基于分形的图像边缘检测研究

提出了一种新的图像边缘分形检测方法。该方法以具有各向同性的ＤＦＢＲ场模型作为图像区域的数学模型，定义了一种新的适用于图像边缘检测的分形参数，并将它用于图像边缘检测，实验结果证实了该方法的有效性。     

基于分形理论的红外图像边缘检测

提出了利用分形理论进行红外图像边缘检测的方法,比较了根据单一分形维数和根据多尺度分形维数两种方法的边缘检测结果,从而得出：分表理论可以用于红外图像的边缘检测,并且根据多尺度维数的方法能获得较好的边缘检测结果。     

基于分形理论的边缘检测算法

图像边缘检测在图像分析以及图像理解中是十分关键性的一项技能,采取多种分形方式来提取图像边缘,并对几种分形方式进行对比。得出依赖于分形编码的边缘检测算法复杂且检测时间过长,而利用图像的分形特征以及统计特征来进行测度,并选择多种测度方式,可提高图像边缘区域的精细程度,得到更多的图像信息资源。     

分形方法用于有噪图像边缘检测的研究

本文研究了加性高斯白噪声对于基于离散分数布朗随机场模型图像分形维数估计的影响，并将分形方法用于图像边缘检测，指出在加性高斯白噪声的情况下，分形方法用于图像边缘检测较之经典的基于梯度运算的边缘检测方法有好的抗噪性能，同时又能检测比较丰富的图像边缘细节。     

基于分形理论的图像边缘提取方法

提出了一种基于分形理论的图像边缘提取的方法。简述了分形理论的图像处理的应用原理,讨论了分形编码的特点,采用分形理论的方法,进行图像边缘的检测。实验表明：此方法对图像的提取的应用,不仅速度快,效果好,而且抗干扰性强。     

基于局部模糊分形维度的图像边缘检测算法

介绍了一种局部模糊分形维度,并将该技术应用到图像边缘检测中.将像素覆盖方法推广到N维模糊离散集分形维度的计算就得到了局部模糊分形维度.给出了局部图像的LFFD计算流程和基于LFFD的图像边缘检测方法.采用实例验证了本文的算法,实例结果显示,本文的算法是正确的、可行的和有效的.     

基于小波变换法的分形维数估计在有噪图像边缘检测中的应用

文中研究了在加性高斯白噪声情况下如何用分形方法检测图像边缘，由于自然场景除边缘外外满足离散分数布朗随机场模型，因此可作为检测的标准。分形维数的时域估计法易受噪声影响，采用小波变换法计算分形维数，既简单易实现，又有较强噪声抑制能力，本方法相对经典的图象边缘检测方法不仅有更好的抗干扰性能，而且检测的图像边缘细节丰富。     

基于多重分形分析的图像边缘检测算法

本文提出了一种基于多重分形分析的边缘检测算法。该算法通过定义在图像灰度级上的测度,计算图像中每一个象素点的奇异性和它的多重分形谱,然后根据多重分形谱,提取图像的边缘信息。经试验表明,该算法具有良好的边缘检测效果,并能突出主要的图像边缘细节信息。     

边缘检测方法及其在医学图像处理中的应用研究

计算机边缘检测在医学图像处理中占着至关重要的位置，检测的好坏直接关系到诊断和治疗的效果。本文列出了在医学图像处理中的边缘检测方法，讨论了医学图像中的边缘检测方法的发展及现状。     

基于图像活动性的序列图像分形编码方法

介绍了分形的概念以及分形压缩的主要思想;阐述了传统的分形图像压缩编码的基本原理与实现方法;提出了一种基于图像活动性序列图像分形编码方法。该方法首先由相邻帧之间的预测差值来判断当前编码块的活动性,然后根据图像的活动性,对不同特性的块采用不同的分形编码策略,最后对编码后得到的迭代函数系统（IFS）码进行可变长度编码（VLC）,以获得更高的压缩比。     

一种基于K-均值聚类优化的快速分形图像压缩算法

提出了一种基于K-均值聚类的快速分形图像压缩算法,对搜索窗中的父块和子块,根据其方差的不同,用K-均值聚类方法分别对子块和父块进行聚类,子块只对同一类中的父块进行匹配,从而大大缩短了编码时间。实验结果表明,与经典分形压缩算法相比,本文算法编码速度可提高5倍;同基于方差的快速分形压缩算法相比,本文算法也有明显的优势。     

基于图像块分类的篡改定位和恢复水印算法

针对现有方法所提取的特征值不能灵活适应图像 的纹理变化导致被篡改图像恢复质量不高的问题, 提出一种根据图像块纹理特征进行块类型划分的篡改定位和恢复水印算法。首先把宿主图像 分3×3大小的 子块,再利用方差和Canny边缘检测算子将图像子块划分为简单块、复杂块和边缘块;然后 根据图像子块 类型,自适应地生成水印信息;最后采用Torus自同构映射方式找到水印嵌入位置,并且对 篡改区域进行恢 复时根据图像子块类型自适应的恢复。当图像遭到篡改时,采用本文算法恢复图像的平均峰 值信噪比(PSNR)较现有方 法提5.60%左右。实验表明,本文算法能够对图像纹理复杂区 域生成更精确的 恢复信息,有效提高了图像篡 改区域的恢复质量,同时降低含水印图像失真。算法适用于医学、军事和卫星等领域。     

IFS在植物形态模拟中的应用

阐述了迭代函数系统IFS(Iterated Function System)的基本理论,分析了IFS系统在表达植物形态方面的可行性,探讨了IFS对植物形态模拟的实现方法,并在实现的过程中连续地变换某一参数,有效的实现了对IFS生成植物的动态模拟,使对植物的模拟过程更加逼真.     

