率。     

改进转动惯量特征的快速分形图像编码算法

全搜索分形图像编码过程特别耗时的原因在于,每个range块都需要在一个很大的domain块池里寻找最佳匹配domain块。为了改进这个缺点,重新定义了图像规范块的转动惯量特征,证明了它与匹配均方根误差间的关系不等式,据此提出了一个限制搜索范围来加快编码过程的算法：一个待编码range块的最佳匹配块搜索范围仅在与它的转动惯量特征值相近的domain块的邻域内搜索,邻域半径的大小由预先设置的误差阈值来确定。三幅图像的仿真结果表明,它确实能够在不降低解码图像质量的情况下,通过减少搜索范围达到了平均加快全搜索分形编码算法的编码速度26倍左右（误差阈值为10）,且也优于转动惯量算法和三均值特征算法。     

基于差值直方图平移的密文域可逆信息隐藏算法

目前的差值直方图平移算法多数存在嵌入容量偏低的缺点,因此,在信息隐藏算法的基础上,提出一种大容量的密文域可逆信息隐藏算法。利用单同态加密在加密域内直接对图像进行操作,将图像分成大小相同的块,每块图像的像素根据位置关系进行分组,通过对互不重叠的4个相邻像素作差建立分块差值直方图,再选取两侧边缘值作为嵌入位置以提高嵌入容量。实验结果表明,该算法在提高信息嵌入率的同时可保证直接解密后的图像具有较高的PSNR值,并且能够完全恢复载体图像。     

一种基于Canny的改进车灯光轴检测算法

在车灯配光性能检测中,近光光照方向和光形是重要的检测项目。本文研究边缘检测技术在提取前照灯近光光轴中的应用,主要对Canny边缘检测算法的性能进行了分析和评价,针对传统Canny算法在梯度幅值计算上的缺陷,提出了一种通过计算像素八邻域内图像一阶偏导数有限差分来确定梯度幅值的方法．在此基础上,在基于非极值抑制原理检测边缘点时,将像素的八邻域分为4个像限结合双线性插值的方法进一步提高了边缘检测的精度和准确度．根据前照灯配光在线检测的特点及要求,最终选用改进后的Canny边缘检测算法,有效地检测出近光灯的光轴。     

一种最优化链码指纹二值细化图像压缩编码

提出了一种适合于对线状结构的条形纹线二值图像进行压缩的最优化Freeman链码压缩算法——Freeman差分链码Huffman编码。与传统的Freeman链码相比，提出的压缩算法是基于Freeman链码、差分编码和Huffman编码的一种混和编码方式。通过理论分析和在指纹二值细化图上的实验结果证明，对于指纹二值细化图像，本算法优于现有的链码压缩二值图像的算法，针对于线状结构的条形纹线二值图像，本算法也优于其他压缩算法。其平均码长为1.7651bits，低于8方向Freeman链码或者Freeman差分链码的3bits的平均码长。     

边界跟踪自动机与围线树结构的生成算法

定义八近邻图像的边界跟踪自动机,利用自动机跟踪图像所有区域边界,自动机的输出为边界的顶点链码,在自动机跟踪所有边界的同时生成围线的树结构.跟踪算法复杂度是线性的,能跟踪任意复杂图像区域.     

基于感兴趣区域和RS编码机制的QR码美化算法

针对已有QR码美化方法没有考虑背景图像的感兴趣区域,进而影响美化效果的问题,提出基于感兴趣区域和RS编码机制的QR码美化算法。首先提出改进的基于多特征感兴趣区域检测算法,进而用此方法得到背景图的显著二值图。其次,将原始QR码利用RS编码矩阵进行异或操作得到中间QR码,该QR码和背景图的显著二值图完全一致;然后,将背景图像和中间QR码按照特定的融合策略进行融合。最后,将融合图再次利用RS纠错机制进一步扩大美化区域,得到最终的美化QR码图像。在测试样本集上的实验表明:所提算法可以实现完整的背景替换,保存更多的图像信息,具有较好的视觉效果和较高的解码率。     

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。     

关于顶点链编码的图像区域表示和填充算法

图像区域的表示和显示是图像处理和图像分析、计算机制图和计算机图形学中的重要研究课题.以顶点链编码为基础,提出一种以顶点链编码来表示二值图像的方法,完成了对于图像区域的简单表示.同时着重提出了一种将用以表示二值图像的顶点链编码转化为原二值图像的算法.该算法对表示二值图像区域的顶点链编码点进行记录处理,配对被记录的顶点链编码点,然后运用水平扫描线来填充图像区域,从而将原图像根据顶点链编码完全恢复出来.     

