基于边缘直方图的彩色图像检索算法研究

图像边缘是重要的视觉感知信息,也是图像最基本的特征之一,其在图像分析和理解中有重要价值.本文以视觉重要的图像边缘轮廓为基础,提出一种基于边缘直方图的彩色图像检索新算法.该算法首先利用Canny检测算子提取出原始图像的彩色边缘轮廓;然后构造出能全面反映边缘轮廓内容的3种直方图(颜色直方图、距离直方图和角度直方图);最后综合利用上述3种边缘直方图计算图像间的内容相似度,并进行彩色图像检索.仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

一种有效的基于小波信息分布熵的图像检索技术

在分析基于小波域图像索引技术的缺点后,提出一种基于小波信息分布熵的图像检索新方法.该方法首先将图像分割成若干个子图像,然后对这些子图像进行三层小波变换,并对小波变换后的各个子带图像进行处理以获取纹理图像,从而大大减少了计算的复杂性.最后以小波纹理直方图为概率密度函数,计算各个子图像的信息分布熵,不但使图像特征有紧密表示,而且也使图像检索的速度大大加快.实验结果表明,该方法对图像检索是有效的.     

综合颜色和Contourlet直方图的图像检索方法

为提高图像检索性能,使用Harris彩色点提取器提取颜色特征点,设计一种基于颜色特征点的环形颜色直方图,在对图像进行Contourlet变换的基础上,提出Contourlet直方图的概念,改进其旋转不变性,并提取图像的纹理信息。仿真实验结果表明,该方法能够快速准确地检索彩色图像。     

一种基于显著兴趣点的图像检索方法

提出一种利用显著兴趣点结合颜色矩和距离直方图进行图像检索的方法。该方法将兴趣点作为图像中用户关注的主要视觉线索,包括显著兴趣点检测、距离直方图和颜色矩的特征提取3个步骤,既利用兴趣点的局部颜色特征,又考虑兴趣点间的空间距离关系,克服了传统颜色矩没有空间位置信息的缺陷。实验结果表明,该方法实现简单,能够有效提高图像检索的效率。     

模糊ART神经网络模型及其在图像识别中的应用

提出了采用低通过率波、去最小亮度和向量柱状图来提取人脸特征的方法,设计了模糊ART神经网络的结构、学习规则和识别算法,并采用模糊ART神经网络对向量柱状图生成的特征向量进行识别。仿真实验证明,通过调整神经网络的警戒参数值,不同的人具有不同的最大在线识别率,所有人平均的在线最大识别率可以达到89％。     

增强视频镜头边界检测鲁棒性算法的研究

为有效避免闪光和字幕等因素对镜头边界检测造成的影响,提高视烦镜头边界检测的查准率,根据镜头转换的特点和颜色空间的特征,选取YUV颜色空间,对亮度信息进行分析.采用改进的直方图分块加权法计算视频帧的帧间差,结合其变化规律,将全局阈值和自适应阈值相结合,对突变检测加以控制,并依据视频中闪光具有的特性,检测出闪光序列,使其不参与自适应阈值的计算,提高阈值的准确度,从而增强镜头检测的鲁棒性.     

保持图像细节的直方图均衡算法

对常规的直方图均衡算法进行了改进,避免了不同灰度的像素均衡后被合并、图像细节丢失等现象.实验结果表明,改进的直方图均衡新算法既能充分增强图像的对比度,又能保持图像的局部细节,使图像具有更加自然的视觉效果.     

二维直方图θ-划分最大平均离差阈值分割算法

鉴于常用二维直方图区域直分法存在错分, 最近提出的斜分法不具普遍性, 而基于L1范数的最小一乘准则比最小二乘准则更为合理且简捷, 提出了适用面更广的基于二维直方图θ-划分和最大类间平均离差的图像阈值分割算法. 首先给出了二维直方图θ-划分方法, 采用4条平行斜线及1条其法线与灰度级轴成 θ 角的直线划分二维直方图区域, 按灰度级和邻域平均灰度级的加权和进行阈值分割, 斜分法可视为该方法中θ=45° 的特例; 然后导出了二维直方图θ-划分最大类间平均离差阈值选取公式及其快速递推算法; 最后给出了θ 取不同值时的分割结果及运行时间. θ 取较小值时, 边界形状准确性较高, θ 取较大值时, 抗噪性较强, 应用时可根据实际图像特点及需求合理选取 θ 的值. 与常规二维直方图直分最大类间方差法及最大类间平均离差法相比, 所需运行时间相近, 但本文提出的方法所得分割结果更为准确, 抵抗噪声更为稳健, 且存储空间也大为减少.     

一种改进的粒子滤波跟踪算法

传统粒子滤波跟踪算法的退化现象和巨大的计算量不利于其应用,尤其在实时性要求较高的视频监控场合。引入均值漂移算法进行粒子的采样调整,采用积分直方图加快每个粒子的直方图计算速度,以改进传统粒子滤波跟踪算法的速度和跟踪效果,满足实时跟踪需要。实验结果证明了改进算法的有效性。     

利用综合特征提取的数字图像版权保护算法

为了有效地保护和验证数字媒体作品的版权信息,提出一种区别于传统嵌入式鲁棒水印的数字水印算法.算法中所提取的特征是由区域亮度和纹理特性所组成的综合特征,其中亮度特征的提取利用了扩展盒中脑神经网络(gBSB)的聚类功能,对于区域的纹理特征,则是通过分析其直方图统计矩来提取的.仿真结果表明,该水印方案对于常规的信号处理及几何变换攻击具有良好的鲁棒性,是一种实用的、有效的数字图像版权保护水印算法.