图像分形维数计算方法的比较

分形维数是度量图像纹理粗糙度的一种常用方法,而依据分形维数的定义很难求解图像的分形维数。大量计算图像分形维数的算法被提出,但是这些方法往往基于不同的应用背景,没有总体比较和评价,多局限于差分盒子维的选用和改进,算法普遍存在计算误差较大,适应能力模糊的缺点。基于目前常用图像分形维数的计算方法,测试不同方法对图像粗糙度的敏感程度和时间复杂程度。从而对这些方法的适用范围进行分析和比较,给出应用的推荐模型。     

基于分形维数的纹理图像分割

纹理图发割过程一般分为特征抽取和特征划分,文中提出一种新的基于分形维数的纹理图像分割方法,在特征抽取上,以分形作为纹理特征,运用图像变换的思想,结合差分盒计数和基于分形布朗自相似模型的分形估计方法。     

基于分形维数的白细胞图像特征提取研究

为了开发骨髓细胞涂片中白细胞的自动分类及计算机辅助诊断系统,基于分形理论提取了不同类型白细胞的分形维数.首先通过计算原始图像和特征灰度图像的分形维数实现第一次的粗分类提取,然后采用多重分形奇异谱方法进一步完成了细分.识别结果表明,经过两次分类提取获得了较准确的白细胞分类信息,该方法是有效的、可行的.     

基于分形理论的遥感影像分类研究

分形理论是非线性科学领域的一大支柱,它的提出为人们解决非线性世界的问题提供了新的思想和方法,由于分形维数与人类对图像表面纹理粗糙度的感知是一致的,利用分形理论进行遥感影像分类具有潜在的理论和应用价值。本文根据遥感影像特点,引入分形方法来描述其纹理结构特征,利用双毯覆盖模型来提取遥感影像的纹理特征,在此基础上,采用K-means算法将纹理结构特征与光谱特征相结合,进行遥感影像分类,其分类效果优于单纯采用光谱特征的分类。     

基于牛顿迭代算法的分形图像纹理细节增强

为了改善传统分形图像纹理特征处理效果不理想问题,提出基于牛顿迭代算法的分形图像纹理细节增强方法.利用牛顿迭代算法获取分形图像坐标极值,设置迭代初始点值.将图像绕原点120°的旋转变换,完成零点吸引域映射;采用迭代距离参数、初始参数、色彩初始值、色彩渐变参数以及相关运算符号构建RGB颜色通道表达式,计算覆盖图像目标部分的...     

基于分形理论和Kohonen神经网络的纹理图像分割方法

分形理论作为描述自然现象的一种模型,受到人们越来越多的重视。该文提出采用分形维数和多重分形广义维数谱q－D（q）作为纹理特征,采用自组织神经网络Kohonen网络作为分类器的图象分割方法。通过对纹理图象的分割实验,结果令人满意,证实该方法的有效性。     

基于分形理论的声纳图像识别

为了解决声纳图像分类较困难的问题,提出一种基于分形理论的声纳图像识别方法.针对传统的分形维数作为图像纹理特征表示时缺少图像分布特征的不足,引入了多重分形的概念和广义维数,并对原图像和灰度差分图像重新提取了图像的纹理特征.通过对声纳图像的分类实验,结果证实该方法行之有效.     

以分形理论估计棕壤水分特征曲线的可行性研究

应用分形理论估算了分布于辽东半岛棕壤的土壤水分特征曲线，通过估算结果与实测结果的比较，探讨了分形方法估算土壤水分特征曲线的可行性，分析了影响该方法估算精度的因素，认为用分形方法估算土壤水分特征曲线以粘粒和粉粒含量较少、质地偏粗的土壤效果较好。     

基于分形理论的声纳图像识别

为了解决声纳图像分类较困难的问题,提出一种基于分形理论的声纳图像识别方法。针对传统的分形维数作为图像纹理特征表示时缺少图像分布特征的不足,引入了多重分形的概念和广义维数,并对原图像和灰度差分图像重新提取了图像的纹理特征。通过对声纳图像的分类实验,结果证实该方法行之有效。     