二值图象邻域寻找的一种快速方法

本文提出了一种基于线性四分树表示的二值图象四邻域寻找的快速算法。与前人的方法相比,该方法占用机器时间和内存空间都较小,而且该方法能方便地推广到八邻域的寻找。     

自监督深度离散哈希图像检索

目的 基于深度学习的图像哈希检索是图像检索领域的热点研究问题。现有的深度哈希方法忽略了深度图像特征在深度哈希函数训练中的指导作用,并且由于采用松弛优化,不能有效处理二进制量化误差较大导致的生成次优哈希码的问题。对此,提出一种自监督的深度离散哈希方法（self-supervised deep discrete hashing,SSDDH）。方法 利用卷积神经网络提取的深度特征矩阵和图像标签矩阵,计算得到二进制哈希码并作为自监督信息指导深度哈希函数的训练。构造成对损失函数,同时保持连续哈希码之间相似性以及连续哈希码与二进制哈希码之间的相似性,并利用离散优化算法求解得到哈希码,有效降低二进制量化误差。结果 将本文方法在3个公共数据集上进行测试,并与其他哈希算法进行实验对比。在CIFAR-10、NUS-WIDE（web image dataset from National University of Singapore）和Flickr数据集上,本文方法的检索精度均为最高,本文方法的准确率比次优算法DPSH（deep pairwise-supervised hashing）分别高3%、3%和1%。结论 本文提出的基于自监督的深度离散哈希的图像检索方法能有效利用深度特征信息和图像标签信息,并指导深度哈希函数的训练,且能有效减少二进制量化误差。实验结果表明,SSDDH在平均准确率上优于其他同类算法,可以有效完成图像检索任务。     

CONVERTING RUN CODE TO CHAIN CODE

Abstract

The run code is easy to generate on-line from a video signal but the chain code is often more useful. A simple, fast algorithm is presented for constructing chain code from run code. The algorithm defines the order of preference of the next move for a “bug,” given its most recent move. The task for this bug is to travel right around the outermost edge elements of the object whose silhouette appears in the binary image. It is assumed that there is only one such object which may contain holes, although these are not coded by this simple algorithm. The algorithm generates a 4-value code whereas it is more usual to use an 8-value chain code which can be created by a simple method described by Freeman in his definitive work on the chain code.     

图像Hadamard变换域鲁棒水印算法

提出了一种基于分块Hadamard变换的鲁棒图像水印算法。水印图像先进行置乱和扩展得到水印序列。原始图像进行8×8分块的Hadamard变换,在中频系数里按不同强度嵌入水印。水印提取时,先计算与原始图像在对应的变换域系数的差值,再计算该差值与水印编码的相关性来确定每个水印像素。实验表明,该算法对原始图像的视觉影响小,具有良好的鲁棒性。     

一种新的自适应量子遗传算法研究

传统的量子遗传算法是基于二进制编码进行的,每次计算需要进行编码和解码操作,影响了算法的效率。针对这一问题,提出了实数编码的自适应量子遗传算法（RQGA）。首先运用实数和量子比特共同编码,并采用自适应频率的临近算符对编码进行更新,而后运用自适应转角策略更新量子比特串,以保证算法保持搜索性能和求解性能的平衡。最后分别采用二进制遗传算法、二进制量子遗传算法以及实数和量子比特共同编码的自适应量子遗传算法对Schaffer’f6函数进行测试对比,结果表明,实数和量子比特共同编码的自适应量子遗传算法无论在收敛速度还是收敛精度方面都体现了较好的优越性。