基于谱图理论的自适应纹理图像检索

将谱图理论引入图像检索领域,将原图像按照灰度级进行划分,针对各个图像灰度分布的差异提出自适应划分方法,把图像的每个划分都看作一个子图,利用谱图理论计算各个子图之间的Normalized cut（Ncut）,生成一个Ncut矩阵,在生成的Ncut矩阵中,计算每一个子图与其余子图的相似关系,提取原图像的特征向量,达到检索的目的。实验结果表明,该方法优于传统方法。     

基于贡献矩阵的微钙化点检测

提出了基于贡献矩阵的特征提取方法。首先采用基于结构分析的统计方法构造贡献矩阵,利用贡献矩阵对图像预处理;通过二维主成分分析方法提取图像特征。将此算法用于微钙化点图像特征提取,利用支持向量机分类器进行分类。实验结果表明,该算法加快了训练速度,同时有效地降低了微钙化点检测的假阳性。     

一种采用背景统计技术的视频对象分割算法

利用背景统计技术从累积的帧差信息中构建出完整、可靠的背景区域,并将其与当前帧相比较,得到初始对象分割掩膜;再对之进行后处理,以消除噪声影响和平滑对象边界,从而获得较好的对象分割掩膜,并提取出视频对象。该算法不需要预知运动对象的形状、数目等,就能较好地从静止背景中分离出目标,实验证明,它具有一定的实用性和鲁棒性。     

利用质心模式统计进行图像纹理分析

基于区域质心具有某些与人类视觉相适应的性质,提出一种新的纹理分析算法——质心模式统计法(StatisticsofCentroidPattern,SCP)。该算法通过对纹理基元质心分布位置与特点进行分析得到纹理的基元特征,该特征可以反映基元内灰度、能量等分布信息。然后通过对基元特征进行加权投影统计,得到图像的方向性、对比度等纹理特征,这些特征可以更好的适应人类视觉特性。将该算法应用于Brodatz图像库的图像检索,实验结果表明,SCP在查准率上比差分矩阵和纹理谱分别提高10.26%和26.66%,取得了更好的检索效果,可以对图像纹理进行更为精确的描述与分析。     

利用小波零树结构和PCA构造图像零水印

为了解决水印图像的鲁棒性和透明性之间的矛盾,提出一种利用小波零树结构和主分量分析提取图像特征,构造零水印的算法。在小波变换后的图像中,利用小波零树思想选取重要的系数树作为特征,用主分量分析方法作降维处理,构造出水印信息。由于水印嵌入过程并不修改图像,所以水印图像与原始图像相同。实验结果表明,本算法对抗各种常见攻击的鲁棒性很好,尤其是可以抵抗bpp=0.05的JPEG2000压缩、bpp=0.1的JPEG压缩以及缩放8倍等攻击。     

一种基于Wedgelet的图像轮廓编码算法

基于wedgelet理论提出了一种图像轮廓编码算法.该算法给出了一种率失真意义下的图像自适应多尺度wedgelet分析方法,用以抽取并表示图像中的边缘轮廓,然后基于四叉树结构编码图像最优多尺度wedgelet表示的参数,从而编码抽取出的图像轮廓.实验结果表明,本算法能以较大压缩比编码图像的边缘轮廓,并且压缩比可调.     

基于PCA和KHM聚类的唇特征提取算法的研究

在基于隐马尔可夫模型(HMM)的语音同步唇动合成系统中,提出了基于主成分分析(PCA)法的口形全局纹理特征的表达方法,并在此基础上运用对初始值不敏感的K调和均值(KHM)聚类算法对实验中所用到的1650张24位真彩色唇图像样本进行PCA特征提取和聚类分析,以便于在语音唇动合成研究中建立语音特征与唇特征之间的映射关系.实验结果表明该方法保存了唇动过程中的嘴部二维形状信息,避免了由于特征点提取不准而对唇动合成产生的影响,同时运用KHM聚类算法使得聚类结果更加准确,有利于人脸语音动画的研究.     

改进的基于VQ+WNN的说话人识别研究

VQ+WNN(Vector Quantization and Wavelet Neural Network)说话人识别系统主要利用VQ进行矢量量化,将量化矢量送到小波神经网络进行说话人训练和识别。经过VQ量化后的特征矢量可以大大减少小波神经网络的运算量,提高网络的收敛速度与识别精度。虽然运算量是可以接受的,但如果在矢量量化之前采用分量处理方法,去除对识别精度影响不大的特征矢量,则可进一步减少运算量,而识别精度基本维持不变。     

基于极大灰度频数抑制结合动态直方图均衡的图像增强算法

现有的直方图均衡技术存在两方面不足:虽然使得增强图像有高的对比度,但是其对比度的提升程度严重依赖于灰度频数分布,这样常常导致容易过度增强高频数灰度级,而压缩低频数灰度级;另外,增强对象缺乏目的性,难以满足感兴趣灰度区域的特殊要求。针对这个问题,该文提出基于极大灰度频数抑制结合动态直方图均衡的图像增强算法。首先通过分析图像直方图的灰度分布情况来分割图像,并根据用户感兴趣灰度范围确定各子层图像的灰度映射范围及频数控制阈值;然后利用各自阈值重新定义子层直方图,并采用直方图均衡算法构造灰度转换函数,将子层灰度映射到指定范围内;最后综合各个子层的增强结果得到最后的增强图像。实验结果表明,该算法既能抑制过度增强的情况,又能对于用户感兴趣的灰度进行控制,能更好地满足用户对图像对比度增强可控的应用要求。