基于方向信息的多尺度边缘检测方法

对噪声图像进行不同方向的滤波，根据方向滤波的信息，定义了方向信息测度作为判定噪声点与边缘点的度量．使用了二次Ｂ样条小波进行边缘检测，根据方向信息测度调整边缘检测中的滤波尺度，实现了多尺度边缘检测的自适应尺度调整．最后给出了实验比较结果，表明该方法对于方向特征明显的一类图像是比较有效的     

支持向量机和元胞自动机相结合的图像边缘检测方法

针对如何提高图像边缘检测效率的问题,提出1种结合最小二乘支持向量机(LSSVM)和元胞自动机进行图像边缘检测的方法.首先,基于Gauss径向基核和多项式核构建出新的核函数,使得LSSVM对图像像素邻域的灰度值能够进行准确的曲面拟合.接着,推导出图像的梯度算子,并与图像灰度值进行卷积得到图像的梯度值.然后,元胞自动机按照所设计的局部规则对梯度值进行演化,实现图像边缘的定位和检测.仿真实验检测出的图像边缘定位准确,而且达到1个像素宽,表明新提出的边缘检测算法是有效的;同时,通过对比分析得知新算法具有比Sobel和Canny算法更高的检测性能.     

一种新的基于多信息测度融合的边缘检测方法

针对高强度噪声图像, 提出了一种新的基于信息测度概念和Dempster Shafer(DS)证据理论的边缘检测算法. 利用邻域一致性、方向性和结构性3种信息测度定量描述边缘特征; 引入检测不确定性, 根据各信息测度响应分布设计基本可信度分配函数, 并利用DS合成规则加以融合; 融合后根据组合决策规则将像素分类成边缘与非边缘. 实验通过检测结果以及Pratt品质因数的分析比较, 表明该算法能够有效地区分边缘点和噪声点. 在低噪声情况下, 检测性能与传统检测方法相近; 而对于高强度噪声图像, 该方法具有较强的噪声免疫力.     

基于可逆元胞自动机的图像加密算法

提出一种基于一维可逆元胞自动机（RCA）的新的图像加密算法,算法中可逆元胞自动机（RCA）规则和随机数据的应用使得图像具有更高安全性。可逆元胞自动机（RCA）加密算法将已知灰度图像变为二值图像,然后将其数据重新排列成一0-1序列,应用可逆元胞自动机（RCA）规则实现图像加密。灰度图像加密的仿真结果表明所提出的算法满足混合特性和扩散特性,一般的解密算法根本不可能对这种加密图像解密。     

基于元胞自动机变换的重复水印算法

为了在满足水印不可见性和鲁棒性的同时,充分保障水印的安全性,提出了一种元胞自动机域的水印重复嵌入算法.利用元胞自动机的复杂多变的动力学特征,设计一个长的密钥矢量,先对水印进行元胞自动机加密,再对图像子块进行元胞自动机变换,利用纹理掩蔽特征将加密水印重复地嵌入图像子块中,水印检测无需原始图像.实验结果表明提出的算法有很好的鲁棒性、安全性和不可见性.     

基于影像增强和综合决策的VIRR影像云检测

为充分利用FY-3-VIRR(风云三号可见光红外扫描辐射计)VIRR各个波段的影像,提高VIRR云检测效果,提出基于像元晴朗置信水平的云检测算法。对VIRR多光谱遥感影像进行图像增强,包括NDVI,RVI,NDWI等,并对水像元进行提取,完成云像元和地物像元的对比增强;对每一种增强图像或者单波段图像中各类像元的分布进行分析,并确定像元的晴朗置信水平;综合决策对像元的晴朗置信水平进行确定,并生成云掩模。两种结果对比表明,本文所述方法云检测结果优于直接利用光谱信息云检测的方法。     

基于元胞自动机的字符图像平滑

建立了字符平滑的元胞自动机模型,用于处理字符图像中常见的黑白噪声,通过分析元胞自动机的局部转换函数,编写了相应的演化规则和算法,最后利用MATLAB编程分别对不同的含黑白噪声图像进行了处理,平滑效果良好,并与传统中值滤波方法进行比较,说明将元胞自动机用于字符图像平滑是一种非常有效的方法,同时元胞自动机适合并行计算,该方法也为图像处理的VLSI电路实现提供了一种新的途径.     

基于信息测度和支持向量机的图像边缘检测

将信息测度和支持向量机结合在一起，提出了一种新的图像边缘检测方法（information measure and support vector machine edge detection method，ISEDM）．首先，基于数学测度概念构造一个描述边缘点信息测度的特征矢量，该矢量由邻域一致性测度、方向性信息测度和梯度分布3个特征分量组成，然后运用支持向量机对特征矢量数据集进行训练和分类，实现了对边缘点的检测．实验结果表明，对于含有加性噪声、乘性噪声等图像的边缘检测，ISEDM能够有效地抑制噪声，较多地保留图像边缘的细节信息，边缘图像锐利而清晰。     

基于彩色形态学的图像边缘检测算法

基于对彩色图像形态学的研究,提出了一种面向HSI颜色空间的多结构元多尺度的彩色形态学图像边缘检测算法。首先借助彩色形态学的膨胀、腐蚀、开运算和闭运算给出彩色多结构交替顺序滤波算子的相关定义,同时利用交替顺序滤波器（ASF）的优势得到一种混合滤波器（HF）对图像进行滤波;其次引入一种全方位形态结构元再结合多尺度结构元的思想对图像不同方向的边缘进行提取;最后再使用信息熵对各方向的边缘进行融合得到图像整体边缘信息。实验表明,所提出的算法不仅具有良好的抗噪性,而且能够保留更多的图像细节信息。     

