基于NSCT域核模糊聚类的视频水印算法

为减小水印嵌入对视频视觉效果的影响,结合人类视觉系统,提出了一种基于无下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)域核模糊聚类的视频水印算法。首先利用独立分量分析提取视频同一镜头中视频序列的静态分量;然后根据人类视觉系统的掩蔽特性和图像的局部特性,对静态分量NSCT后的带通子带进行核模糊聚类分析;最后将置乱后的水印嵌入到适合嵌入水印类的子带系数中。文中给出了视频嵌入水印后的平均峰值信噪比、算法鲁棒性比较和视频被攻击后所提取的水印。实验结果证明该算法能取得极佳的视觉效果,同时还能抵抗空间域和时间域的常见攻击。     

基于二维对称Tsallis交叉熵的小目标图像阈值分割

现有的阈值分割方法应用于目标与背景面积相差悬殊的小目标图像时,几乎都失效.为此,提出了基于对称Tsallis交叉熵及背景与目标面积差的小目标图像阈值分割方法.对称Tsallis交叉熵准则能确保准确分割时目标和背景内部的灰度均匀,而背景与目标面积差可抑制均等分割的趋势,二者综合构成了更为合理的阈值选取准则函数.首先导出了一维阈值选取公式;然后经推广得到基于二维斜分对称Tsallis交叉熵及背景与目标面积差的阈值选取公式,给出了其快速递推算法及相应的简化方法.大量实验结果表明:与目前性能较优越的二维斜分Otsu、最大熵、非对称交叉熵阈值分割方法相比,所提出的方法在小目标图像分割效果上具有极为明显的优势.     

基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取

提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则,解决了Shannon熵定义中存在的无意义值问题。同时,以二维直方图斜分方式更加准确地划分目标和背景,提高了算法抗噪性能,且使需要选取的阈值个数由两个变为一个,减少了算法运行时间。此外,采用蜂群优化算法加速对最佳阈值的搜索,使速度提升了约80%~140%,进一步提高了算法的实时性。最后,针对火焰图像进行了大量实验,并与二维斜分最大Shannon熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分最大倒数熵法进行了比较。结果表明,提出的方法在分割效果上优势明显,且抗噪性能更好,是一种实时有效的火焰图像分割方法。     

基于机器视觉的 PCB 缺陷检测算法研究现状及展望

印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着 重要影响。 由于电子产品的制作逐渐趋于轻薄、精小,基于机器视觉的 PCB 缺陷检测已成为一个具有挑战性的问题。 为了加 深研究人员对 PCB 缺陷检测的理解,本文从传统图像处理方式、传统机器学习及深度学习 3 大维度全面回顾了近 10 年基于机 器视觉的 PCB 缺陷检测算法,并分析其优缺点;介绍了 9 个 PCB 数据集,给出了评价 PCB 缺陷检测算法的性能指标,且在 PCB 数据集及流行的小目标数据集上分别对典型的算法进行了对比分析;最后指出了 PCB 缺陷检测算法目前存在的问题,展望了 未来可能的研究趋势。     

基于快速Hartley变换计算离散正弦变换的新算法

导出了用DHT表示DSTⅡ与DSTⅢ的关系式,从而构造了基于FHT计算DSTⅡ与DSTⅢ的新算法。与其它快速算法作了运算量的比较。新算法结构规则,所需运算量最少。     

基于像素点对误差累加的最佳阈值选取与边界检测新算法

研究存在背景噪声和干扰的情况下图像的有效分割及边界检测的问题.提出了新的图像分割准则函数--基于像素点对的误差累加最小准则和梯度二值化算法.算法兼顾了分割效果和处理的实时性,通过编程在实际图像中的应用,证明了算法的有效性和优越性.     

图象空域平滑处理方法(二)

四、中值滤波平滑方法中值滤波是一种能有效抑制噪声的非线性滤波技术。Tukey建议将它作为分析时间序列的工具,尔后它又被Pratt和Frieden用于图象处理之中。中值滤波器设置一个窗口,将其移遍图象上的各点,且用窗内各原始灰度级的中值代替窗口中心点的原始灰度值。通常这就产生出比原始图象平滑的输出图象。当n为奇数时,n个数x_1,…,x_n的中值就     

Improved preprocessed Yaroslavsky filter based on shearlet features

An improved preprocessed Yaroslavsky filter (IPYF) is proposed to avoid the nick effects and obtain a better denoising result when the noise variance is unknown. Different from its predecessors, the similarity between two pixels is calculated by shearlet features. The feature vector consists of initial denoised results by the non-subsampled shearlet transform hard thresholding (NSST-HT) and NSST coefficients, which can help allocate the averaging weights more reasonably. With the correct estimated noise variance, the NSST-HT can provide good denoised results as the initial estimation and high-frequency coefficients contribute large weights to preserve textures. In case of the incorrect estimated noise variance, the low-frequency coefficients will mitigate the nick effect in cartoon regions greatly, making the IPYF more robust than the original PYF. Detailed experimental results show that the IPYF is a very competitive method based on a comprehensive consideration involving peak signal to noise ratio (PSNR), computing time, visual quality and method noise.