基于图像处理的盲道识别算法

提出一种基于图像处理的盲道识别算法。根据采集到的盲道图像,综合利用闻值分割、彩色连续性空间分割、纹理分割,结合直线检测算法,分析各种盲道特征以区分盲道与普通人行道。实验结果表明,该算法能有效分割多数盲道图像,检测出图片中的盲道区域和盲道行进方向,可以自适应选择速度最快且有效的分割方法,适用于实时导盲系统。     

基于颜色信息的盲道区域检测与跟随算法

盲道是辅助盲人日常生活中出行的城建设施之一。本文提出了一种基于颜色信息的盲道区域识别与跟随算法,侧重于解决光照条件改变与有投射阴影的条件下导盲道的识别问题。该算法可以应用在电子导盲杖或其他便携式导盲设备中,利用声音或者振动信息指引和辅助盲人或者视觉障碍患者,安全的沿着导盲道指示的路线行走。     

一种基于边缘梯度的图像分割方法

利用Krisch边缘方向算子，实现了对彩色和服图片中的和服边缘检测，同时根据真实边界点处的梯度强度值大于其左右邻域的梯度强度值的特征，获得了边缘细化。在结合边界跟踪技术的基础上，有效地去除了和服中大量的与和服分割无关的花瓣图案，得到了和服的有效边缘。实用的边缘连接技术则成功地实现了和服图片中和服各部分的分割。实验结果表明该方法在和服分割上是一种实用的和成功的方法。     

一种基于LUV均匀颜色空间的彩色分割方法

本文提出一种通过转换颜色空间和颜色聚类的方法来实现对彩色图像的分割。由于RGB颜色空间是非均匀空间,算法首先把RGB颜色空间转换到LUV均匀颜色空间,然后对颜色进行相似合并,最终由几种颜色表示待分割的图像,从而实现对彩色图像的色彩分割。     

一种基于灰度的梯度边界检测优化算法*

为降低基于梯度的边界检测算法的复杂度,常使用两种梯度近似算法。但这些梯度近似值受边界方向的影响较大,降低了边界检测的性能。提出了通用梯度近似算法的数学模型和两种优化准则,进而推导出两种梯度近似的优化算法。分析表明：与常用算法相比,优化算法在各向同性的性能方面提高4.4倍,在梯度幅度的逼近度提高57倍。同时,给出了优化算法的简单快捷的实现方法。     

一种基于颜色特征的视频镜头边界检测方法

视频镜头的边界检测是视频分析与检索的最基本环节之一。通常进行镜头边界检测时,需要设定阚值来判断特征差异是否足够引起镜头边界出现,但阅值的选取往往因视频内容不同而需重新设定。针对这一问题,本文提出了基于颜色特征进行的镜头边界检测方法。实验结果验证了该方法的有效性。     

基于Lab颜色模型的聚类舌图像分割

舌图像分割是舌诊客观化的基础,针对舌图像的特点,提出了一种基于Lab颜色模型的聚类舌图像分割算法,该算法对原始图像进行ROI提取、均值滤波等预处理;对预处理过后的图像进行偏色校正和Lab颜色模型转换,以改善环境、人为等外界因素带来的影响;用K-means算法完成舌图像的自动分割.     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上，对其进行改进。充分利用了彩色图像的颜色信息，将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子．同时采用滤波来抑制噪声以及非极大值抑制来细化边缘，算法简单易于实现。实验结果表明，算法能有效地提取出彩色图像的边缘信息。     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上,对其进行改进。充分利用了彩色图像的颜色信息,将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子,同时采用滤波来抑制噪声以及非极大值抑制来细化边缘,算法简单易于实现。实验结果表明,算法能有效地提取出彩色图像的边缘信息。     

一种基于机器视觉识别交通灯的方法

本文介绍了一种基于机器视觉识别交通灯的方法。将采集到的道路交通灯图像通过计算相似度定位出交通灯所在的区域,然后采取相应的颜色空间和识别算法,包括：图像分解、颜色空间的变换、颜色识别、图像分割等,来判断交通灯的颜色及其显示的数字。     

基于图像投影序列的盲数字水印鲁棒检测方法

检测时无须原始图像的盲数字水印是实用的数字产品版权保护系统和隐蔽通信系统的关键技术之一.理论研究证明,图像的正交投影序列与图像是一一对应的.利用此结论,设计并实现了一种具有良好性能的盲水印检测器.该水印检测器的相关值不是采用像素值信息,而是采用图像的正交投影序列来计算的.实验结果表明,该水印检测器不仅对旋转、平移攻击有很强的抵抗能力,而且对随机高斯噪声也具有良好的鲁棒性.其性能优于一般的直接利用像素值设计的水印检测器.     

基于模分量的同态加密方法研究与应用

随着云计算的发展,海量数据的处理正逐渐从用户本地转向云服务器,然而数据本身可能携带大量用户隐私,且一旦用户将数据上传至云服务器,就失去了对数据的完全掌控能力,该类数据一旦被非法获取,用户身份、行为、偏好等各类隐私就可能被暴露。因此,如何保证在不暴露原始数据的情况下让受委托的云服务器在密文下执行运算成为一个重要的研究课题。本文基于密码学和计算机视觉相关理论,针对隐私数据安全处理的问题,以模分量的同态性质为基础设计了两种加密方法,分别为基于混淆模分解的同态加密方法和基于密模聚合的同态加密方法,并给出了安全性分析。并将这两种方法应用于视觉盲计算领域中,实现计算方在无需获取任何原始数据有效信息的密文条件下,完成对数据的盲处理,实现了数据的可用不可见。实验结果表明,基于密模聚合模同态加密的运动目标盲提取方法,在多数测试场景中能在不降低原始算法准确率的前提下,在时间效率上明显优于基于混合高斯模型的运动目标盲提取和基于多服务器秘密共享的前景提取等方法;基于混淆模分解同态加密的人脸盲检测方法,能在不降低原始人脸检测算法识别的准确率前提下,实现视频监控人脸的盲检测,且检测速度大幅度快于基于随机子图的隐秘...     