基于分形维数的阈值选取方法

普通的阈值选取方法只注重图像的灰度信息,而很少考虑图像的空间信息。分形维数能很好地反映一幅图像的空间信息,在图像的处理与分析中得到了很好的应用。提出了一种基于分形维数的图像阈值选取方法,实验证明对于灰度图像的阈值选取具有很好的实用效果。     

结合纹理复杂度和JND模型的图像水印算法

针对目前基于灰度共生矩阵相关水印算法存在容量较小的问题,提出一种将纹理复杂度和DCT域JND模型相结合的图像水印算法。首先将原图像分成子块,利用各子块灰度共生矩阵的四个纹理特性计算其纹理复杂度,并据此对子块进行排序以确定水印嵌入的子块位置后对原图像素矩阵进行DCT变换,结合新的分区方式计算各块JND值,根据JND值以及新的嵌入规则确定子块内水印嵌入方式。算法有效考虑了图像块的纹理特性和人眼视觉敏感性,加强了嵌入水印后的图像质量,提高了水印嵌入容量。实验结果表明,所提方法在嵌入相同容量的水印时,图像平均峰值信噪比（PSNR）较现有方法高出4.27%左右,在嵌入超过原方法容量上限一倍的水印时,图像平均PSNR仍有53.449 8 dB。     

融合结构与非结构信息的自然图像恰可察觉失真阈值估计

目的 研究表明,图像的恰可察觉失真（JND）阈值主要与视觉系统的亮度适应性、对比度掩模、模块掩模以及图像结构等因素有关。为了更好地研究图像结构对JND阈值的影响,提出一种基于稀疏表示的结构信息和非结构信息分离模型,并应用于自然图像的JND阈值估计,使JND阈值模型与人眼视觉系统具有更好的一致性。方法 首先通过K-均值奇异值分解算法（K-SVD）得到过完备视觉字典。然后利用该过完备字典对输入的自然图像进行稀疏表示和重建,得到该图像对应的结构层和非结构层。针对结构层和非结构层,进一步设计基于亮度适应性与对比度掩模的结构层JND估计模型和基于亮度对比度与信息不确定度的非结构层JND估计模型。最后利用一个能够刻画掩模效应的非线性可加模型对以上两个分量的JND估计模型进行融合。结果 本文提出的JND估计模型利用稀疏表示将自然图像的结构/非结构信息进行分离,然后采用符合各自分量特点的JND模型进行计算,与视觉感知机理高度一致。实验结果表明,本文JND模型能够有效地预测自然图像的JND阈值,受污染图的峰值信噪比（PSNR）值比其他3个JND对比模型值高出35 dB。结论 与现有模型相比,该模型与人眼主观视觉感知具有更好的一致性,更能有效地预测自然图像的JND阈值。     

Effect of experimental methodology on the JND of the black level for natural images

Abstract— The effect of experimental methodology on the Just Noticeable Difference (JND) of the black level (BL) is assessed using a set of representative natural images. Two methodologies, known in psychophysics to determine JNDs, are mutually compared: an adapted method of adjustment with a same‐difference task and a one‐up‐two‐down staircase method with a two‐alternative forced‐choice task. Thus far, the literature has shown contradictory results for which of the two methods yields the lower difference thresholds. Experimental results show that the second method yields lower JNDs, but is slightly less efficient. Based on this second method, it was found that the JND of the BL for natural images ranges from 0.2 to 1.0 cd/m², varying with image content significantly.     

基于多通道小波变换彩色图像公开数字水印技术

提出一种基于多通道及小波变换的彩色图像公开数字水印技术方案,该方案充分考虑彩色图像中人类视觉(HVS)的掩蔽特性,将彩色图像由RGB彩色空间转换到YCbCr彩色空间,利用YcbCr良好的空间独立性获取3个相对较为独立的颜色通道Y,Cb,Cr.对每个独立颜色通道中的宿主图像进行充分的内容信息挖掘,并计算其视觉阈值矩阵JND(just noticeabledifference).将宿主图像分块后在离散小波域内进行水印的嵌入.实验结果表明,该算法不仅具有较好的透明性,而且对诸如叠加噪声、JPEG压缩、几何剪切、图像增强、分色攻击等攻击性实验中均具有较好的鲁棒性.     

