基于共形几何代数与二次规划的分类器设计

提出一种基于共形几何代数与二次规划的分类器设计方法.从新的角度出发,讨论了运用共形几何代数理论来构造最优分类超球可分问题的可行性和简便性,首先介绍了基于共形几何代数的分类超球面的几何表示,并用此表示将二类最优分类超球面的可分问题转化二次规划的训练学习问题,在此基础上分析了多类分类器的设计和训练方法.该算法保留了最大分类间隔理论的优点,将二类最优平面可分推广到最优超球可分,简化了其运算复杂度,仿真实验表明,该学习算法简洁明确,对于算法的集成,提高效率有着很重要的意义.     

基于Radon变换与Schur分解的彩色图像水印算法

目的 针对彩色图像盲水印算法较为复杂且抗旋转能力差等问题,结合矩阵Schur分解和Radon变换提出一种抗旋转攻击的彩色图像盲水印算法。方法 该算法首先提取彩色宿主图像的U通道图像,其次对U通道图像经NSCT变换后的低频分量进行分块处理,将每个像素块分解为对称矩阵和反对称矩阵,最后对每块对称矩阵进行Schur分解,将二值水印嵌入至分解后上三角矩阵的最大特征值中。提取水印信息时,利用Randon变换对含水印图像进行几何校正后再进行水印提取操作。结果 文中算法提取水印相似度较高,其NC值达到0.9414;结构相似性较高,其SSIM值达到0.9183。结论 该水印算法在常规信号处理攻击、抗旋转攻击下均具有极强的鲁棒性。     

基于BSVD分解和Radon变换的NSCT域鲁棒水印算法

目的 为了提高水印算法的不可见性及抗旋转攻击的能力,提出一种基于BSVD分解和Radon变换的NSCT域鲁棒水印算法。方法 首先对水印图像进行Arnold变换,然后对载体图像进行NSCT变换,接着对低频子带进行不重叠分块,最后对各子块进行BSVD分解,选择合适的缩放因子,将水印嵌入奇异矩阵的最大奇异值中。提取水印时,先用Radon变换对含水印信息的载体图像进行校正,再提取出水印信息。结果 实验显示,文中算法具有很好的不可见性,PSNR值均在60 dB之上,并且能够抵抗常规信号的攻击,NC值均大于0.95。结论 该水印算法具有良好的不可见性和鲁棒性,抵抗旋转攻击的能力较强。     

基于Radon变换和梯度跟踪的海岸线提取算法

针对视频图像中自动提取海岸线的问题,提出了一种基于Radon变换和彩色图像梯度跟踪模型的海岸线提取算法.根据海水和陆地的彩色图像信息差异,在计算彩色梯度向量的基础上,利用Radon变换检测线状奇异性的特点,设计剖面分析方法,预测水陆交界处大致方向和动态范围,以达到缩小检测区域的目的:最后采用一种改进的最大梯度跟踪模型对海岸线进行搜索,以提取最终的海岸线精确定位参数.实验结果验证了该算法对海岸线检测的有效性和较强的鲁棒性.     

一种新的多圆快速检测方法

针对检测图像多圆问题,该文提出一种利用圆的对称性与旋转变换相结合的圆检测新方法.从圆的几何性质出发,在图像边缘点上以过圆心且平行横坐标的直线为对称轴搜索对称点集P1;然后图像做旋转变换,再次对称点搜索并做反旋转变换得到点集P2;利用圆的旋转对称性,圆上的点集即是点集P1与P2的交集,从而实现圆的检测.实验结果表明,该算...     

基于Canny算子和Radon变换的证件图像倾斜校正

倾斜的证件图像不利于识别,为此提出一种基于Canny算子和Radon变换的校正方法。该方法首先使用Canny算子进行证件图像边缘检测,然后利用Radon变换计算出图像的倾斜角度,最后用双线性插值算法进行图像旋转校正。在Matlab平台对该方法进行了仿真实验。实验结果表明,该方法能够准确、高效地对证件图像进行校正。     

基于Radon变换的图像角点角度提取算法

针对现有角点检测算法只提取图像角点位置而无法提取角点角度的缺陷,本文在SUSAN角点检测算法的基础上,提出基于Radon变换的图像角点角度提取算法.该算法首先利用SUSAN算子检测候选角点,然后得到候选角点子邻域图像,对其进行角点角度可测量性判定,对满足可测量性的角点子邻域图像中每个像素点进行梯度映射后,利用Radon变换提取角点边缘直线,最后利用坐标几何关系提取角度.并针对Radon变换无法检测直线起始点导致角点角度提取时存在二值歧义性的缺陷,本文借鉴USAN思想,把同值核引入到角度提取中,从而实现了对角度的正确提取.该算法实现简单,实验结果证明了其有效性.     

