抗几何攻击的图像水印算法

提出了一种基于尺度不变特征变换(SIFT)和小波变换的抗几何攻击的自适应鲁棒水印算法.首先利用SIFT算法从载体图像中提取稳定的特征点;然后根据特征尺度和方向自适应来确定每个局部特征区域大小和方向;最后从中选择具有较大特征尺度互不重叠的特征区域,并利用量化小波系数的方法将水印嵌入到每个局部特征区域内.仿真实验结果表明,该算法不仅具有良好的透明性,而且具有较强的抵抗常规信号处理和几何攻击的能力.     

考虑小波系数相关性的超声图像降噪算法

为了抑制超声图像中的斑点噪声,提出一种考虑小波系数尺度间相关性的超声图像降噪算法.该算法采用Rayleigh分布对超声图像斑点噪声的统计特性建模和Laplacian 分布对小波系数的统计特性进行建模,进而利用贝叶斯最大后验的方法获得对无噪图像的估计.为了更好地保留图像细节,在阈值计算过程中,该算法通过考虑下一尺度对应的小波系数来构造一个尺度间相关因子.实验结果表明,所提出算法在有效减少斑点噪声的同时,更好地保持了图像边缘和细节.     

基于小波包的遥感图像融合新算法

提出了一种基于正交小波包的局域方差遥感图像融合新算法．该算法利用正交小波包变换,把图像分解成不同尺度的低频和高频部分,采用小波包局域窗口和子区域窗口统计,把小波包系数分类成边缘和非边缘系数．在融合处理中,把低频图像的小波包系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应图像小波包系数的多窗口区域方差,来确定融合后高频小波包系数．实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,有效且优于其他图像融合算法．     

基于相位相关的图像匹配算法

为了有效提高图像匹配算法的速度和精度,提出了一种基于相位相关的图像匹配算法。该算法先将基准图像和目标图像进行对数极坐标变换并提取变换后图像的轮廓作为特征区域;然后对两幅图像的轮廓区域分别进行距离轴和角度轴方向上的投影,最后通过比较投影分量的大小确定两者是否匹配。为了降低对整幅图像进行计算所带来的计算耗时,提出了一种分步采样的方法。实验结果表明,该算法执行速度快,抗噪声、压缩能力较强,当目标图像相对宿主图像发生旋转、缩放的变化时,仍能较准确地完成两者之间的匹配工作。     

基于小波变换多尺度的边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值提取图像的边缘特征。实验结果说明这种特征提取方法不仅有效地降低了噪声，而且也能较准确地提取图像的边缘及降低计算量。     

一种改进的基于小波相关性的边缘检测

给出一种改进的基于小波相关性的边缘检测算法。依据多尺度小波相关去噪,对图像在不同尺度上做小波变换,进而对小波系数做区域相关处理,得到图像边缘的区域相关图像,最后做阈值处理,去除小波残留噪声的噪声小波系数。仿真结果表明,改进方法可以得到更多的边缘细节,边缘定位更加准确。     

结合空域噪声信息的小波脊提取算法

小波变换轮廓术的实质是计算小波脊的位置,进而得到最佳伸缩尺度和相位信息。但小波脊的提取易受噪声的影响,从而造成小波脊提取不准确。针对此问题,提出了一种新的代价函数提取小波脊的算法。该算法利用小波变换系数幅值和尺度参数曲线梯度信息建立代价函数;使用Feature Scaling方法对小波变换系数幅值和尺度参数曲线梯度进行调整,平衡两项指标的权重;随着噪声增大,小波脊受噪声影响加大,结合空域噪声信息对调整后的尺度参数曲线梯度进行补偿,加大尺度参数曲线梯度权重,使脊线更加光滑。实验表明,该算法具有良好的抗噪能力和鲁棒性,能够较精确地提取小波脊。     

一种图像纹理特征检索算法

提出一种基于Radon和小波变换的图像纹理特征检索算法,对原始图像进行坐标系的旋转校正,确定方向归一化的图像,再对方向归一化后的图像进行Radon变换．根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性．采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此进行图像检索．基于纹理特征的试验结果表明,该特征具有旋转、平移和尺度不变性,与RIM算法相比平均检索率提高了3.8％．     