基于元胞自动机的棉制品图像的拼接方法

棉制品布面检测中,布面图像的采集很关键,通过棉制品图像拼接来得到一幅大范围完整的图像.用固定相机和调节运作台传输的速度可以人为的设定两幅图像重叠范围.先对待拼接的图像进行去噪和二值化,去掉较多的伪信息,来得到较好的图像轮廓信息;接着用元胞自动机模型进行图像边缘检测得到边缘信息;再提取出特征点进行图像拼接和融合后,得到一幅大视角的图像.实验结果证明这种方法可以有效地实现特征点较少的图像间的拼接.     

应用卷积神经网络的遥感图像云层自主检测

为实现遥感卫星对遥感图像的自主云层判别能力,提升目标自主识别的效率,避免云层覆盖面积较大的遥感图像丢失关键的目标信息而给后续算法处理带来不必要的计算资源浪费,提出一种基于卷积神经网络的云层自主检测方法,实现遥感图像云层的自主检测,达到了较高的检测精度.首先,根据遥感图像的特性建立卷积神经网络.然后,使用大量人工标识的遥感图像完成云层检测网络训练,使其达到预期检测精度.最后,在卫星在轨运行阶段,将所拍摄的遥感图像根据尺寸划分为若干个子图,并通过训练完成的卷积神经网络对子图是否被云层覆盖进行分类预测.综合所有子图的预测结果给出整幅遥感图像的云层覆盖占比.结果表明:以Landsat卫星遥感图像为测试对象,该方法可以实现有云层覆盖检测正确率为95.3%,无云层覆盖检测精度为97.8%,误判率为2.58%,漏判率为0.90%,综合精度为97.9%;由于使用了卷积神经网络和并行计算技术,该方法基本满足实时性需求,提高了算法的自主性与鲁棒性,为基于遥感图像的在轨实时应用奠定了基础.     

检测红外弱小目标的对比滤波时域廓线算法简

The detection performance of the traditional temporal profile algorithm deteriolates when the dim small target has a velocity correspmding to equivalent that of cloud edge clutters. This paper proposes a temporal profile algorithm based on comparison filtering as a responding method to the fake-alarm occurrence existing in the traditional detection algorithm. Based on the analysis of the time domain characteristics of the dim small target, cloud edge clutters as well as the stationary background, the characteristic of the temporal profile is adopted to restrain the stationary background, and then the spatial domain comparison filter is structured based on the fact that the pixels of the cloud edge clutters are continuous in spatial domain while the pixels of the dim small target are discrete, and the images after removal of the static background are filtered by the comparison filter; lastly, the connecting line of the stagnation points (CLSP) based filtering is used to realize the detection of the dim small target. Simulation data show that this algorithm can significantly eliminate the fake-alarm caused by the cloud edge clutters with an equivalent velocity of the target, thus further improving the detection probability of the dim small target.     

一种新的边缘检测算法研究

为了提高边缘检测的运行效率和检测精度,提出了一种新的边缘检测算法,该算法由一个自适应神经模糊推理系统和一个后处理程序组成.选取与边缘方向和梯度双重信息相关的4个目标函数作为自适应神经模糊推理系统的输入,采用计算机合成图像对自适应神经模糊推理系统进行训练.运用一个后处理程序,判断自适应神经模糊推理系统的输出值是否小于门限值,若小于则该像素点为边缘点.仿真实验表明,该方法边缘检测效果优于传统方法和当前文献报道方法.     

基于二维云模型过滤的重复图像发现

针对传统的重复图像发现技术无法保证图像检索的扩展性和精确性,提出了一种基于二维云模型过滤的重复图像发现方法.该方法在词袋模型的基础上,首先将汉明嵌入精炼后的匹配描述子映射为二维空间中的点,然后通过云模型计算二维点分布的不确定性以剔除分布波动较大的候选图像,最后根据投票得分进行图像排名.实验结果表明,新提出的方法不仅能保持弱几何一致性约束算法适合大规模图像检索的优点,而且还显著提高了重复图像发现的精度.     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

基于点云数据的主成分分析重构表面算法

提出一种基于三维点云数据的主成分分析重建三维表面模型的方法,该方法利用基于主成分分析的动态聚类方法对三维扫描数据进行聚类,进而对点云数据重构一点片,研究在局部利用二维三角网构网技术构建三角网,然后在考虑局部三角网边缘一致性的基础上组合成整体三维表面模型的算法。应用实例表明,该算法能有效地完成重建物体三维表面模型。     

基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,论文基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。论文通过实验对算法的有效性进行验证：通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。     

Hadoop云平台的入侵检测系统优化设计

通过分析当前云计算的安全现状以及云计算对信息安全领域带来的影响,结合Hadoop云平台特点,将apriori算法移植于hadoop云平台中并进行了改进优化,使之适用于云平台的入侵检测系统,能更有效提高云计算的安全性．实验结果表明：经过优化后Hadoop云平台入侵检测系统具有较好的检测效果,并且能够很好的保护Hadoop云集群中受攻击的云节点,对提高云计算平台的服务质量发挥重要作用．