基于Radon变换的速变谱提取算法

多普勒频移随时间快速变化这一信息在水听器探测空中高速目标时具有重要意义,提出了速变谱的概念,并提出应用Radon变换在信号的LOFAR图中捕捉速变谱信息;针对速变谱曲线可能是任意曲线而Radon变换只能对直线等已知参数方程的曲线进行提取的问题,提出分块Radon变换的方法。仿真与海试数据分析均表明,该方法可以在较低信噪比情况下检测到速变谱信息。     

一种基于中点画圆算法的改进Hough变换检测圆方法

为了对机械零件图像中的圆形几何特征进行视觉检测,将中点画圆算法与Hough变换相结合,提出一种基于中点画圆算法的Hough变换检测圆的新方法,并对中点画圆算法中的浮点运算等方面进行了改进。给出了该新方法的具体实施步骤和检测结果,表明了该方法的可行性。最后,通过对比实验验证了该方法的有效性。     

基于弦变换提取几何特征的方法

本文对弦变换、弦空间特征的描述进行了详细研究,通过实验实现了几何形状特征提取的具体实现方法,并验证了特征的鲁棒性.此特征不但具有二维的平移、旋转和尺度不变性,同时对由仿射变换引起的形变也具有一定容忍度.另外,利用特定几何形状的弦空间特征对边缘图像做近似滤波的反弦变换后,可以保留与特定形状相似或相同的目标边缘,而忽略其它不感兴趣的边缘.最后实验结果表明,用此特征进行几何形状的相似性匹配是有效的,并且这种方法简单易懂,容易实现,可以用于目标识别、跟踪等许多方面.     

随机圆检测算法的采样约束和参数校准策略

随机Hough变换和随机圆检测算法是图像中检测圆轮廓的快速方法,但在实际应用中分别在速度和精度上有不足.将上述算法中的随机采样分布、采样累积分布和采样次数阈值归为采样约束问题,将代理点计算出的参数与真实参数的偏差归为参数校准问题.经分析上述问题,将改进的随机圆检测算法作为快速识别方法,将随机圆Hough变换作为校准方法,结合两者的优点提出一种基于识别-校准框架的高效圆检测算法.实验数据证明,在噪声和不理想圆轮廓条件下,该框架能够很好地平衡检测速度与精度,从而体现出算法的高效性.     

一种基于 Contourlet 变换的彩色图像全息水印算法

提出了一种结合了全息水印加密技术和 Contourlet 变换技术的彩色图像水印算法。 算法首先将 RGB 模式的水印载体图像转换至 YCrCb 颜色空间,选取亮度分量作为水印载体通道,对其进行多层 Contourlet 分解,得到细节子带图像;而后对二值水印图像进行傅里叶全息加密,将加密后的图像嵌入至载体图像的 Contourlet变换系数中。 仿真实验结果表明,该水印算法具有良好的不可见性,对于常见的几何变换及多种攻击具有良好的鲁棒性。     

基于图像正则化的抗几何变换的感知哈希算法

图像哈希在内容认证、数据库搜索和水印等领域有广泛的应用。该文提出的新的抗几何变换的感知哈希方法包括三个主要阶段:第一阶段通过图像正则化过程获得一个对任意仿射变换具有不变性的正则图像;第二阶段对随机选择的多个子图像进行小波变换产生一个包括图像主要特征的副图像;第三阶段采用奇异值分解捕获图像的局部感知成分并生成最终哈希。仿真实验表明算法有效抵抗了几何变换、压缩等感知保持操作,内容篡改也被正确检测。批量实验也证明算法有较好的稳健性和抗误分类能力。     

基于小波的多尺度SUSAN角点检测

SUSAN角点检测是一种经典的角点检测算法,但不具有尺变化特性.利用小波变换的多尺度特性,即在小尺度下的定位准确和大尺度下的抗噪性强,该文把多分辨分析的思想引入到该算法中,从而构建了一种新的基于小波变换的SUSAN多尺度角点检测算法.新的角点检测可以在不同的尺度下获取角点,克服了单一尺度的SUSAN角点检测可能存在的角点位置偏移和易受噪声干扰而提取出伪角点等问题.为了综合利用各个尺度下的角点信息,该文提出了由粗到细的角点筛选方案.通过对比实验,新算法明显地提高了图像角点检测性能.     

基于直线检测的条码图像几何校正研究

CCD相机采集的图像会产生一定程度的几何变形,需要进行几何校正。常用的图像几何校正方法不适合条码图像的校正,因此,结合已有的边缘检测算法和直线提取算法,提出了基于直线检测的条码图像的几何校正算法。基于直线检测的条码图像校正方法是在已除去背景的图像中,寻找目标的条形码边缘对应的直线,以此确定其偏移角度,并进行扭转校正。实验结果表明,有偏转角度的条码图像运用了所提方法校正后,都得到了有效的几何校正。     

基于SUSAN和Hough变换的直线边缘亚像素定位方法

提出了一种基于SUSAN算法和Hough变换的直线边缘亚像素定位方法.在该方法中,给出了SUSAN算法模板选择的依据,同时定义了直线边缘响应函数并引入加权Hough变换.首先,利用直线边缘响应函数对直线边缘进行提取;然后对具有响应值的灰度点进行Hough变换并将该响应值作为权值记入参数空间累加器,得到粗定位;在粗定位的基础上对映射区进行局部细化,并对区域内点进行拟合,最终得到直线边缘精定位.实验证明:直线边缘定位精度可达0.3 pixels,同时为解析曲线亚像素定位提供了一种新的思路.     

基于SIFT变换和RBF神经网络的彩色全景图拼接算法

目的 为了复原存在平移、色彩差异、旋转、形变等问题的全景图,提出一种结合SIFT（尺度不变特征变换）和RBF神经网络的彩色全景图拼接算法。方法 通过SIFT算法匹配出两子图中对应的特征点,利用仿射变换解决图像间的旋转和形变问题,采用RBF神经网络纠正子图的色彩差异,最后利用权值矩阵融合技术实现重叠区域的融合。结果 文中算法在拼接效果上优于其他算法,其拼接效果DoEM值为0.902,图像重叠区域过度平滑,有效地避免了融合区域的亮度块或亮度线。结论 该算法效果好,可解决全景图复原过程中多方面的难题。