基于Hilbert扫描和小波变换的自适应图像分割

阈值的选择是图像阈值分割法的关键,针对现有阈值法中存在的没有充分地考虑图像像素之间的空间相关信息等问题,提出把Hilbert图像扫描方法和小波变换相结合,获得了连续光滑的阈值曲线,从而建立了一种局部自适应阈值法。首先通过Hilbert图像扫描的方法将2维图像信息转化为1维Hilbert序列;然后利用小波变换对其进行多分辨分析获得信号的发展趋势曲线,并将该曲线作为阈值曲线对Hilbert序列进行量化处理;最后对量化后的Hilbert序列运用Hilbert图像扫描的反过程恢复为2维图像信息,从而实现原图像的分割。该方法所建立的阈值曲线能够随像素点的环境变化而自适应调整,反映出当前区域图像灰度信息的变化趋势,从而充分地保留了图像的局部信息和原图像中相邻像素的相关性,提高了图像分割效率。实验结果表明,该方法具有分割性能好以及受噪声影响小等优点,是一种非常有效的图像分割方法。     

一种抗图像自交的优化分割算法仿真分析

研究图像的优化分割问题,在一些图像中,在图像敏感特征的边沿部分点中,像素的分布过渡不合理,使得图像的边沿像素渐变序列中出现了像素局部自交,或扭曲变形.传统的分割算法受到图像在插值变形过程中,部分特征点运行轨迹的不可预测性的影响,很难避免自交现象,造成分割的不准确.为了解决上述问题,提出一种抗图像自交的优化分割算法,通过Hilbert曲线扫描将二维数字图像转化为一维Hilbert数字序列,通过小波变换对数字序列进行多分辨处理,得到数字信号的趋势曲线,将曲线看成阀值曲线对Hilbert数字序列进行量化处理,再采用Hilbert曲线搜索的反过程获取相应的二维数字图像,完成图像分割.仿真结果表明:改进方法能够较好的解决图像的自交问题,分割效果得到了进一步的优化.     

双稳态随机共振机制及其在图像复原中的应用

强噪声背景下的图像复原对于改善目标图像的视觉效果,提高后续图像分析或处理的性能起着关键性作用。首先研究双稳态非线性系统的随机共振非周期响应;然后通过多方向Hilbert扫描法,在保持图像像素空间相关性的基础上,将2维灰度图像转换为多个1维非周期信号序列;最后利用双稳态系统、图像信号以及噪声之间的随机共振协同作用,实现强噪声背景灰度图像的复原。实验结果表明,随机共振复原方法在较好地重现图像细节的同时,能有效抑制图像中的噪声;尤其在低信噪比情形下,本文方法在信噪比改善程度与灰度层次感上,要明显优于传统图像复原方法。     

三维Hilbert曲线在图像置乱中的应用

研究三维Hilbert曲线基元在空间中的24种形态,提出一种基于基元分形走向的n阶三维Hilbert曲线生成算法,将图像像素点存入到一个空间立方体数组中,按三维Hilbert曲线遍历顺序对空间立方体中的像素点进行顺序扫描存储,从而实现图像置乱处理。实验结果表明,相比二维Hilbert曲线,三维Hilbert曲线置乱具有更强的图像置乱度和更高的图像加密安全性。     

基于指纹特征数据的水印技术研究

传统水印技术的水印数据主要有两种:伪随机序列(一维)和二值图像(二维).本文通过分别对图像的R,G,B信道嵌入水印信息,提出了一种将256级灰度的指纹图像嵌入到宿主图像的算法,宿主图像可以是256级灰度图像,也可以是24位的真彩图像.通过实验表明该算法具有良好的鲁棒性.     