Considering just noticeable difference in assessments of physical accommodation for product design

Configuring products or environments for the size of their human users requires the consideration of several characteristics of the target user population, including body dimensions (anthropometry) and preferred interaction. Users are both adaptable and imperfect observers, which often makes it difficult for them to distinguish between candidate designs. This insensitivity is described by a concept called ‘just noticeable difference’, or JND. This paper presents an implementation of JND modelling and demonstrates how its use in the sizing of products or environments for target user populations can improve expected performance. Two facets of this problem are explored: (1) how experimental measures of JND for dimensional optimisation tasks may be obtained, and (2) how measures of JND may be included in models of user–device interaction for both adjustable and discretely sized products and the assumptions required. A case study demonstrating the collection and modelling of JND for a simple univariate problem is also presented.

Practitioner Summary: Since people are adaptable and imperfect observers, there exists a ‘just noticeable difference’ that can be considered when designing products and environments. When JND is modelled for a target population, less variability in design dimensions due to physical user requirements may be necessary. This paper considers JND in quantitative simulations of population accommodation.     

面向视频压缩的显著性协同检测JND模型

为了更好的将人眼感知特性用于视频压缩系统,提出了一种改进的基于显著性协同检测的恰可察觉失真模型（Just Noticeable Distortion,JND）.该模型通过像素域和变换域下联合建模计算得到的最优JND模型,基于上下文感知的显著性算法得到相应的显著图,并将检测结果用于JND模型权值分配.提出的JND残差滤波器可以嵌入到HEVC视频编码框架中.实验结果表明:在全I帧配置下,提出的算法编码结果与HM16相比,在视觉主观感知质量一致的情况下,平均码率可节省10.7%.     

Weber定律下尺度空间的自适应构建

在Weber定律的启发下提出一种基于"恰可识别差异"的尺度空间自适应构建方法。Weber定律认为人类感知模式不仅与刺激的变化有关,而且与原刺激强度有关。基于此观点,在图像尺度空间的构建过程中,首先以Marr视觉理论的屋脊型边缘和阶梯型边缘的特征之和计算图像的信息量,再通过实验获得人类视觉能感知到"恰可识别差异"时的图像信息量变化,最后通过曲线拟合自适应构建图像的尺度空间。实验结果表明,该方法充分体现了人类视觉感知特性,与其他尺度空间构建方法相比,在目标匹配实验中,匹配数目提升了25%以上;在去噪实验中,本算法的去噪效果良好。     

一种视觉模型引导的小波域彩色图像盲水印算法*

为了较好地解决水印不可见性与鲁棒性矛盾问题,提出了一种新的彩色图像盲水印算法。将原始彩色图像转换到YCbCr色彩空间,并对各分量进行分块处理及一级离散小波变换,利用人眼视觉特性建立视觉模型并引导水印嵌入到中频系数中。水印的提取简单且不需要原始载体图像和原始水印,鲁棒调控因子的引入协调了算法对各类攻击的抵抗能力。实验结果表明,该算法能较好地平衡不可见性和鲁棒性,并且对诸如剪切、叠加噪声等攻击具有更强的鲁棒性。     

基于萤火虫算法的无监督最小视觉差彩色图像分割

针对传统阈值分割算法中阈值个数的选择问题,提出一种基于萤火虫算法的无监督最小视觉差彩色图像分割方法。首先,从图像中自动获取差异性比较大的像素作为后续步骤的监督信息,随后,设计萤火虫算法对基于像素的邻域信息和最小视觉差理论的阈值进行优化选择,最后,采用峰值信噪比和概率边缘信息对分割性能相当的结果进一步评价进而选择最终的分割结果。对实际图像的分割实验表明,本文算法在分割效果上和鲁棒性都有了极大的提高。