基于Radon和小波变换的纹理图像检索

提出一种新的基于Radon和小波变换的图像纹理特征检索算法．针对检索图像进行Radon变换,并对投影矩阵进行中心化使其具有平移不变性．利用图像的统计值对投影数据规范化,分别沿 和t方向对投影矩阵进行TSI小波分解,得到具有平移、旋转和尺度不变的小波分解．提取各子带能量作为图像的纹理特征,并对特征向量进行高斯归一化．以两幅图像归一化特征向量间的Canberra距离作为图像的相似度进行检索．基于纹理特征的图像检索试验结果表明,该方法对高斯噪声具有较强的鲁棒性,与其他方法相比具有较高的检索率．     

一种基于SIFI的DWT域抗几何攻击水印算法

针对基于小波变换的图像水印算法抗几何攻击问题,提出一种改进的水印算法。该算法先对图像进行三级离散小波变换,利用奇偶量化规则将水印嵌入到低频系数的最大奇异值上。通过尺度不变特征变换特征点估算出几何失真参数,再校正图像并提取水印,达到抵抗几何攻击的目的。实验结果表明,该算法不仅能抵抗JPEG压缩、噪声、滤波等常规信号处理攻击,也能较好地抵抗旋转、缩放、平移等几何攻击。     

基于形状模板匹配的前视红外目标检测方法

针对前视红外复杂地面固定目标无直接可用基准图、背景干扰严重、目标与背景灰度差异小、不利于目标识别等问题,提出了一种基于形状模板的目标识别方法.首先,在构建高斯多尺度空间的基础上,设计分层多阈值算法,检测感兴趣区域;其次,引入模糊集理论,提取形状特征,分离目标与背景;最后,用改进的Hausdorff距离算法进行精匹配,确定目标.实验结果表明,该算法匹配率与改进的Hausdorff距离算法相比提高了近20%,算法花费时间缩短了2/3;与Nprod算法相比匹配率提高了近30%,时间缩短了1/2,在密度为0.3的椒盐噪声下,匹配率仍能达到70%以上.对于复杂背景下的前视红外固定目标,该方法具有匹配率高、速度快、精度高等优点.     

飞行目标的光谱辐射强度与梯度组合识别算法

利用人造飞行目标相邻波段光谱辐射强度连续性特点,提出了一种多光谱辐射强度和梯度相组合的目标识别快速算法.该算法首先对多光谱图像进行高通滤波实现背景抑制,而后以残余图像符合高斯统计分布为假设前提,建立了强度阈值与光谱梯度阈值的概率密度函数,最后利用3σ准则确定强度阈值以达到噪声中目标和诱饵的检测,确定光谱梯度阈值对二者进行识别,这种依据数据统计特性进行的双阈值确定方法增强了算法的自适应性能.利用此算法进行了强噪声下的目标识别仿真试验,表明了算法的有效性.     

序列帧间双重匹配的红外点目标跟踪算法

针对海空复杂背景下红外点目标的检测与跟踪,提出了基于图像序列帧间双重匹配的边跟踪边检测算法,并建立了数学模型。它采用标记序列帧M以帧对帧的方式记录输入序列的帧间匹配结果,标记帧T以点对点的方式记录标记序列帧M的帧间匹配结果,统计帧S记录T中各像素的匹配成功次数,输入单帧图像同步输出矩阵T和S分别显示目标运动轨迹和迎头目标检测结果。算法匹配过程不随目标数目或运动状态而改变,且无需提前判断疑似目标位置,有效解决了目标在图像序列中突然丢失或出现被干扰情况下的跟踪,尤其可以对跟踪结果实时地进行目标分离,解决了迎头目标跟踪的难题。仿真和实际工程图像实验结果表明,算法具有较高的可靠性和实时性。     

