用于两相流电容层析成像系统中的图像重建算法

图像重建算法研究和增加投影数据是改善图像重建质量的两个重要方面。由于目前在ECT系统中存在着一种基于奇异值分解（SVD）的图像重建算法,此算法中的奇异值将对应图像重建矩阵中很大的对角线元素,从而导致伪逆很不稳定。因而讨论了改进的基于奇异值分解（MSVD）的图像重建算法,该算法是用改进奇异值分解方法求出图像重建矩阵。仿真及实验结果均表明该算法是一种实时的、重建图像质量优于SVD。     

融合奇异值分解和最大间距准则的人脸识别方法

提出了一种融合奇异值分解（SVD）和最大间距准则鉴别分析（MMC）的人脸识别方法。对人脸图像进行奇异值分解,选取较大的一组奇异值构成特征向量,对所有训练样本按照最大间距准则鉴别分析算法计算投影矩阵,把人脸图像矩阵在投影矩阵上投影得到特征矩阵。融合决策阶段,在以上两类特征集中,分别计算待识别样本到所有训练样本的欧氏距离并对得到的两类结果进行加权融合,最后根据最近距离分类器分类。基于ORL人脸数据库上的实验结果表明算法的有效性。     

一种新的彩色图像盲水印算法*

在探讨了四元数及四元数矩阵奇异值分解性质的基础上,用四元数矩阵来表示彩色图像,彩色图像的每个像素用一个四元数来表示,从而实现了将彩色图像的各个分量作为一个整体进行运算的思想;对彩色图像的四元数矩阵奇异值分解后的性质进行了研究,得出将四元数矩阵分解的方法用于彩色图像水印的嵌入和提取的可行性,并提出一种基于四元数矩阵奇异值分解、旋转和共轭运算的彩色图像盲水印算法进行验证。通过实验和对比表明,该算法具有良好的性能,能较好地抵抗常见的攻击。     

彩色图像四元数频域奇异值分解水印算法

将四元数傅里叶变换与四元数奇异值分解技术相结合并引入到对彩色图像的水印处理,提出一种基于四元数频域奇异值分解的彩色图像盲水印算法.首先对彩色载体图像进行分块并采用四元数傅里叶变换(quaternion Fourier transform,QFT)得到其频域矩阵,然后对频域矩阵中的单位小块进行四元数奇异值分解(quaternion singular value decomposition,QSVD),得到实系数奇异值,使用奇偶量化调制法将水印信号嵌入到单位小块的最大奇异值中.仿真实验结果表明,嵌入的水印分布在空域图像各彩色分量中,在不可见性以及鲁棒性的比较中优于传统的彩色图像亮度域以及独立多通道处理方法.     

基于整体与部分奇异值分解的人脸识别

针对原有奇异值分解的不足,本文将图像矩阵进行投影,并对整体与三组局部奇异值结合进行改进,再利用BP神经网络进行分类识别,对该文提出的方法进行了人脸识别实验.结果表明,基于整体与部分组合的奇异值分解方法的识别率高于在原图上的奇异值分解等方法.     

基于SVD的彩色图像盲水印算法

为了更好地保护数字产品的版权,本文提出了一种提升小波变换与奇异值分解相结合的彩色图像数字水印算法。提升小波变换运算速度快,能够对任意尺寸图像进行变换;奇异值分解具有几何不变性,并且体现图像的内蕴特性。算法充分利用提升小波变换和奇异值分解的优良特性,选择彩色图像的蓝色通道进行水印嵌入。首先对原始图像进行多级提升小波变换,然后选取中低频子带进行奇异值分解,将灰度水印图像进行Arnold置乱后分成四个部分嵌入所选子带的部分奇异值矩阵中。在水印提取时不需要原始载体图像,更加有利于实际中的应用。实验表明,该算法具有良好的透明性,而且对大部分常见攻击及几何攻击有很好的鲁棒性。     

双正交提升小波和奇异值分解的彩色水印算法研究

在现有彩色图像水印提取技术基础上, 提出一种结合9/7双正交提升小波和图像矩阵奇异值分解的彩色图像水印加密算法。首先将彩色原始图像和彩色水印图像R、G、B分离, 将图像相应分量进行提升小波三级分解得到低频部分, 并将该低频信息进行奇异值分解, 把水印信息视做扰动矩阵按一定的量加在低频信息的对角阵上, 其中彩色水印图像预处理结合了骑士巡游变换和Arnold置乱算法。实验结果表明算法在确保水印不可见性的基础上有效地增强了水印的强度和鲁棒性, 实现了水印图像的盲检验。     

