基于支持向量机和相关反馈技术的肿块检测算法

为了避免由于乳腺中的致密组织与肿块类似的特征表现而造成的肿块检测精度不高,设计了基于典型特征的支持向量机分类器对提取出的感兴趣区域进行分类,并引入了相关反馈算法以进一步提高分类器的性能,提出了一种新的基于支持向量机和相关反馈技术的乳腺图像中肿块的检测方案．通过对大量乳腺图像的仿真实验显示,基于典型特征的支持向量机分类器能够将无特征支持向量机分类器的检出率提高约5%,而相关反馈技术的引入则使系统的检出率进一步提高到约90%．     

一种新的部分参考型图像质量评价方法

根据图像失真会引起图像内视觉敏感系数变化的特点,提出了一种新的部分参考型图像质量评价方法．利用Contourlet分解实现对图像内视觉敏感系数的提取,通过统计比较失真图像和原始图像视觉敏感系数的关系,得到对失真图像的质量评价测度．实验结果表明,该方法与主观评价方法有很好的一致性,能很好地反映人们对人眼图像的视觉感知效果．     

利用图像局部特征区域的抗几何攻击水印算法

提出了一种新的抗几何攻击的数字水印算法．该算法利用仿射不变点检测器提取特征点,根据特征点构造仿射不变区域作为水印嵌入区域; 嵌入时采用了一种新的模糊推理机制自适应调整嵌入强度．大量的攻击实验证明了所提算法的有效性,实验结果表明该算法对一般信号处理、旋转、缩放、剪切和其他仿射变换具有显著的鲁棒性．     

基于三维小波变换的视频水印嵌入与盲提取算法

为了寻求有效的数字媒体保护方法,该文提出了一种在三维小波变换域内基于二值运算的数字视频水印嵌入算法。为了实现水印的获取,提出了一种相应的水印盲提取算法。水印的嵌入与提取算法每次只对4帧图像进行小波分解,不仅充分利用了小波变换良好的空时多分辨特性,而且占用内存空间少、时延低,适合视频流的在线水印嵌入和提取,并易于硬件的实时实现。实验结果表明,该文所提出的视频水印算法对高斯噪声、MPEG编码、帧平均、帧抽取和帧置乱具有良好的鲁棒性。     

一个具有附益性及保序性算子的形态学非局部拓展

近年，形态学非局部拓展工作在图像处理领域受到众多关注.而附益性算子是经典形态学的最基本形式，也是形态学分析方法最重要的变换工具.为此，一些研究者就形态学非局部拓展中如何保持算子的附益性开展工作.本文从理论及实例两个方面说明，相关拓展工作为保持算子的附益性而丢失了保序性的不足；进一步，通过设计非局部权值的获取过程，并结合现有工作，本文提出了一个新的形态学非局部拓展，并定理证明了所得算子同时具备附益性及保序性两个重要性质；人工合成图像及自然图像上的仿真实验也表明了本文所提算法的有效性.     

视觉身份隐私保护：人脸匿名化研究方法

随着深度学习的广泛应用，身份伪造技术的发展越来越迅猛.各种伪造的图像和视频在社交媒体平台上的传播直接影响了公共隐私安全，人脸身份隐私保护已成为当前研究热点.本文从基于图像和视频两个方面的匿名化方法阐述和归纳了人脸隐私保护研究现状，并将人脸图像匿名化方法从图像语义修改、图像语义保持、视觉可恢复以及深度学习过程中的人脸隐私保护四个方面进行分类，将人脸视频匿名化方法从聚焦面部区域隐私的视频匿名化方法和面向生物特征隐私的视频匿名化方法两个方面进行分类.在此基础上，本文进一步介绍目前广泛使用的数据集及匿名算法评价标准，分析现有人脸匿名技术生成人脸图像的可靠性和实用性，并对此领域的未来研究进行了展望.     

基于MCA的乳腺X线图像中肿块的自适应检测方法

针对肿块通常大小和形状各异,并且边缘模糊的特点,提出了一种基于形态学成分分析(MCA)和直方图自适应阈值搜索的肿块检测方法.首先通过引入MCA方法有效地抑制了血管和纤维对检测的影响,在此基础上设计了一种基于直方图的自适应阈值搜索策略,根据肿瘤的生长特性,通过自适应阈值和多灰度同心层方法,有效地检测乳腺X线图像中的病变区...     

一种基于高斯隐变量模型的分类算法

高斯过程隐变量模型是近年来新兴的无监督降维方法,它可以找到高维数据的低维流形结构.但是由于高斯过程隐变量模型是无监督的概率降维方法,所以当数据集中的样本有类别标记信息时,高斯过程隐变量模型不能利用这些监督信息,实现分类的任务.为了使高斯过程隐变量模型可以处理分类任务,文中提出了一种监督的高斯过程隐变量模型分类模型.通过最大化后验似然的方法确定观测数据在隐空间的坐标,同时可以完成分类任务.实验结果证明了该模型可以有效地用于分类.     

无人机视角下的目标检测研究进展

在人工智能技术的支持下,无人机初步获得智能感知能力,在实际应用中展现出高效灵活的数据收集能力。无人机视角下的目标检测作为关键核心技术,在诸多领域中发挥着不可替代的作用,具有重要的研究意义。为了进一步展现无人机视角下的目标检测研究进展,本文对无人机视角下的目标检测算法进行了全面总结,并对已有算法进行了归类、分析和比较。1）介绍无人机视角下的目标检测概念,并总结无人机视角下目标检测所面临的目标尺度、空间分布、样本数量、类别语义以及优化目标等5大不均衡挑战。在介绍现有研究方法的基础上,特别整理并介绍了无人机视角下目标检测算法在交通监控、电力巡检、作物分析和灾害救援等实际场景中的应用。2）重点阐述从数据增强策略、多尺度特征融合、区域聚焦策略、多任务学习以及模型轻量化等方面提升无人机视角下目标检测性能的方法,总结这些方法的优缺点并分析了其与现存挑战之间的关联性。3）全面介绍基于无人机视角的目标检测数据集,并呈现已有算法在两个较常用公共数据集上的性能评估。4）对无人机视角下目标检测技术的未来发展方向进行了展望。     

一种基于双域拉格朗日插值的视频错误隐藏方法

本文提出了一种基于双域拉格朗日插值的错误隐藏方法,编码采用H.264标准,分别在时域和空域进行插值获得两个运动矢量,通过建立插值系数表构造混合的插值模型,经过边缘匹配算法判断后获得最优的运动矢量作为丢失宏块的运动矢量.为了减小网络突发错误对插值效果的影响,本文在编码端提出了一种类交织的slice划分方法,实验证明本文方法由于充分利用了时域和空域的信息冗余,取得了较好效果,在15％网络丢包率的环境下平均PSNR比空域拉格朗日插值方法高0.5dB~1dB左右.