基于多尺度边缘响应函数的自适应阈值边缘检测算法

该文提出了一种基于多尺度边缘响应函数的自适应阈值边缘检测算法。首先分析二进小波变换,根据边缘和噪声随尺度变化的不同特性,设计了多尺度边缘响应函数(MERF)。通过MERF中的乘积放大作用,增大了边缘响应的幅度,同时也抑制了噪声产生的伪边缘。然后利用小波变换多尺度之间的联合分布关系,计算自适应阈值,检测MERF的梯度模值形成多尺度边缘。该算法直接在小波特征上进行多尺度合成,避免了多个边缘图合成过程的病态问题。实验表明,与LOG,Canny以及Mallat多尺度小波检测方法相比,该算法在检测和定位之间能够达到更好的平衡,既能够实现小尺度下的精确定位,也可以保留大尺度下对噪声的抑制作用。     

基于对称性与方差的快速分形人脸图像压缩

针对人脸具有对称性特点，提出了基于对称性与方差的快速分形人脸图像压缩算法。在编码时，对某值域块，将定义域块限定在与其对称的候选区内，如在其中未找到匹配定义域块，则再扩大候选区范围。对基于方差方法与本文算法在时间复杂性上的分析表明，即使在最坏情况下，利用本算法所需编码时间也仅为基于方差方法的1／2。通过在ORL和YALE人脸库中的实验表明，利用本文算法，在基本保持恢复图像质量的同时，平均编码时间仅为基于方差方法的1／3。实验还讨论了候选区、阈值与击中值域块个数、编码时间和峰值信噪比（PSNR）间的关系。     

基于边缘方向投影的图像块修复方法

压缩图像在传输中,信道干扰常导致图像块数据丢失.给出一种基于边缘方向投影的图像损失块修复方法.按照周围邻域未损失像素的边缘方向信息将损失块分类,并根据类别用结合频域和空域信息的凸集投影算法自适应地修复损失块.能较好地修复图像边缘和复杂纹理.与RIBMAP方法相比,此方法在修复质量和算法顽健性上均有提高.     

一种空域频域结合的图像隐写算法

为了获取较大隐写容量和较好的不可感知性,使用图像空域边缘特点结合人眼视觉感知特性,提出一种空域频域相结合的大容量图像隐写算法,既考虑了图像在空域中的边缘信息,又考虑了图像亮度等因素对嵌入区域的影响。使用对比灵敏度和纹理能量对嵌入区域进行整合,根据容量大小和不可感知程度来选择频域或空域对图像嵌入秘密信息。通过实验表明,该算法在得到了较大的隐写容量的同时也获得了较好的不可感知性。     

一种基于结构相似性的H．264／AVC运动预测方法

在H．264编码过程中,帧间预测的最佳匹配块的选择和编码模式的判决由率失真代价函数决定,在该函数中,通常对失真采用的衡量方法是绝对（变换）误差和（SATD）。相应地,其他类似的衡量方法,如MSE和PSNR也被用在质量评估当中。然而,SA（T）D和PSNR已经被证明不能反映人眼视觉对失真的真实的敏感程度。最近,人们提出了一种称为HSSIM（基于人眼视觉系统的结构相似性）的新的图像质量测度,由于更好地考虑了图像的结构信息,HSSIM与人类视觉的一致性优于PSNR和MSE。文中提出了一种用于帧间编码的新的运动预测方法（MEHSSIM）,它建立在基于人眼视觉系统的结构相似性的基础之上。实验表明,在由HSSIM测量的主观视频质量基本保持不变的情况下,新方法可以使码率降低平均13．8％。     

基于DWT-DFT和SVD域的盲水印算法

提出了一种基于离散小波变换、离散傅里叶变换和奇异值分解相结合的盲水印算法。该算法对原始图像进行一级离散小波变换后选择低频子带图像作分块离散傅里叶变换,然后对分块离散傅里叶变换的幅度谱进行奇异值分解,选择最大奇异值并采用量化嵌入方法实现水印的嵌入和盲提取。为了提高算法对旋转攻击的鲁棒性,采用基于Radon变换的检测算法对待检测图像进行旋转校正。实验结果表明,该算法对一些常规攻击和几何攻击都具有较强的鲁棒性。     

Combined Kohonen neural networks and discrete cosine transform method for iterated transformation theory

Iterated transformation theory (ITT) coding, also known as fractal coding, in its original form, allows fast decoding but suffers from long encoding times. During the encoding step, a large number of block best-matching searches have to be performed which leads to a computationally expensive process. Because of that, most of the research efforts carried on this field are focused on speeding up the encoding algorithm. Many different methods and algorithms have been proposed, from simple classifying methods to multi-dimensional nearest key search. We present in this paper a new method that significantly reduces the computational load of ITT-based image coding. Both domain and range blocks of the image are transformed into the frequency domain (which has proven to be more appropriate for ITT coding). Domain blocks are then used to train a two-dimensional Kohonen neural network (KNN) forming a codebook similar to vector quantization coding. The property of KNN (and self-organizing feature maps in general) which maintains the input space (transformed domain blocks) topology allows to perform a neighboring search to find the piecewise transformation between domain and range blocks.