一种基于奇异值分解的图像压缩方法

根据奇异值分解的基本原理及其特点,结合图像的矩阵结构,提出了用奇异值分解,然后选取部分奇异值和奇异向量重构矩阵进行图像压缩的方法,并通过对图像进行分块降低计算量,实验结果表明奇异值分解能够有效用于图像压缩。     

图像集的离散度矩阵及其在人脸图像识别中的应用

本文提出了图像集离散度矩阵的基本概念及用于人脸图像识别的方法。该方法把同一类图像集中的各幅图像的信息矩阵的奇异值向量作为矩阵中的一列构成图像集特征矩阵。把这些矩阵组成一图像库,并找出图像集离散度矩阵和图像库离散度矩阵,从而计算出它们的最佳投影系数。然后,把测试样本的图像集特征矩阵与图像集库中的训练样本图像集的特征按投影系数相比较找出它的相似程度,从而进行人脸图像识别。     

基于四元数矩阵奇异值分解的彩色图像分解

讨论了四元数矩阵的奇异值分解(QSVD),四元数矩阵的奇异值仍是正实数,但两个酉矩阵是含有四元数的四元数矩阵.给出通过四元数矩阵的等价实矩阵求解QSVD的有效算法.最后应用QSVD进行彩色图像分解,并给出了在Fruits、Baboon等图像上的实验结果.QSVD使许多基于SVD的图像处理方法可以推广到彩色图像处理上而不...     

基于奇异值特征提取的彩色人脸识别*

基于彩色图像的四元数模型,将彩色人脸图像视为一个模板直接处理,并首次将奇异值向量应用到彩色人脸识别中.首先证明了彩色图像的奇异值向量具有代数和几何不变性;然后将其提取为图像的代数特征并应用到人脸识别中.实验表明该方法的识别率为90%左右,是一种有效的彩色人脸识别方法.     

奇异值和RBF神经网络的彩色人脸识别

目前已有研究表明,相对于灰度图像,利用图像的彩色信息能改进人脸图像的识别率。但近年来的彩色人脸识别研究较少。提出了一种基于奇异值向量和RBF神经网络的彩色人脸图像识别方法。首先说明了彩色图像的奇异值向量具有代数和几何不变性,再将降维的奇异值向量作为图像的特征,然后应用RBF神经网络进行训练和识别。实验表明该方法的识别率为95%左右,是一种有效的彩色人脸识别方法。     

四元数表示和NSCT变换的彩色人脸图像识别

将彩色人脸图像用四元数实矩阵的形式表示,对该矩阵作多级非抽样Contourlet（Nonsubsampled Contourlet,NSCT）变换,在各子带系数上作奇异值分解,进而获得图像的代数特征向量,由神经网络训练和识别。实验结果表明,该方法可以有效地提高彩色人脸图像的识别率,是一种有效的彩色人脸识别方法。     

图像混合和小波变换的双重彩色图像隐藏

传统信息隐藏方法是直接将秘密图像隐藏到载体图像中,隐藏深度不深、方法单一、容易分析,而且隐藏的信息量较小。提出了一种通过图像混合和小波变换两次隐藏将彩色秘密图像深度隐藏到彩色载体图像中的信息隐藏方法。仿真实验结果表明,该方法具有很好的隐蔽性,隐藏的信息量大,且能够有效抵抗直方图统计分析,隐藏方法复杂,分析困难。     

基于局部特征过滤的快速火焰图像识别方法

传统的基于物理信号的火焰识别方法易被外部环境干扰,且现有火焰图像特征提取方法对于火焰和场景的区分度较低,从而导致火焰种类或场景改变时识别精度降低。针对这一问题,提出一种基于局部特征过滤和极限学习机的快速火焰识别方法,将颜色空间信息引入尺度不变特征变换（SIFT）算法。首先,将视频文件转化成帧图像,利用SIFT算法对所有图像提取特征描述符;其次,通过火焰在颜色空间上的信息特性进一步过滤局部噪声特征点,并借助关键点词袋（BOK）方法,将特征描述符转换成对应的特征向量;最后放入极限学习机进行训练,从而快速得到火焰识别模型。在火焰公开数据集及真实火灾场景图像进行的实验结果表明：所提方法对不同场景和火焰类型均具有较高的识别率和较快的检测速度,实验识别精度达97%以上;对于包含4301张图片数据的测试集,模型识别时间仅需2.19 s;与基于信息熵、纹理特征、火焰蔓延率的支持向量机模型,基于SIFT、火焰颜色空间特性的支持向量机模型,基于SIFT的极限学习机模型三种方法相比,所提方法在测试集精度、模型构建时间上均占有优势。     