基于模分量的同态加密方法研究与应用CSCD

随着云计算的发展,海量数据的处理正逐渐从用户本地转向云服务器,然而数据本身可能携带大量用户隐私,且一旦用户将数据上传至云服务器,就失去了对数据的完全掌控能力,该类数据一旦被非法获取,用户身份、行为、偏好等各类隐私就可能被暴露。因此,如何保证在不暴露原始数据的情况下让受委托的云服务器在密文下执行运算成为一个重要的研究课题。本文基于密码学和计算机视觉相关理论,针对隐私数据安全处理的问题,以模分量的同态性质为基础设计了两种加密方法,分别为基于混淆模分解的同态加密方法和基于密模聚合的同态加密方法,并给出了安全性分析。并将这两种方法应用于视觉盲计算领域中,实现计算方在无需获取任何原始数据有效信息的密文条件下,完成对数据的盲处理,实现了数据的可用不可见。实验结果表明,基于密模聚合模同态加密的运动目标盲提取方法,在多数测试场景中能在不降低原始算法准确率的前提下,在时间效率上明显优于基于混合高斯模型的运动目标盲提取和基于多服务器秘密共享的前景提取等方法;基于混淆模分解同态加密的人脸盲检测方法,能在不降低原始人脸检测算法识别的准确率前提下,实现视频监控人脸的盲检测,且检测速度大幅度快于基于随机子图的隐秘人脸检测方法和基于随机向量的隐秘人脸检测等算法。     

基于图像分割和对象跟踪的新闻视频镜头边界检测方法

镜头边界检测是许多多媒体应用的一个重要步骤,而现有的镜头边界检测方法大都是首先提取视频帧低层视觉特征,然后构造相异性测度函数,但由于这些方法对低层特征变化、对象运动、摄像机运动和视频质量较敏感,为克服此问题,提出了一种基于图像分割和对象跟踪的镜头边界检测方法。该方法首先采用分区直方图对镜头进行预检,然后利用基于小波分析的无监督图像分割和对象跟踪技术,通过构造相异性测度函数来对镜头边界进行确认。由于分区直方图方法作为第１过滤器,可有效地减少图像分割和对象跟踪的视频帧数目,从而提高了整个算法的效率,而基于小波变换的无监督图像分割和对象跟踪,则对以上问题具有较好的鲁棒性。在3个多小时的CCTV和CNN新闻视频实验中,获得了972%查准率和964%的查全率。     

面向真实性鉴别的数字图像盲取证技术综述

数字图像盲取证技术作为一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的技术, 正逐步成为多媒体安全领域新的研究热点, 且有着广泛的应用前景. 首先简要描述了图像盲取证技术要解决的问题和任务. 根据图像鉴别使用的取证特征, 将用于真实性鉴别的图像盲取证技术划分为三类: 基于图像伪造过程遗留痕迹的盲取证技术、基于成像设备一致性的盲取证技术和基于自然图像统计特性的盲取证技术, 然后分别阐述了这三类取证技术的基本特征和典型方法, 对不同算法进行了性能比较和总结. 最后综合近年来国内外学者在面向真实性鉴别的图像盲取证技术方面的主要研究成果, 探讨了图像盲取证技术存在的问题及未来研究方向.     

一种基于小波变换的图像盲水印算法

提出一种基于小波变换的图像盲水印算法。在对原始图像进行二级小波变换后的低频子带上通过一定的策略选择感知重要系数作为水印的嵌入区域,并将水印重复嵌入到低频子带中以提高水印检测的正确率。通过对嵌入水印的图像进行加噪、压缩以及裁剪等实验,均能正确检测出水印,且水印透明性好,表明该算法具有较高的鲁棒性。     

基于盲多用户检测技术的一种改进方法

该文在常规予空间盲多用户检测方法的基础上进行改进,提出一种改进的子空间盲多用户检测方法。将小区内用户的干扰与小区外用户的干扰全部考虑在内并进行细化,将接收信号空间可以分解成三个子空间,通过对子空间模型的修改和子空间跟踪算法的改进,解决快速矩阵分解的问题,降低算法的复杂度,在收敛速度、稳定性方面也有所提高。     

基于四阶偏微分方程的盲图像恢复模型

由于全变分(total variation,TV)正则化方法能够很好地保持边界,因而在图像去噪和恢复中得到广泛的应用,但其一个显著的缺点就是会在恢复出来的图像中产生阶梯效应。针对此问题给出了一种基于四阶偏微分方程(PDE)的盲图像恢复模型,该模型在Chan和Wong的全变分模型的基础上,用四阶范数来代替TV范数,构造了一种新的能量泛函,消除了全变分正则化方法所产生的阶梯效应。实验结果表明,该模型能取得较好的图像恢复效果。     

基于确定性约束和局部空间自适应正则化的图像盲复原算法

给出了一种用于图像盲复原的基于非负支撑域受限递归逆滤波（NAS－RIF）算法的改进算法。通过在代价函数中加入空间自适应的正则化项来改进算法的抗噪性能和复原效果，并利用迭代算法的中间结果，进一步精确寻找图像边界，有效地达到了保存边界并抑制噪声的目的。使用n步重新开始的共轭梯度法可以提高算法的收敛速度。由实验结果可以看出,对于信噪比较低的退化图像，改进的NAS－RIF算法具有更好的复原效果和稳定性。