利用二次B样条曲线逼近的图像压缩方法

提出了一种基于Hilbert扫描和二次B样条曲线逼近的图像压缩方法。首先利用Hilbert扫描曲线将二维数字图像转化为一维的灰度序列;然后采用二次B样条曲线对数据进行分段逼近,同时利用逼近的最大绝对误差小于最大允许误差来确定最终分段;最后对每段数据的逼近参数进行编码。实验结果表明,该方法获得的压缩效果较好,且计算量适中,是一种简单有效的数字图像压缩方法。     

基于DPCM与Hilbert扫描的灰度图像无损压缩方法

提出一种基于DPCM与Hilbert曲线的医疗图像无损压缩方法,通过差分脉码调制技术（DPCM）对图像进行预测处理,得到差值图像,再利用Hilbert曲线对医疗图像像素的进行扫描,得到图像的一维数据,然后分别用哈夫曼编码、游程编码和字典编码对一维数据进行压缩。实验结果显示Hilbert扫描可以增加像素的相关性,对提高压缩比有一定的贡献。     

Canny边缘特征18维描述符在图像拼接中的应用

为将同一场景中具有重叠区域的序列图像合成为一幅宽视角、高分辨率的图像,基于尺度不变特征变换(SIFT)算法,提出一种结合Canny特征边缘18维特征描述的图像拼接方法。采用SIFT算法提取图像特征点,利用12个圆形区域中的梯度方向累加值、3个同心圆区域中的灰度累加值及3个灰度差分值建立18维特征描述符,保留图像Canny边缘16邻域特征点,选用RANSAC算法进行特征匹配对提纯,计算出不变换矩阵H,并用渐进渐出算法完成图像融合。实验结果表明,与传统SIFT算法相比,该方法对光线变化、旋转、尺度缩放等图像均能取得较好的拼接效果。     

基于主灰度的声纳图像识别

声纳图像是一种灰度图像．所以将灰度信息作为特征参与匹配和识别,具有重要意义。针对声纳图像识别系统实时性要求高、存储空间小的特点,提出一种基于主灰度的提取和识别方法,从而降低了特征维数．提高了声纳图像的识别效率。将该方法应用于水下声纳图像的识别中,实验结果表明它是有效的,具有一定的实用价值。     

基于三维直方图修正和灰度熵分解的图像分割

图像噪声容易引起图像误分割,而常用阈值选取方法仅依赖于图像直方图的概率信息,未直接考虑图像中类内灰度分布的均匀性。为此,提出一种修正三维直方图和分解处理灰度熵的图像分割算法。分析图像的噪声对其邻域灰度造成的影响,通过修正三维直方图来减弱噪声干扰,给出三维灰度熵阈值的选取公式,并将三维灰度熵分解至一维进行处理,使计算复杂度由O(L3)降为O(L)。实验结果表明,与二维最大熵斜分法、二维交叉熵递推法、降维三维Otsu法相比,该算法抗噪性能更强、分割效果更好,同时能使运算时间缩短10%以上。     

指针式仪表图像的快速分割法研究

在指针式仪表图像中，由于目标和背景的灰度比较单一，出现了直方图中大部分灰度级上像素数为零的现象。根据这一特点并且考虑到传统的熵最大法分割效果好但耗时的缺点，提出了一种改进的快速算法。由熵最大法的原理推理可知，对于像素数为零的灰度级可以不进行熵值的计算。因此该算法比传统的熵最大法多采用一个环节，用来判断灰度级上的像素数是否为零，如果为零则忽略对应的灰度级。这样既不会影响分割效果，又通过减少指数运算次数节省了处理时间。实验表明，该算法在不影响传统算法分割性能的基础上，提高了图像分割的效率，为指针式仪表图像的实时识别奠定了良好的基础。     

基于PCNN和视觉特性的图像对比度增强

本文针对X射线影像中同一组织图像灰度相近,不同组织灰度因组织密度不同而有所不同的特点,利用PCNN的同步点火特性,将图像分割为不同区域,考虑到人眼视觉特性,提出一种针对X射线影响的图像增强算法。实验证明该算法具有良好的效果。     