基于视觉传达的多维彩色图像模糊区域特征识别方法

为了提高多维彩色图像的检测识别能力,提出一种基于视觉传达的多维彩色图像模糊区域特征识别方法。构建多维彩色图像模糊区域特征匹配模型,采用模板匹配方法进行多维彩色图像的多尺度结构二值模式分割处理,对分割后的彩色图像利用视觉传达方法进行模糊区域特征提取,获得适应于图像识别表达的像素特征集,采用零均值化的图像滤波方法进行多维彩色图像降噪处理,提高多维彩色图像模糊区域特征检测和识别能力,结合图像的旋转不变性和灰度不变性,实现多维彩色图像模糊区域特征识别。仿真结果表明,采用该方法进行多维彩色图像模糊区域特征识别的准确性较高,特征匹配能力较强。     

基于区分深度置信网络的病害图像识别模型

对枸杞病害进行及时、准确地检测识别对于病害的监测、预测、预警、防治和农业信息化、智能化建设具有重要意义。研究提出了一种基于区分深度置信网络的枸杞病害图像分类识别模型。首先,把枸杞叶部病害图像通过自动裁剪方式获得包含典型病斑的子图像,再采用复杂背景下的图像分割方法分割病斑区域,提取病斑图像的颜色特征、纹理特征和形状特征共计147个,结合区分深度置信网络和指数损失函数建立了病害识别模型。实验结果表明,该方法对于病害图像识别效果较好,与支持向量机相比,基于区分深度置信网络的病害图像识别模型高效地利用了底层图像特征的高层表示,解决了没有足够标注数据时的图像识别问题。     

采用频谱脸和FLD的分量融合彩色人脸识别

为了充分利用彩色信息而又不使算法过于复杂,提出了一种对彩色人脸图像进行识别的新方法,首先基于HSV空间提取S、V分量,然后分别采用频谱脸与FLD对其进行特征提取,再以两分量的融合特征作为分类依据进行识别。选取典型特征S和V,既保留了彩色信息又降低了复杂度。频谱脸实际上就是小波概貌图像的傅里叶幅度谱,其位移不变性和旋转不变性能有效消除因为人像表情变化和少许掩膜带来的识别误差。通过对ESSEX大学彩色人脸库的识别实验,验证了该方法有很好的识别能力。     

基于有效维度特征的手背静脉识别算法

针对手背静脉识别过程中采集的图像出现干扰信息的问题,提出了一种基于有效维度特征的识别算法。首先,该算法对采集的图像进行自适应中值滤波去噪;其次,对图像进行分块处理,并基于混合高斯模型与梯度信息对子图像提取特征;然后,依据子图像间特征相似性,提出了判断子图像是否为干扰信息的方法;最后,融合所有真实静脉区域的特征,形成特征向量,并采用基于稀疏表示的算法对多种有效维度下的特征向量进行匹配。实验表明,该算法具有较高的准确识别率,即使采集的手背静脉图像存在部分遮挡,算法依然能够获得较好的识别效果。     

一种基于颜色和纹理的显著性目标检测算法

视觉显著性检测是很多计算机视觉任务的重要步骤,在图像分割、自适应压缩和识别物体方面都有很重要的应用。提出了一种基于HSV颜色、纹理特征和空间位置关系相结合的显著性检测算法。该方法先将图像分割成小的图像片以获取图像的局部信息,结合图像片颜色的独特性和空间分布的紧凑性计算得到颜色显著图;同时利用Gabor滤波器对图像进行不同尺度和方向地滤波得到纹理特征向量,然后对特征向量计算纹理差异得到纹理显著图;最后将二者结合得到最终显著图。实验结果表明,该方法在检测效果和抗噪能力等方面均可获得较为满意的结果。