激光照射器立靶测试中靶板识别方法

在激光照射器立靶测试系统中,针对外场环境背景复杂、对比度低等情况,导致动态靶板难以精确识别,提出一种基于小波变换的多尺度模板匹配识别动态靶板方法,采用小波变换和多尺度理论相结合的多层次搜索匹配策略,首先在图像分辨率最低层次进行粗匹配,剔除大量非匹配点,保留对应准匹配点;然后沿图像分辨率增大方向在准匹配点进行逐层局部匹配,直到匹配结束,精确识别出靶板的四个角特征目标区域,精确定位靶板角特征目标点.实验表明,该方法对动态靶板中心的测量精度达到0.4pixel,对激光照射器照射精度测试的研究有重要意义.     

基于模板匹配的人脸识别跟踪方法研究

在对运动物体的实际追踪过程中,由于目标运动方向不确定、背景环境复杂多变等因素,增加了动态目标跟踪的难度,所以用普通识别方法较难提取出目标特征,从而无法准确跟踪动态目标。提出了基于模板匹配的人脸识别算法,分析了基于方向梯度直方图(HOG)的人脸特征提取算法和基于欧氏距离的人脸识别算法,设计出了人脸识别跟踪系统。实验结果表明通过动态目标视觉检测以及PID控制的角度输出,该系统实现了对特定目标的人脸识别和跟踪。     

旋转不变性图像模板匹配快速算法

综合利用图像梯度幅值统计的旋转不变性,梯度角度统计的旋转迁移性以及图像梯度角度统计的旋转自相关系数分布对称性,基于图像的3种不同特征,分两步精确快速地完成了统计匹配运算。仿真试验结果显示:本文算法在模板图像发生任意角度旋转的情况下匹配性能好。该算法时间复杂度小,并且在模板图像灰度发生一定程度的非线性变换、缩放、遮挡等情况时仍具有良好的鲁棒性能。     

基于混沌遗传算法与小波多分辨率分析的岩心图像匹配

针对岩心图像尺寸大,特征信息不明显的特点,充分利用混沌遗传算法的随机性大大减少了传统搜索算法消耗的大量运算时间。利用小波多分辨率分析的方法在小波变换子图像上进行粗匹配,再在原始图像上精匹配,浓缩了岩心图象的特征信息在保证匹配准确度的同时提升了运算速度。将混沌遗传算法与小波变换多分辨率分析相结合,将其应用于大幅岩心图像的配准。实验表明,该方法能够快速而有效地进行图像配准,兼顾了匹配效果和匹配速度。     

基于小波分解和最大互信息的图像配准方法研究

研究了基于最大互信息图像配准的理论和实现算法,提出了将小波分解与之相结合的算法,证明了该算法优于基于最大互信息的图像配准。通过实验数据比较可以得出,提出的基于小波分解和最大互信息的图像配准的算法可以有效地提高配准的速度和具有较好的配准效果。     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.     

基于尺度配准的航拍图像与卫星影像匹配方法

随着无人机航拍技术的普及,航拍图像在目标检测和跟踪的应用得到普遍研究,而航拍图像与卫星影像的匹配研究相对较少。由于成像机理和成像视角的不同,无人机航拍图像与卫星影像存在较大的尺度差异,现有的图像匹配方法难以实现航拍图像与卫星影像的有效匹配。为了解决这一问题,提出了一种实现具有大尺度差异的航拍图像与卫星影像匹配的方法。该方法通过卫星影像的经纬坐标信息和无人机航拍图像成像时刻的相机位姿信息,对无人机航拍图像进行方向和尺度的配准;然后利用航拍图像成像时刻的位置信息,对卫星影像进行粗匹配,得到包含航拍图像匹配区域在内的卫星影像子图;再利用神经网络提取配准后的航拍图像与卫星影像子图的卷积神经网络（convolutional neural networks,CNN）特征,并基于CNN特征实现航拍图像与卫星影像的精匹配。仿真实验结果表明,本文所提方法能够有效的实现大尺度差异的航拍图像与卫星影像匹配。通过将本文匹配方法与现有图像匹配算法匹配精度的对比分析,证明了本文匹配算法的有效性和优越性。