基于恢复函数和误差扩散的灰度图像分存方案

基于((n,n)-阈值的灰度图像分存方案利用恢复函数和误差扩散技术将一张秘密灰度图像分存到n张有意义的灰度分存图像中。所提方案选择n张有意义的灰度图像作为分存图像,以增强秘密图像的隐蔽性,达到保护图像信息安全的目的;采用误差扩散技术,可以产生具有良好视觉质量的分存图像。所生成的分存图像没有像素膨胀,其大小与秘密图像相等。此外,方案的重构过程简单快速,而且是无损的。实验结果和理论分析表明,所提方案能为秘密图像分存提供一个高安全和有效的机制。     

基于玻耳兹曼熵分析的图像分割方法研究*

根据热力学玻耳兹曼熵关系式,定义基于图像灰度谱的玻耳兹曼熵谱,将图像空间局部结构隐含于灰度谱的客观事实与玻耳兹曼熵谱联系在一起。最后在像素近邻空间进行统计计算,通过识别玻耳兹曼熵谱特征,实现图像分割。实验与比较分析表明,该方法具有显著优势。     

视觉文档图像中反渗噪声的去除方法

提出根据直方图特征去除视觉文档图像反渗噪声的方法.对于灰度直方图呈双峰特性的噪声图像,选取适当区域分别进行增强或归一化处理以达到去除反渗噪声的目的;而对于直方图呈单峰特性的含反渗噪声图像,建立了一种基于背景分离的新算法.实验结果表明,该方法可以有效去除视觉文档图像中的反渗噪声.     

新的基于波传播的图像加密算法

提出了一种新的基于波传播的数字图像加密算法.该算法模拟波的传播过程,通过将该像素点原灰度值与波传到该像素点时的波的位移值相加来来改变图像上的像素点的灰度值,并将相加得到的灰度值模256作为最终加密后的值.在加密图像时可在图像上模拟多个波,选择多个不同的点为它们波源,进行叠加.该算法结合自适应图像加密技术,具有易于实现、计算简单的特点,在安全性和计算效率上也有很好的表现.实验结果证明了该算法的以上优点.     

基于小波包分解的数字水印算法

从小波包域水印算法的现状出发,提出了一种小波包域的图像水印算法,采用较大灰度级图像作为水印,实现了一种小波包域灰度图像水印算法,该算法在水印类型和信息量方面是一个较大的突破,对比实验结果表明,在大多数鲁棒性能攻击测试中,与传统小波包域水印算法相比,该算法提取水印的归一化相关系数NC值更大,水印性能更优越.实验结果证明了...     

Gray-Level Reduction Using Local Spatial Features

This paper proposes a new method for reduction of the number of gray-levels in an image. The proposed approach achieves gray-level reduction using both the image gray-levels and additional local spatial features. Both gray-level and local feature values feed a self-organized neural network classifier. After training, the neurons of the output competition layer of the SOFM define the gray-level classes. The final image has not only the dominant image gray-levels, but also has a texture approaching the image local characteristics used. To split the initial classes further, the proposed technique can be used in an adaptive mode. To speed up the entire multithresholding algorithm and reduce memory requirements, a fractal scanning subsampling technique is adopted. The method is applicable to any type of gray-level image and can be easily modified to accommodate any type of spatial characteristic. Several experimental and comparative results, exhibiting the performance of the proposed technique, are presented.     

灰度图像二维最小类方差递推及差分演化的快速分割

为克服Otsu法阈值偏离及一维最小类方差法在含噪图像分割中性能不佳的问题,基于图像灰度级二维直方图,提出一种二维最小类方差快速阈值化方法.通过递推方式计算得到图像前景及背景在不同阈值向量上的灰度级类概率及类均值,在此基础上,应用差分演化算法搜寻使图像类方差最小的阈值向量,并用该阈值向量对图像实施分割.在合成及真实图像上的实验结果表明,采用文中方法可获得良好的分割性能,有效地克服了Otsu法及一维最小类方差法的不足;采用递推及差分演化算法使计算时间大幅降低,可满足工程应用需求.